动脉粥样硬化肿瘤学视角：利用机器学习识别动脉粥样硬化诊断的核心基因

背景：平滑肌细胞（SMCs）向替代表型的转化是动脉粥样硬化发病机制中的关键过程。近期研究揭示了动脉粥样硬化与癌症之间的肿瘤学相似性，如SMCs中的DNA损伤和致癌通路激活，但确切的分子机制仍不清楚。本研究利用生物信息学整合癌症基因集，识别与动脉粥样硬化相关的关键核心基因，并探讨其免疫分子机制。方法：分析来自基因表达综合数据库（GEO）的数据集，使用Limma和WGCNA识别差异表达基因（DEGs）和模块基因。采用机器学习算法（SVM-RFE、LASSO回归和随机森林）识别用于早期动脉粥样硬化诊断的癌症相关核心基因。构建并验证了诊断模型。利用单细胞RNA测序数据的UMAP图分析核心基因的表达模式，特别关注SMC谱系追踪小鼠模型中的巨噬细胞样SMCs。在人和小鼠实验中验证了生物标志物的表达。结果：识别出四个癌症相关核心基因（CRGs）：干扰素调节因子7（IRF7）、Formin同源结构域蛋白1（FHOD1）、肿瘤坏死因子（TNF）和锌指SWIM结构域蛋白3（ZSWIM3）。使用IRF7、FHOD1和TNF构建的诊断列线图在训练和验证数据集中均显示出高准确性和可靠性。免疫微环境分析显示动脉粥样硬化组和对照组之间存在显著差异。Spearman相关分析强调了核心基因与免疫细胞浸润之间的关联。单细胞RNA测序识别出不同的SMC衍生细胞簇和表型转变，在人类颈动脉斑块和小鼠模型中，可能来源于SMCs的巨噬细胞中IRF7和FHOD1的表达增加。结论：本研究整合癌症基因集识别动脉粥样硬化的关键核心基因，强调其与癌症的相似性。基于IRF7、FHOD1和TNF的诊断列线图为早期诊断提供了可靠工具，而对SMC表型转换和免疫微环境调节的见解提供了潜在的治疗靶点。