基于转录组与机器学习分析幽门螺杆菌感染代谢重编程及潜在生物标志物筛选与验证

《BMC Cancer》：Identification of metabolism-immune crosstalk biomarker candidates in Helicobacter pylori infection using integrated bioinformatics and machine learning

摘要

幽门螺杆菌（H. pylori）是一种革兰氏阴性病原体，可引发多种消化系统疾病。其在感染过程中的代谢重编程机制尚不清楚。通过将GEO数据库中的转录组数据与GeneCards中的代谢基因集进行整合，我们识别出了与代谢相关的差异表达基因（MR-DEGs）。我们使用了三种机器学习算法（SVM、LASSO、RF）来筛选关键诊断生物标志物。最终，通过免疫浸润分析和分子对接技术评估了这些基因的免疫关联性和结合亲和力。共鉴定出119个与幽门螺杆菌感染相关的MR-DEGs。功能富集分析显示，这些基因在胆固醇代谢、HIF-1信号通路和花生四烯酸代谢等关键通路上有显著作用，并且在包括小分子代谢、炎症反应、有机酸生物合成过程和羧酸生物合成过程在内的多种生物学过程中也表现出显著富集。基于综合机器学习算法，筛选出四个具有显著诊断价值的生物标志物（LCN2、ICAM1、SAA1和CXCL2），它们的接收者操作特征曲线（ROC）下面积（AUC）值均超过了0.7。CIBERSORT算法揭示了幽门螺杆菌感染组中免疫细胞亚群的分布发生了显著变化。分子对接结果显示，这些生物标志物与卡利索普罗多尔（carisoprodol）、D-去甲肾上腺素二酒石酸盐（D-Norepinephrine d-bitartrate）和三甲氧嘧啶（trimethoprim）等药物之间存在较强的结合亲和力（结合能 < -5.0 kcal/mol）。最后，我们整合了细胞模型和临床样本进行验证。通过qRT-PCR、Western blot和免疫组化实验发现，幽门螺杆菌感染后LCN2的表达水平显著上调。在本研究中，我们确定了四个潜在的生物标志物，并评估了LCN2在幽门螺杆菌感染中的潜在致病作用。这些发现为进一步的机制研究提供了候选生物标志物，并为基于假设的幽门螺杆菌感染治疗靶点研究奠定了基础。

幽门螺杆菌（H. pylori）是一种革兰氏阴性病原体，可引发多种消化系统疾病。其在感染过程中的代谢重编程机制仍不明确。通过将GEO数据库中的转录组数据与GeneCards中的代谢基因集整合，我们识别出了与代谢相关的差异表达基因（MR-DEGs）。我们使用了三种机器学习算法（SVM、LASSO、RF）来筛选关键诊断生物标志物。最后，通过免疫浸润分析和分子对接技术评估了这些基因的免疫关联性和结合亲和力。共鉴定出119个与幽门螺杆菌感染相关的MR-DEGs。功能富集分析显示，这些基因在胆固醇代谢、HIF-1信号通路和花生四烯酸代谢等关键通路上有显著作用，并且在包括小分子代谢、炎症反应、有机酸生物合成过程和羧酸生物合成过程在内的多种生物学过程中也表现出显著富集。基于综合机器学习算法，筛选出四个具有显著诊断价值的生物标志物（LCN2、ICAM1、SAA1和CXCL2），它们的接收者操作特征曲线（ROC）下面积（AUC）值均超过了0.7。CIBERSORT算法揭示了幽门螺杆菌感染组中免疫细胞亚群的分布发生了显著变化。分子对接结果显示，这些生物标志物与卡利索普罗多尔（carisoprodol）、D-去甲肾上腺素二酒石酸盐（D-Norepinephrine d-bitartrate）和三甲氧嘧啶（trimethoprim）等药物之间存在较强的结合亲和力（结合能 < -5.0 kcal/mol）。最后，我们整合了细胞模型和临床样本进行验证。通过qRT-PCR、Western blot和免疫组化实验发现，幽门螺杆菌感染后LCN2的表达水平显著上调。在本研究中，我们确定了四个潜在的生物标志物，并评估了LCN2在幽门螺杆菌感染中的潜在致病作用。这些发现为进一步的机制研究提供了候选生物标志物，并为基于假设的幽门螺杆菌感染治疗靶点研究奠定了基础。