整合微阵列数据与单细胞测序分析以探索与心力衰竭中巨噬细胞浸润相关的关键基因

背景：心脏巨噬细胞是一种具有高度可塑性和适应性的异质群体，其在心力衰竭（HF）中的作用机制仍不完全清楚。方法：我们利用单细胞和批量RNA测序数据揭示非心肌细胞的异质性，并评估每个亚群的免疫反应性。此外，我们采用四种集成的机器学习算法来识别具有诊断价值的巨噬细胞相关基因，并进行了体内验证。为了评估HF中的免疫浸润特征，我们使用了CIBERSORT和单样本基因集富集分析（ssGSEA）。应用无监督共识聚类算法来识别巨噬细胞相关的HF亚型。此外，采用scMetabolism探讨巨噬细胞亚型的特定代谢模式。最后，使用CellChat研究已识别亚型之间的细胞间相互作用。结果：HF中巨噬细胞的免疫反应性评分高于其他细胞类型。巨噬细胞簇的GSEA显示白细胞介导的免疫过程、抗原加工和呈递显著富集。机器学习结果的交集显示SERPINA3、GPAT3、ANPEP和FCER1G可作为特征基因，并形成具有良好预测能力的诊断模型。无监督共识聚类算法揭示了巨噬细胞的免疫和代谢亚型。巨噬细胞亚群的代谢异质性可导致巨噬细胞极化为不同类型，这可能与糖酵解和线粒体氧化磷酸化之间的代谢重编程有关。细胞通讯揭示巨噬细胞与中性粒细胞形成相互作用网络，以支持彼此的功能和维持。复杂的传出和传入信号与心肌纤维化密切相关。结论：SERPINA3、GPAT3、ANPEP和FCER1G可能作为免疫治疗靶点和核心生物标志物。巨噬细胞的免疫和代谢异质性可能为探索HF的潜在机制和新型免疫疗法提供更精确的方向。