数据获取与预处理
获取并标准化基因表达数据，以进行后续分析。
从GEO数据库获取GSE54992（训练集）及GSE11199、GSE19439、GSE19444（验证集）的基因表达数据，并采用ComBat算法校正批次效应。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
基于机器学习的潜伏性结核病复发风险评估预测模型
A predictive model for evaluating the risk of latent tuberculosis relapse via machine learning.
实验完整度
中包含转录组数据挖掘、机器学习建模、细胞感染实验验证等多层级分析，但主要基于公共数据集的生物信息学分析，细胞实验仅验证基因表达，未进行体内动物模型或临床样本的大规模验证。
主要模型
THP-1人单核细胞系分化来源的巨噬细胞 BCG感染的巨噬细胞模型 PBMC样本 全血样本
重点核对
研究利用GSE54992作为训练集，GSE11199、GSE19439和GSE19444作为验证集 使用SVM-RFE、LASSO和随机森林三种机器学习算法筛选核心基因 THP-1细胞经PMA（100 ng/ml）处理48小时分化后，以MOI 5、10、20的BCG感染6小时 模型验证采用ROC曲线分析，AUC值分别为0.781（巨噬细胞样本）和0.725（全血样本）
摘要
背景：潜伏性结核感染（LTBI）的再激活是结核病根除的主要障碍。预测LTBI复发对于有效的疾病管理至关重要，但尚未得到充分探索。方法：我们通过差异表达分析和加权基因共表达网络分析（WGCNA）分析了GSE54992数据集中的基因表达数据，以识别与LTBI复发相关的基因。使用通过支持向量机递归特征消除（SVM-RFE）、最小绝对收缩和选择算子（LASSO）和随机森林算法选择的三个基因（ALG2、FARS2和PGP）开发了风险预测模型。通过受试者工作特征曲线下面积（AUC）评估模型性能。采用基因集富集分析（GSEA）预测基因活性与单核细胞免疫通路之间的相关性，并在感染的巨噬细胞中验证基因表达。结果：我们在LTBI和活动性结核感染（ATBI）患者之间鉴定了279个共同差异表达基因。最终选择了三个预测基因（ALG2、FARS2和PGP），验证的AUC值分别为0.781和0.725。GSEA显示，ALG2与免疫反应通路相关，而FARS2和PGP与LTBI中的能量和脂质代谢相关。这三个基因的表达水平与BCG载量相关。结论：该整合模型为评估LTBI再激活风险提供了稳健的工具，并支持更个性化的结核病管理策略。补充信息：在线版本包含补充材料，可在10.1186/s12879-025-11881-8获取。关键词：关键词：潜伏性结核感染，复发，机器学习，早期诊断建模
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 如何利用基因表达数据预测潜伏性结核感染（LTBI）患者的复发风险？
- 核心机制
- ALG2、FARS2和PGP三个基因可能通过影响巨噬细胞的能量代谢、脂质代谢及免疫调节参与LTBI的复发过程。
- 主要证据
- 基于GSE54992数据集的差异表达分析和WGCNA分析，结合SVM-RFE、LASSO和随机森林算法筛选出三个核心基因，并构建预测模型，在独立数据集中验证，AUC值分别为0.781（巨噬细胞）和0.725（全血）。细胞实验显示ALG2、FARS2和PGP的表达水平与BCG载量相关。
- 研究意义
- 该模型为评估LTBI再激活风险提供了工具，支持更个性化的结核病管理策略。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
差异表达分析
识别健康对照、LTBI与ATBI之间差异表达的基因。
使用limma包进行差异表达分析，以调整后p<0.05为阈值，并通过火山图、热图展示结果。
WGCNA分析
识别与结核病进展相关的基因模块。
使用WGCNA包构建基因共表达网络，识别与ATBI显著相关的模块。
机器学习筛选核心基因
从交集基因中筛选出预测LTBI复发的最佳基因组合。
运用SVM-RFE、LASSO和随机森林三种算法，取交集获得三个核心基因：ALG2、FARS2和PGP。
预测模型构建与验证
基于核心基因构建预测模型并评估其性能。
利用逻辑回归构建预测模型，并通过ROC曲线分析验证模型性能。
单基因GSEA富集分析
探究核心基因在巨噬细胞中的生物学功能及潜在机制。
对GSE11199数据集中核心基因的表达进行单基因GSEA分析，识别富集的KEGG通路。
免疫细胞浸润分析
分析LTBI与ATBI之间免疫细胞组成的差异，并探究核心基因与免疫细胞的相关性。
使用CIBERSORT反卷积分析样本中的免疫细胞比例，并计算核心基因与免疫细胞的相关性。
体外细胞感染实验验证
验证核心基因在不同BCG感染剂量下的表达变化。
将THP-1细胞经PMA诱导分化为巨噬细胞，以不同MOI的BCG感染，检测相关基因的表达。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
数据预处理
差异表达分析
共表达网络分析
机器学习筛选基因
模型构建与验证
富集分析
免疫细胞浸润分析
基因表达验证
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 细胞培养 | THP-1人单核细胞系 | Procell | SCSP-567 |
| THP-1培养基 | Procell | CM-0233 | |
| 细胞分化 | 佛波醇12-十四酸酯13-乙酸酯 | MedChem Express | HY-18739 |
| RNA提取 | AxyPrep总RNA小体积制备试剂盒 | Axygen | AP-RN50 |
| cDNA合成 | PowerUp™ SYBR™ Green预混液试剂盒 | Thermo Fisher | A25742 |
| RT-qPCR | Bio-Rad CFX Maestro系统 | Bio-Rad | CFX96 |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据预处理 | 使用GSE54992作为训练集，GSE11199、GSE19439和GSE19444作为验证集；应用ComBat算法校正批次效应。 阅读提示：Methods部分'Data acquisition and preprocessing strategies' |
| 差异表达分析 | 差异表达分析使用limma包，阈值设为调整后p<0.05。 阅读提示：Methods部分'Differential expression analysis of GSE54992 expression data from the GEO database' |
| WGCNA分析 | 软阈值功率β=2，最小模块大小50，模块显著性阈值p<0.05（Benjamini-Hochberg校正），MM和GS阈值均为0.8。 阅读提示：Methods部分'WGCNA and intersecting gene acquisition' |
| 机器学习筛选 | 采用SVM-RFE、LASSO和随机森林算法，选取三个基因的交集（ALG2、FARS2、PGP）构建预测模型。 阅读提示：Methods部分'Employing machine learning algorithms for predictive modelling of LTBI relapse' |
| 模型验证 | ROC分析验证模型，训练集AUC为0.778，验证集GSE11199（巨噬细胞）AUC为0.781，GSE19439/44（全血）AUC为0.725。 阅读提示：Results部分'Development of a predictive model based on ALG2, FARS2 and PGP' |
| 细胞感染实验 | THP-1细胞经100 ng/ml PMA处理48 h分化，以MOI 5、10、20的BCG感染6 h，RT-qPCR检测基因表达。 阅读提示：Methods部分'THP-1 cell culture, BCG infection, and gene expression analysis' |