缺血性心肌病炎症相关基因潜在生物标志物的鉴定

Identification of potential biomarkers of inflammation-related genes for ischemic cardiomyopathy.

作者信息Jianru Wang, Shiyang Xie, Yanling Cheng, Xiaohui Li, Jian Chen, Mingjun Zhu
PMID36082132
发布时间2022-08-23
DOI10.3389/fcvm.2022.972274

实验完整度

中

包含生物信息学分析(多数据集整合、机器学习筛选)、外部RNA-seq验证和ICM大鼠模型功能验证,但主要为转录组和蛋白表达验证,未涉及机制干预实验。

主要模型

ICM患者心肌组织样本(GEO数据) SD大鼠ICM模型(左前降支冠状动脉永久结扎) 大鼠心肌组织

重点核对

数据集整合:8个微阵列数据集通过SVA包去批次效应 机器学习筛选:LASSO、SVM-RFE、RF三种算法筛选生物标志物 动物模型:SD大鼠(6-8周龄)随机分为sham和ICM组,每组6只,通过永久结扎左前降支冠状动脉构建ICM模型 蛋白验证:Western blot检测5个生物标志物在心肌组织中的表达(n=3)

摘要

目的:炎症在缺血性心肌病(ICM)的病理生理学中起重要作用。我们旨在鉴定ICM的炎症相关基因的潜在生物标志物,并基于潜在生物标志物构建用于ICM诊断的模型。材料与方法:从基因表达综合数据库下载人类ICM的微阵列数据集和RNA测序数据集。我们通过SVA包整合了8个微阵列数据集,以筛选ICM和非衰竭对照样本之间的差异表达基因(DEGs),然后鉴定差异表达的炎症相关基因(DEIRGs)。采用最小绝对收缩和选择算子、支持向量机递归特征消除和随机森林从DEIRGs中筛选潜在的诊断生物标志物。分别在RNA测序数据集和ICM大鼠功能实验中验证了潜在生物标志物。基于潜在生物标志物建立了列线图,并通过受试者工作特征曲线下面积(AUC)、校准曲线、决策曲线分析(DCA)和临床影响曲线(CIC)进行评估。结果:分别鉴定出64个DEGs和19个DEIRGs。最终筛选出5个潜在生物标志物(SERPINA3、FCN3、PTN、CD163和SCUBE2)。验证结果表明,这五个潜在生物标志物均显示出良好的ICM判别能力,其表达趋势与生物信息学结果一致。AUC、校准曲线、DCA和CIC的结果表明,列线图表现出良好的性能、校准和临床实用性。结论:SERPINA3、FCN3、PTN、CD163和SCUBE2被确定为与ICM炎症反应相关的潜在生物标志物。所提出的列线图可能为临床医生从炎症角度诊断和治疗ICM提供有用的工具。关键词:缺血性心肌病、炎症相关基因、生物标志物、列线图、生物信息学分析、心力衰竭。

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
哪些炎症相关基因可作为缺血性心肌病的潜在诊断生物标志物,并基于这些标志物构建诊断模型?
核心机制
炎症相关基因SERPINA3、FCN3、PTN、CD163和SCUBE2与ICM的炎症反应相关,可能参与ICM的病理过程。
主要证据
通过整合8个微阵列数据集和机器学习算法筛选出5个潜在生物标志物,并在三个RNA-seq数据集和ICM大鼠模型中验证了其表达趋势和诊断能力。
研究意义
该研究可能为从炎症角度诊断和治疗ICM提供新的生物标志物和诊断工具。

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。

1

数据整合与差异表达分析

筛选ICM与正常对照心肌组织之间的差异表达基因和炎症相关基因

整合8个微阵列数据集,使用limma包筛选DEGs,并与炎症相关基因取交集获得DEIRGs

2

生物标志物筛选

从DEIRGs中筛选ICM的潜在诊断生物标志物

使用LASSO、SVM-RFE和RF三种机器学习算法筛选,取交集获得5个潜在生物标志物

3

生物标志物外部验证

验证潜在生物标志物在独立数据集中的表达和诊断能力

在三个RNA-seq数据集(GSE116250、GSE48166、GSE46224)中验证表达趋势和AUC值

4

动物模型验证

在大鼠ICM模型中验证生物标志物的蛋白表达

构建大鼠ICM模型,通过Western blot检测5个标志物的蛋白表达

5

列线图构建与评估

基于5个潜在生物标志物构建用于ICM诊断的列线图模型并评估其性能

使用rms包构建列线图,通过ROC曲线、校准曲线、DCA和CIC评估

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。

产品清单

实验环节名称品牌货号
BNP ELISA试剂盒Elabscience Biotechnology--
麦胚凝集素SigmaL4895
马松染色试剂盒SolarbioG1340
PVDF膜Millipore--
ECL Plus试剂盒SolarbioPE0010
ChemiDoc MP成像系统Bio-Rad--
CD163抗体Proteintech16646-1-AP
PTN抗体ImmunowayYT5519
FCN3抗体ImmunowayYN2366
SCUBE2抗体AbceptaALS13965
SERPINA3抗体ImmunowayYT5391
GAPDH抗体ImmunowayYM3029
Vivid E9GE Vingmed--

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
数据获取与预处理
8个微阵列数据集的具体样本数(194 NFC,270 ICM)和批次效应去除方法
阅读提示:Materials and methods - Data acquisition and preprocessing
差异基因筛选
DEG筛选阈值:|log2FC|>0.585,P-adj<0.05
阅读提示:Materials and methods - Identification and functional enrichment analyses
机器学习筛选
LASSO、SVM-RFE、RF算法的具体参数设置
阅读提示:Materials and methods - Screening potential biomarkers based on machine learning
动物模型构建
大鼠品系(SD)、年龄(6-8周)、体重、结扎方法、术后时间(8周)、样本量(6只/组)
阅读提示:Materials and methods - Validation of the biomarkers expressions in the rat ischemic cardiomyopathy model
蛋白表达验证
抗体品牌、货号、稀释比例;蛋白上样量、封闭条件、孵育时间
阅读提示:Materials and methods - 相关段落