基于生物信息学与机器学习的牙周炎相关主动脉瓣钙化免疫基因诊断标志物发现

本研究针对牙周炎(periodontitis)并发主动脉瓣钙化(AVC)缺乏早期诊断标志物的临床难题，通过整合GEO数据库转录组数据，运用WGCNA、PPI网络和四种机器学习算法(SVM/RF/XGB/GLM)，鉴定出CXCL12、HCST、ITGA4和GZMK四个关键免疫相关基因，构建的列线图模型在训练集和验证集分别达到0.985和0.8-0.88的AUC值，qRT-PCR证实其在临床样本中显著高表达，为AVC的早期干预提供了新型分子靶点。

　　

主动脉瓣钙化(AVC)是一种与年龄密切相关的进行性疾病，65岁以上人群发病率超过25%，一旦出现症状，两年死亡率高达50%。当前治疗手段仅限于晚期进行主动脉瓣置换术(SAVR/TAVR)，但手术风险高且无法逆转早期病变。值得注意的是，全球约42%的成年人患有牙周炎，其引发的系统性炎症与心血管疾病密切相关——中国队列研究显示牙周炎患者主动脉钙化风险增加18%，但两者间的分子关联机制尚不明确。面对这一临床困境，新疆医科大学第一附属医院的研究团队创新性地采用多组学整合分析策略，在《Biomedical Technology》发表的研究首次揭示了牙周炎相关AVC的免疫分子特征。

研究团队运用三大关键技术：1) 整合GSE153555/GSE148219/GSE51472三个AVC数据集和牙周炎数据集GSE16134，通过Limma筛选差异表达基因(DEGs)；2) 结合WGCNA共表达网络、PPI互作网络和CIBERSORT等8种免疫浸润算法解析免疫微环境；3) 采用SVM等4种机器学习模型筛选标志物，并通过GSE51472外部数据集和20例临床样本(10例AVC伴牙周炎患者vs 10例健康对照)进行qRT-PCR验证。

【3.1 差异表达分析】
合并两个AVC数据集后鉴定出162个DEGs(86上调/76下调)，牙周炎组发现221个DEGs(166上调/55下调)。火山图和热图显示疾病组与对照组存在显著转录差异，其中30个基因在两种疾病中共同差异表达。

【3.2 WGCNA关键模块】
通过软阈值β=28构建共表达网络，MEbrown模块(含1348基因)与牙周炎相关性最强(r=0.6, P=5×10^-32
)。与DEGs取交集获得167个关键基因，GO分析显示其富集于白细胞迁移、细胞外基质等免疫相关功能，KEGG提示与动脉粥样硬化通路显著相关。

【3.4 枢纽基因筛选】
PPI网络筛选出21个互作基因，经SVM机器学习最终锁定CXCL12、HCST、ITGA4和GZMK四个枢纽基因。其中GZMK与CD8⁺
T细胞衰老相关，CXCL12通过CXCR4调控血管发育，ITGA4参与心肌细胞增殖，HCST(DAP10)则调控NK细胞活化。

【3.6 免疫浸润特征】
CIBERSORT等分析显示AVC组M1型巨噬细胞和中性粒细胞显著浸润。关键基因与免疫细胞呈强相关性，如CXCL12与活化肥大细胞(r=0.62, P<0.001)，提示免疫微环境重塑在AVC进展中的核心作用。

【3.8 诊断模型构建】
四基因联合构建的列线图在训练集AUC达0.985，外部验证集中各基因AUC为0.72-0.88。DCA曲线显示该模型在0-80%阈值范围内具有最优临床净收益。

【3.9 实验验证】
qRT-PCR证实四基因在患者外周血单个核细胞(PBMCs)中表达量显著升高(P<0.05)，其中GZMK差异最显著(P<0.0001)，与生物信息学预测高度一致。

这项研究首次系统阐释了牙周炎通过CXCL12-HCST-ITGA4-GZMK免疫轴促进AVC发展的分子机制。特别值得注意的是，GZMK作为衰老相关免疫标志物，其表达水平随年龄增长与AVC发病率同步上升，为解释老年人群高发病率提供了新视角。虽然研究受限于临床样本获取难度（正常对照仅来自心脏移植供体），但通过多算法交叉验证和外部数据集复核确保了结论可靠性。该成果不仅为AVC早期诊断提供了可外周血检测的分子标签，更提示控制牙周炎症可能成为延缓瓣膜钙化的新策略——例如针对CXCL12/CXCR4信号轴的干预或成为未来药物开发方向。随着人口老龄化加剧，这种整合口腔-心血管跨学科研究的模式，将为复杂疾病的机制解析和精准防控提供重要范式。