《Journal of Computational Science》:Identification of Hub Genes Associated with Neonatal Hypoxic-Ischemia by Comprehensive Bioinformatics Analysis
编辑推荐:
摘要目的新生儿缺氧缺血(HI)仍然是导致死亡和发病率的主要原因之一,其分子机制和生物标志物尚未完全明了。本研究旨在识别并外部验证与HI相关的枢纽基因,以解决小样本转录组研究中过拟合的风险问题。方法从GSE23317数据集中获得了22个大脑皮层样本的基因表达数据——这些样本包括接受
摘要
目的
新生儿缺氧缺血(HI)仍然是导致死亡和发病率的主要原因之一,其分子机制和生物标志物尚未完全明了。本研究旨在识别并外部验证与HI相关的枢纽基因,以解决小样本转录组研究中过拟合的风险问题。
方法
从GSE23317数据集中获得了22个大脑皮层样本的基因表达数据——这些样本包括接受Rice-Vannucci缺氧缺血模型处理的P8小鼠和对照组小鼠。通过‘limma’算法(|log2FC| > 1,FDR < 0.05)识别出受伤后3小时、8小时和24小时的差异表达基因(DEGs)。对一致改变的DEGs进行了GO/KEGG富集分析、PPI网络分析和LASSO回归(十折交叉验证)以确定枢纽基因。在GSE23317数据集中通过ROC分析评估了诊断性能,并在GSE144456数据集(8个对照组,24个HI样本)中独立验证了结果。
结果
共有70个一致改变的DEGs,通过LASSO分析选出了7个枢纽基因:Cd40、P2ry13、Ssfa2、Pdlim1、Gm1698、Cd9和Csnk1d。这些基因在数据集内的AUC值接近完美;然而,外部验证(6个可评估基因)显示只有4个基因的AUC > 0.90——P2ry13(0.990)、Cd9(0.969)、Csnk1d(0.964)、Ssfa2(0.906)——而Cd40(0.667)和Pdlim1(0.594)的泛化能力较差,这表明数据集内的AUC值部分反映了样本量的限制。
结论
本研究识别出7个与新生儿HI相关的候选枢纽基因,其中P2ry13、Cd9、Csnk1d和Ssfa2在跨数据集诊断中表现出较强的稳定性。将正则化特征选择与独立的外部验证相结合,为评估小样本HI研究中生物标志物的泛化能力提供了一种定量方法。
章节片段
引言
新生儿缺氧缺血(HI)是一种医疗状况,即婴儿在出生过程中或出生后立即由于分娩并发症(如难产、脐带脱垂、胎盘功能不全或其他干扰婴儿氧气或血液供应的情况)而大脑无法获得足够的氧气和血液[1]。HI的严重程度取决于缺氧和缺血的时间长度和程度。这可能导致严重的脑部损伤
数据来源
所有关于HI和健康对照组(假手术)的数据均来源于Gene Expression Omnibus (GEO)数据库中的GSE23317数据集[12]。GSE23317包含了出生后第8天(P8)的小鼠大脑皮层组织样本,这些小鼠接受了Rice-Vannucci缺氧缺血模型处理,同时还有对照组小鼠。共分析了22个样本,包括3小时后的3个假手术组和4个HI组小鼠,8小时后的4个假手术组和3个HI组小鼠,以及24小时后的4个假手术组和4个HI组小鼠。
为了识别与HI相关的枢纽基因,我们分析了GEO数据库中的GSE23317数据集,该数据集包含了出生后第8天(P8)的HI小鼠和对照组小鼠在受伤后3小时、8小时和24小时时的22个大脑皮层组织样本。使用R语言中的limma包进行了差异表达分析。通过火山图和热图可视化了每个时间点的DEGs(3小时:图1A和1B;8小时:图1C和1D;24小时:图1E和1F)。
讨论
新生儿由于其未成熟的大脑,容易受到缺氧缺血损伤,这可能导致长期的神经发育障碍。早期和准确的诊断对于有效治疗和改善预后至关重要。近年来,生物信息学分析已被广泛用于识别各种疾病的潜在诊断标志物。在本研究中,我们对GEO数据库中的数据集进行了全面的生物信息学分析
结论
通过全面分析公开的基因表达数据,本研究识别出7个与新生儿HI相关的枢纽基因。在独立数据集进行外部验证后,P2ry13、Cd9、Csnk1d和Ssfa2被证实是最具稳定性的候选诊断生物标志物(AUC > 0.90),而Cd40和Pdlim1的跨数据集泛化能力较弱。这些发现为新生儿缺氧缺血损伤的分子机制提供了新的见解。
不适用。本研究使用了Gene Expression Omnibus (GEO)数据库中的公开数据(访问编号:GSE23317)。没有直接涉及人类或动物受试者,因此不需要伦理批准。
Ronghua Li: 进行写作——撰写初稿。Chenwei Li: 进行写作——审查和编辑。Feifei He: 项目管理和概念构思。Xiaonan He: 形式分析、数据管理。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。
Xiaonan He|Ronghua Li|Chenwei Li|Feifei He