基于机器学习与SHAP分析的低温跑步中跟腱应力增加的生物力学风险因素识别

《Medicine: Case Reports and Study Protocols》：Using Machine Learning and SHAP to Identify Biomechanical Risk Factors for Increased Achilles Tendon Stress during Low-Temperature Running

本文通过血小板全转录组测序，结合生物信息学与机器学习方法，系统揭示维持性血液透析（MHD）患者血小板自噬（autophagy）关键基因及调控网络。研究发现8798个差异表达基因（DEGs），其中CASP8、CXCR4、VEGFA、FOXO3等基因通过LASSO、SVM、RF算法被鉴定为自噬相关核心靶点；构建的ceRNA（circRNA–miRNA–mRNA）网络及circRNA–mRNA共表达网络揭示了非编码RNA在血小板自噬调控中的潜在作用，为MHD患者血栓与出血并发症的机制研究与靶向治疗提供新视角。

　　

引言

维持性血液透析（MHD）是终末期肾病患者的重要生命支持疗法，但患者仍面临高发的血栓与出血并发症。研究表明，血小板功能障碍是这些并发症的关键因素，但其分子机制尚未完全阐明。自噬作为一种保守的溶酶体降解途径，在细胞稳态维持中发挥重要作用。近年研究发现，血小板虽为无核细胞，但仍具备自噬机制核心组分（如ATG5、ATG7、LC3），且自噬活性与血小板活化、聚集及寿命调控密切相关。然而，在MHD背景下，血小板自噬的转录组特征及其调控网络仍有待探索。

材料与方法

研究纳入24例MHD患者与24例健康对照，通过密度梯度离心法分离血小板并提取总RNA。采用高通量测序技术对mRNA、lncRNA、circRNA及miRNA进行全转录组分析，利用DESeq2包识别差异表达基因（DEGs）。通过GO、KEGG、GSEA进行功能富集分析，STRING数据库构建蛋白质相互作用（PPI）网络，并结合机器学习算法（LASSO回归、支持向量机SVM、随机森林RF）筛选自噬关键基因。进一步通过TargetScan、miRanda等数据库预测circRNA–miRNA–mRNA竞争性内源RNA（ceRNA）网络，并利用Pearson相关性分析构建circRNA–mRNA共表达网络。

结果

测序数据概览

共检测到19,266个mRNA，其中8,798个为DEGs（上调3,845，下调4,953）；20,036个lncRNA中4,649个为DEGs；57,837个circRNA中8,842个为DEGs；1,506个miRNA中80个为DEGs。自噬相关基因（ATGs）与DEGs交集分析显示109个基因与自噬通路相关。

功能富集分析

DEGs在GO分析中富集于细胞-基质连接、小GTP酶介导信号转导等条目；KEGG通路富集于内吞作用；GSEA显示血小板活化、黏着斑等通路显著激活。

PPI网络与枢纽基因

PPI分析发现Beclin 1、SQSTM1、ATG16L1、ATG12、ATG7等基因处于相互作用网络核心。机器学习模型联合分析鉴定出CASP8、CXCR4、VEGFA、FOXO3为自噬关键基因。

非编码RNA调控网络

ceRNA网络包含17个circRNA、40个miRNA及20个mRNA，其中circRNA has_circ_0024224（靶基因ATM）与多个自噬相关miRNA竞争性结合。circRNA–mRNA共表达网络显示42个circRNA与22个mRNA（如RUNX2、ATG7）显著相关，提示其协同调控自噬。

讨论

本研究首次系统描绘MHD患者血小板自噬的转录组图谱，发现自噬通路关键基因及非编码RNA调控网络异常。CASP8、CXCR4等基因可能通过凋亡-自噬串扰、氧化应激响应等机制影响血小板功能；circRNA通过吸附miRNA（如hsa-miR-103a-2-5p）调控EEF1A1、HSPA8、ATM等自噬相关mRNA的表达。这些发现为解释MHD患者血小板功能障碍提供了新机制视角，并为开发靶向自噬的治疗策略奠定基础。

局限性

研究未对关键circRNA在血小板自噬中的功能进行实验验证，后续需通过体外模型进一步确认其调控作用。