整合生物信息学分析、机器学习和实验验证以鉴定脓毒症合并急性肝衰竭诊断中焦亡相关基因

背景：脓毒症常合并急性肝衰竭（ALF），这是脓毒症患者死亡的关键决定因素。焦亡是程序性细胞死亡的一种重要形式，在炎症反应中发挥重要作用。已有研究阐明焦亡、脓毒症和ALF之间的关系，但其作用机制仍不清楚。方法：从基因表达综合数据库（GEO）获取与脓毒症和ALF相关的数据集。识别脓毒症和ALF差异表达基因（DEGs）与焦亡相关基因的交集。同时，利用机器学习建立脓毒症和ALF的基因诊断模型，并通过绘制ROC曲线和混淆矩阵评估模型的准确性。将模型识别出的曲线下面积（AUC）值≥0.7的Hub基因用于免疫细胞浸润研究，以解释脓毒症合并ALF的分子机制。通过动物实验评估这些模型基因在脓毒症合并ALF中的确切作用机制。结果：机器学习揭示GABARAP和ITCH可能作为脓毒症合并ALF中焦亡的诊断生物标志物。免疫细胞浸润检查表明脓毒症和ALF均存在免疫失调，并初步提示GABARAP和ITCH可能在细胞免疫应答中起关键作用，尤其是T细胞介导的免疫应答。动物实验进一步验证，在脓毒症合并ALF过程中，GABARAP表达水平升高，而ITCH表达水平降低。结论：我们发现GABARAP和ITCH可能作为脓毒症合并ALF中焦亡的诊断生物标志物，提示它们可能通过细胞免疫调节通路参与脓毒症合并ALF的发生和发展。临床试验编号：不适用。补充信息：在线版本包含补充材料，可在10.1186/s41065-025-00522-4获取。关键词：脓毒症，急性肝衰竭，焦亡，免疫细胞浸润，动物实验验证