基于机器学习预测鉴定可能与糖尿病视网膜病变相关的新型长链非编码RNA

《Graefe's Archive for Clinical and Experimental Ophthalmology》：Identification of novel lncRNAs potentially associated with diabetic retinopathy based on machine learning prediction

摘要

目的

糖尿病视网膜病变（DR）是一种神经血管并发症，是全球视力丧失的主要原因之一，严重影响患者的生活质量。越来越多的证据表明，长链非编码RNA（lncRNA）在DR的发生发展中起着根本性作用；然而，其精确的分子功能尚不清楚。本研究旨在揭示可能参与DR发病机制的lncRNA，并为发现新的治疗靶点奠定基础。

方法

利用增生性糖尿病视网膜病变（PDR）和特发性黄斑裂孔（IMH）患者的玻璃体样本进行微阵列分析。筛选差异表达的非编码RNA转录本，标准包括：单一亚型、绝对倍变≥1.5且P < 0.05。随后采用最小绝对收缩与选择算子（LASSO）回归优先筛选候选lncRNA。利用定量实时PCR（qRT-PCR）在正常或高糖条件下暴露的人视网膜微血管内皮细胞（HRMECs）中验证所筛选lncRNA的表达。对于经一致验证的lncRNA，进行带有嵌套留一法交叉验证的探索性随机森林分析，并计算SHAP值以评估其相对贡献度。此外，进行顺式（cis）和反式（trans）关联分析，以探索潜在的lncRNA与蛋白编码基因之间的关系。

结果

根据既定标准，初步鉴定了86个lncRNA转录本。随后的LASSO回归分析将候选名单精炼为8个在PDR组和IMH组之间表达差异显著的lncRNA：RP11-133K1.5、RP11-483C6.1、RP11-91G21.1、AP000487.4、RP11-715F3.2、LOC101927131、RP5-956O18.3和ATP2B2-IT2。在高糖处理的HRMECs中通过qRT-PCR验证确认，4个lncRNA表现出与微阵列结果一致的表达模式——RP11-483C6.1、RP11-91G21.1和LOC101927131表达下调，而ATP2B2-IT2表达上调。其中，探索性SHAP分析将ATP2B2-IT2突出为具有最高相对模型贡献度的潜在DR相关候选lncRNA，值得进一步进行功能研究。此外，整合顺式和反式关联分析鉴定了候选lncRNA与蛋白编码基因之间的若干潜在关系，为其可能的调控背景提供了初步见解；然而，这些关联需要进一步实验验证。

结论

玻璃体微阵列分析结合LASSO筛选和细胞验证鉴定了多个可能与PDR相关的候选lncRNA。在探索性特征贡献度分析中，ATP2B2-IT2作为优先候选脱颖而出。鉴于发现队列较小且缺乏外部验证，这些发现应被视为初步结果，需在更大的独立队列中进行验证，并开展进一步的功能研究。