基于生物信息学分析筛选脊髓损伤后缺血缺氧关键基因和免疫浸润模式分析

目的通过生物信息学方法筛选脊髓损伤(spina cord injury,SCI)后缺血缺氧相关基因(ischemic andhypoxia related genes,IAHRGs),并分析其免疫浸润模式。方法从Gene Expression Omnibus(GEO)下载脊髓损伤相关GSE5296,GSE47681和GSE217797的基因表达谱,其中GSE5296,GSE47681样本作为测试集,GSE217797样本作为验证集,获取脊髓损伤与健康样本之间的差异表达基因(differentialy expressed genes DEGs)。在GeneCards数据库和MSigDB数据库筛选(IAHRGs)。DEGs和IAHRGs两部分取交集得到缺血缺氧相关的差异表达基因(ischemic andhypoxia related differentially expressed genes,IAHRDEGs)。基于IAHRDEGs通过LASSO模型和SVM分析共同筛选得到的关键基因。将关键基因进行Logistics回归分析并构建诊断模型。通过Nomogram分析诊断模型的诊断能力并绘制Logistic预测值的列线图。使用受试者工作特征(ROC)曲线评估诊断模型和关键基因对脊髓损伤的诊断价值。利用CIBERSORT工具分析疾病的免疫细胞浸润模式。结果共筛选IAHRGs 388个,脊髓损伤与健康样本间差异表达基因313个,其中表达上调312个,下调1个。取两者交集得到27个上调的IAHRDEGs。基于IAHRDEGs经LASSO模型及SVM分析共筛选5个脊髓损伤后缺血缺氧相关关键基因(Abca1,Casp1,Lpl,Procr,Tnfrsf1a)。Nomogram分析明确Logistics诊断模型效果良好。ROC曲线分析显示Casp1,Lpl,Tnfrsf1a的诊断效果较高(AUC>0.9),Abca1,Procr诊断效果次之(AUC:0.7~0.9),而Logistics Linear Predictors的诊断效果最佳(AUC=0.964)。CIBERSORT分析显示5个关键基因与8种免疫细胞(中性粒细胞、B淋巴细胞、浆细胞、M0巨噬细胞、CD4 T细胞、CD4滤泡细胞、Th17细胞、静止NK细胞)浸润相关。结论Abca1,Casp1,Lpl,Procr和Tnfrsf1a 5个关键基因可能与脊髓损伤后缺血缺氧发病密切相关,可以作为脊髓损伤后诊断、治疗的候选分子标志物。