基于加权基因共表达网络分析和机器学习筛选肾母细胞瘤特征基因及其靶向中药预测

目的:本研究旨在确定肾母细胞瘤的潜在生物标志物,并预测其靶向中药。方法:从NCBI基因表达综合数据库下载4个微阵列数据集(GSE4530、GSE11151、GSE66405和GSE73209)。采用差异表达分析、加权基因共表达网络分析(Weighted Gene Co-expression Network Analysis,WGCNA)和最小绝对收缩和选择算子(Least Absolute Shrinkage and Selection Operator,LASSO)回归算法筛选肾母细胞瘤的核心标志物并对差异表达基因(Differentially Expressed Genes,DEG)进行功能和通路富集分析。随后,绘制箱线图展示核心基因在样本中的表达模式,构建受试者工作特征曲线(Receiver Operating Characteristic curve,ROC)验证核心基因的诊断效能。最后,通过HERB数据库检索核心基因潜在靶向中药。结果:204个DEGs和15个关键模块基因交集得到14个枢纽基因。DEGs主要富集于羧酸生物合成过程、细胞-细胞连接组装、轴突引导、癌症中的微小核糖核酸、紧密连接、焦点粘附、酒精性肝病、Wnt信号通路等生物学过程和通路。基于机器学习算法筛选出4个核心基因[跨膜蛋白酶丝氨酸2(Transmembrane Protease Serine 2,TMPRSS2)、晶状体蛋白λ1(Crystallin,Lambda 1,CRYL1)、靠停蛋白8(Claudin 8,CLDN8)和G蛋白偶联受体56(G Protein-Coupled Receptor 56,GPR56)],通过ROC曲线分析发现4个核心基因均具有较高的诊断价值,在疾病样本中基因表达均显著下调。在HERB数据库检索得到16味潜在靶向中药。结论:本研究系统地鉴定了4个肾母细胞瘤特征基因(TMPRSS2、CRYL1、CLDN8和GPR56),为未来研究肾母细胞瘤患者的潜在诊断候选基因提供了立足点。此外,白果、播娘蒿等潜在靶向中药可能干预肾母细胞瘤病理进程。