阿尔茨海默病中与铁死亡相关的基因的鉴定和免疫学特征及实验验证

阿尔茨海默病（AD）的发病率在全球范围内不断上升，然而由于其复杂的病理生理机制，该病的治疗和预测仍然具有挑战性。因此，本研究旨在分析和表征铁死亡相关基因（FEGs）在AD发病机制中的分子机制，并构建预后模型。研究结果将为AD未来的诊断和治疗提供新的见解。首先，从基因表达综合数据库（GEO）获取AD数据集GSE33000，并从FerrDB获取FEGs。接下来，使用无监督聚类分析获得与AD最相关的FEGs。随后，对FEGs进行富集分析以探索其生物学功能。然后，通过CIBERSORT阐明这些基因在免疫微环境中的作用。之后，通过比较不同机器学习模型的性能选择最优的机器学习模型。为了验证预测效率，使用列线图、校准曲线、决策曲线分析和外部数据集对模型进行了验证。此外，使用逆转录定量PCR和western blot分析验证了不同组间FEGs的表达。在AD中，FEGs表达的改变影响某些免疫细胞的聚集和浸润，这表明AD的发生与免疫浸润密切相关。最后，选择了最合适的机器学习模型，并构建了AD诊断模型和列线图。本研究提供了新的见解，增强了对FEGs在AD中分子机制的理解。此外，本研究提供了可能有助于AD诊断的生物标志物。