急性心肌梗死的NETosis模式与免疫特点的综合分析

目的:本研究旨在探讨急性心肌梗死(AMI)的NETosis模式及免疫特点,并开发早期监测工具。方法:利用加权相关网络分析(WGCNA)从GEO数据库的GSE60993、GSE48060和GSE61144数据集中筛选出与AMI相关性最高的基因模块。然后对该模块的基因进行功能富集分析,并与NETosis相关基因取交集,以获得AMI患者与免疫相关的NETosis基因(NRGs)。用三种机器学习算法(LASSO、SVM-RFE、RF)识别枢纽基因(Hub基因)。在GSE66360数据集中通过受试者工作特征(ROC)分析和箱线图对Hub基因的诊断性能进行评估。采用共识聚类算法对AMI的NETosis进行非监督聚类分析。用单样本基因集富集分析(ssGSEA)和基因集变异分析(GSVA)分别评价免疫浸润活性。最后,进一步构建了比格犬AMI诊断模型,并用qRT-PCR方法验证Hub基因。结果:共鉴定出11个NRGs,筛选出4个与免疫微环境密切相关的Hub基因,它们对AMI具有较高的诊断效率。同时,本研究通过犬AMI模型验证了Hub基因的准确性。结论:NRGs不仅与AMI的免疫微环境密切相关,而且可以作为一种有效诊断性生物标志物,为进一步探讨AMI的发病机制奠定了基础。