基于生物信息学与人工神经网络模型解析白癜风特征基因的差异表达及免疫调控机制

这篇研究通过生物信息学方法结合人工神经网络（ANN）模型，系统分析了白癜风（Vitiligo）患者与健康人群的差异表达基因（DEGs），筛选出30个关键特征基因（如FLJ21901和MAST1），并验证其与免疫细胞浸润（如Tregs、M1巨噬细胞）的关联。研究首次构建ANN预测模型（AUC=1.00/0.72），揭示了白癜风潜在治疗靶点，为这一难治性皮肤病的机制研究和精准诊疗提供了新思路。

　　

1. 引言

白癜风是一种以皮肤局部或广泛色素脱失为特征的自身免疫性疾病，全球发病率约2.0%，其发病机制涉及遗传易感性与环境因素的交互作用。尽管现有疗法（如激素、光疗）可缓解症状，但无法根治。本研究创新性地将人工神经网络（ANN）模型引入白癜风研究，通过分析基因表达谱数据，旨在挖掘驱动疾病进展的关键分子靶点。

2. 材料与方法

研究从GEO数据库获取两组数据集（GSE75819训练集，GSE53148测试集），利用limma包筛选差异表达基因（|logFC|>1，p<0.05），共鉴定1071个DEGs（224下调，847上调）。通过Metascape进行基因功能富集分析，发现DEGs显著富集于免疫应答相关通路。随机森林模型筛选出30个重要性评分最高的特征基因，并构建包含5个隐藏层节点的ANN模型。采用CIBERSORT算法评估22种免疫细胞浸润水平，最后通过RT-qPCR验证候选基因表达。

3. 结果

3.1 差异表达基因特征

热图和火山图显示，DEGs在白癜风皮损中呈现显著极化分布。GO/KEGG分析揭示这些基因与核糖体通路、RNA加工及T细胞激活密切相关（图2-3）。

3.2 关键基因筛选与模型构建

随机森林模型确定的Top30基因中，FLJ21901（现名C1orf141）与GWAS已报道的白癜风易感位点一致，MAST1则可能通过丝氨酸/苏氨酸激酶调控氧化应激反应（图4）。ANN模型在训练集中表现出完美预测能力（AUC=1.00），测试集AUC为0.72，提示需扩大样本避免过拟合（图5）。

3.3 免疫微环境解析

免疫浸润分析显示，白癜风组中静息肥大细胞、γδ T细胞和M1型巨噬细胞显著增加（p<0.001），而调节性T细胞（Tregs）和活化树突细胞减少（图6）。Spearman相关性分析发现嗜酸性粒细胞与活化肥大细胞呈强正相关（R=0.92）。

3.4 实验验证

RT-qPCR证实，白癜风皮损中FLJ21901 mRNA表达显著上调（p<0.05），MAST1则下调，与生物信息学预测一致（图7）。

4. 讨论

本研究首次将ANN模型应用于白癜风机制解析，发现FLJ21901可能通过抑制Tregs功能促进自身免疫攻击，而MAST1下调或加剧氧化应激损伤。免疫景观分析提示M1巨噬细胞极化与疾病进展相关。尽管样本量限制需后续扩大验证，但特征基因的筛选为开发靶向疗法（如调节Tregs/M1平衡）提供了理论依据。

5. 结论

通过多组学整合分析，研究确立了白癜风特征基因谱及其免疫调控网络，ANN模型展现出临床预测潜力，FLJ21901和MAST1可作为潜在干预靶点，为实现个体化治疗奠定基础。