基于生物信息学与实验验证的中性粒细胞胞外诱捕网相关基因在急性心肌梗死诊断中的作用机制研究

本研究针对急性心肌梗死(AMI)诊断特异性不足的临床难题，通过整合GEO数据库三个AMI数据集和165个中性粒细胞胞外诱捕网(NETs)相关基因，运用随机森林(RF)、最小绝对收缩选择算子(LASSO)和支持向量机递归特征消除(SVM-RFE)三种机器学习算法筛选出NFIL3、MMP9和S100A8三个关键基因，构建了诊断效能优异(AUC=0.892)的列线图模型。实验验证显示AMI大鼠模型中这三个基因表达显著上调，且与心肌损伤程度相关。该研究首次系统揭示了NETs通过IL-17信号通路等机制参与AMI发生发展，为开发新型诊断标志物和治疗靶点提供了重要依据。

　　

心血管疾病一直是全球健康的重大威胁，其中急性心肌梗死(AMI)更是导致心源性猝死的主要原因。尽管经皮冠状动脉介入治疗(PCI)和溶栓疗法能有效开通血管，但随之而来的缺血/再灌注(I/R)损伤又成为新的临床难题。传统的心脏肌钙蛋白诊断指标在心肌炎、严重败血症等情况下易出现假阳性，这使得寻找特异性更强的诊断标志物迫在眉睫。

近年来，中性粒细胞胞外诱捕网(NETs)在心血管疾病中的作用日益受到关注。这些由活化的中性粒细胞释放的网状结构，由组蛋白复合物、组织蛋白酶G和弹性蛋白酶等组成，被发现与AMI的血栓形成、炎症反应等病理过程密切相关。NETs不仅能促进血小板活化和聚集，还与梗死面积显著相关，甚至可能诱发心肌无复流现象。然而，NETs相关基因(NRGs)在AMI中的系统研究仍属空白，这正是本研究要解决的关键科学问题。

研究人员从GEO数据库筛选了GSE48060、GSE97320和GSE66360三个AMI数据集，整合分析获得92个差异表达基因(DEGs)，与文献报道的165个NRGs取交集后鉴定出23个差异表达的NRGs(DE-NRGs)。通过蛋白互作网络和功能富集分析发现这些基因主要参与NETs形成、脂质代谢和动脉粥样硬化等通路。随后采用三种机器学习算法筛选出NFIL3、MMP9和S100A8三个关键基因，构建的诊断模型在验证集GSE60993中表现出色。动物实验证实AMI大鼠心脏功能指标LVEF和FS显著降低，心肌组织出现炎性浸润，三个关键基因在mRNA和蛋白水平均显著上调。该研究发表在《Journal of Inflammation》杂志，为理解NETs介导AMI的分子机制提供了新视角。

研究采用的主要技术方法包括：从GEO数据库获取4个数据集(GSE48060、GSE97320、GSE66360作为训练集，GSE60993作为验证集)；使用LIMMA包筛选差异表达基因；通过GeneMANIA构建蛋白互作网络；应用随机森林、LASSO和SVM-RFE三种机器学习算法筛选关键基因；采用CIBERSORT算法进行免疫浸润分析；建立Wistar大鼠AMI模型，通过超声心动图、HE染色、RT-qPCR和Western blot验证关键基因。

研究结果

Identification of DE-NRGs

通过整合三个数据集并校正批次效应，鉴定出92个AMI相关DEGs(85个上调，7个下调)，与NRGs取交集获得23个DE-NRGs(22个上调，1个下调)。热图显示这些基因在AMI患者中表达模式显著改变，相关性分析揭示了它们之间的紧密联系。

PPI network and functional enrichment analysis of DE-NRGs

蛋白互作网络显示22个DE-NRGs与20个相关基因存在密切相互作用。功能富集分析表明这些基因主要参与中性粒细胞趋化迁移、炎症反应调控等生物学过程，并通过NETs形成、IL-17信号通路等参与AMI发病。

Identification of hub genes via machine learning

三种机器学习算法一致性筛选出NFIL3、MMP9和S100A8作为关键基因。随机森林算法显示这3个基因对模型预测准确率贡献最大；LASSO回归确定了7个候选基因中的这3个；SVM-RFE也将其列为最具判别力的特征基因。

Assessment and validation of the diagnostic value

基于3个关键基因构建的列线图模型表现出优异的诊断效能(AUC=0.892)。在独立验证集中，这3个基因的AUC分别为0.874(NFIL3)、0.816(MMP9)和0.808(S100A8)，证实了其诊断价值。

ssGSEA of the hub genes

单样本基因集富集分析揭示关键基因通过不同机制参与AMI：MMP9和NFIL3涉及DNA复制和IL-17信号通路；S100A8参与cGMP-PKG和IL-17信号通路。

Immune infiltration analysis

免疫浸润分析显示中性粒细胞在AMI中显著增加，且与MMP9和NFIL3表达呈强正相关；巨噬细胞M0亚型与S100A8相关性最高。这为理解免疫微环境在AMI中的作用提供了新证据。

Identification of hub genes

动物实验证实AMI组大鼠LVEF和FS值显著降低，心肌细胞排列紊乱伴炎性浸润。RT-qPCR和Western blot显示3个关键基因在AMI组表达显著上调，与生物信息学预测高度一致。

研究结论与意义

该研究通过多组学整合分析首次系统鉴定了NETs介导AMI的关键基因NFIL3、MMP9和S100A8，并揭示了其通过IL-17信号通路等机制参与疾病发生发展的分子机理。构建的诊断模型具有较高临床转化价值，为AMI的精准诊断提供了新思路。实验验证不仅确认了生物信息学预测的可靠性，还深化了对NETs在心肌损伤中作用的理解。特别是发现：

1. 1.

   NFIL3作为转录调控因子可能通过影响炎症反应和免疫细胞极化参与AMI；

2. 2.

   MMP9通过促进细胞外基质降解加剧心肌重构；

3. 3.

   S100A8作为损伤相关分子模式(DAMP)激活先天免疫反应。

这些发现为开发针对NETs的AMI治疗策略(如DNase或colchicine)提供了理论依据，也为理解免疫细胞与心肌损伤的复杂互作开辟了新视角。研究的局限性在于未使用I/R模型模拟临床PCI后情况，未来需要更大样本和更多组学数据进一步验证。总体而言，该研究将生物信息学与实验医学有机结合，为心血管疾病的精准诊疗做出了重要贡献。