WGCNA联合机器学习算法鉴定慢性鼻窦炎伴鼻息肉氧化应激相关标志物

目的:通过分析慢性鼻窦炎伴鼻息肉(CRSwNP)的转录组测序数据,鉴定与氧化应激相关的诊断标志物,并初步探究其在CRSwNP中的作用。方法:使用4个CRSwNP测序数据集,运用差异表达基因(differentially expressed genes,DEGs)分析、加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)和3种机器学习方法筛选Hub基因,并通过外部数据集、临床样本实时荧光定量聚合酶链反应(real-time quantitative polymerase chain reaction,Real-time qPCR)及免疫荧光染色进行验证,通过受试者工作特征曲线(ROC)评估基因诊断效能,并对这些基因进行功能和通路富集分析、免疫相关性分析及细胞群定位,构建竞争性内源RNA(competing endogenous RNA,CeRNA)网络并预测潜在靶向药物。采用SPSS 26.0和Graphpad Prism9软件进行统计分析及作图。结果:通过数据分析和临床验证,我们在4138个DEGs中发现CP、SERPINF1和GSTO2是与CRSwNP相关的氧化应激标志物。CRSwNP中CP和SERPINF1表达上升,GSTO2表达下降,差异具有统计学意义(P<0.05);曲线下面积(AUC)>0.7,显示其为有效诊断指标。功能分析表明,这些基因主要与脂质代谢、细胞黏附迁移、免疫等功能相关。单细胞数据分析及免疫荧光染色发现SERPINF1主要分布在上皮细胞、基质细胞和成纤维细胞,CP主要分布在上皮细胞,GSTO2在鼻息肉的上皮细胞及成纤维细胞中仅有少量分布。随后,我们构建了CP和GSTO2的CeRNA调控网络,并预测了靶向CP的潜在药物。结论:本研究鉴定并通过临床样本验证发现CP、SERPINF1和GSTO2可作为CRSwNP氧化应激相关的诊疗标志物。