基于机器学习预测冠状动脉粥样硬化型心脏病的显著免疫相关基因和亚型研究

研究旨在揭示免疫相关基因在冠状动脉粥样硬化行心脏病中的作用。方法从GEO数据库中检索GSE12288和GSE66360数据集的基因表达谱。利用两种种机器学习算法,最小绝对收缩和选择算子(LASSO)和随机森林,在动脉粥样硬化型心脏病免疫相关基因中筛选特征基因。绘制ROC曲线评估诊断效果。通过ssGSEA评估免疫细胞浸润情况。使用共识聚类方法对动脉粥样硬化型心脏病标本进行分类。患者可以从基于特征基因的诺模图中获得临床益处。结果 鉴定出5个特征基因(SEMA3C,IL4R,SEMA3A,HSPA4,OSMR),能够预测动脉粥样硬化型心脏病。得到两种免疫亚型C1和C2。结论 研究得到了五个特征基因和两种免疫亚型,这可能有助于设计更精确的心血管免疫疗法。