基于多基因的阿尔兹海默症风险评估研究

阿尔兹海默症(Alzheimer’s Disease,AD)是一种神经退行性疾病,多发于老年人群,严重影响着患者的身体健康和生活质量,本研究利用生物信息学方法对AD基因表达谱数据进行系统性分析,旨在鉴定潜在的AD多基因生物标志物,从而建立有效的AD风险评估系统。从高通量基因表达数据库(GEO)下载AD患者组和对照组的基因表达谱数据,包含90例AD样本和90例对照样本,通过差异表达分析筛选出487个显著差异表达基因,其中包括在AD样本中155个上调基因和332个下调基因;同时采用加权基因共表达网络分析(WGCNA)识别出14个加权基因共表达模块;将差异表达基因与共表达基因取交集得到421个差异共表达基因。通过LASSO回归分析在差异共表达基因中鉴定出14个与AD密切关联的核心基因,分别为:ACBD5、KIAA1257、SNHG13、MAB21L2、MC1R、GALM、KCNH4、PSD4、F12、FSTL1、CIITA、TADA1、TARBP1、ZFP36L2,这些核心基因有望成为潜在的AD多基因生物标志物。最后将样本的核心基因表达量、年龄和性别信息作为特征输入支持向量机(SVM)模型,随机划分训练集和测试集,用训练集训练SVM参数,测试集进行性能评估。结果显示,SVM模型在测试集样本预测准确率为93.3%,受试者工作特性曲线(ROC)的曲线下面积(AUC)值达到0.956,具有良好的预测性能,基于SVM的AD风险评估系统可根据被试者基因表达数据预测AD患病风险,提供个性化风险评估。