结合单细胞分析与机器学习的批量RNA测序技术揭示了TKT（转录激酶诱导的磷酸化蛋白）作为急性心肌梗死中与氧化应激相关的诊断生物标志物

《Human Genomics》：Single-cell and machine learning-integrated bulk RNA-seq analysis reveals TKT as an oxidative stress-associated diagnostic biomarker in acute myocardial infarction

　　

摘要

背景

急性心肌梗死（AMI）是全球主要的死亡原因之一，氧化应激（OS）在其发病机制中起着核心作用。然而，单个细胞水平上与OS相关的基因的动态表达谱及其功能影响仍知之甚少。

方法

首先在心肌组织样本的单细胞RNA测序（scRNA-seq）数据中评估了OS活性。然后，我们将AMI患者的scRNA-seq数据与多队列批量RNA-seq数据集整合起来，全面评估外周免疫细胞中的OS活性。使用一份包含807个与OS相关基因的清单，在单个细胞水平上构建了OS活性评分。通过差异分析、相关性过滤和单变量逻辑回归来识别高风险OS相关基因。我们采用六种机器学习算法（包括LASSO、随机森林、Boruta、贝叶斯建模、LVQ和Treebag）进行共识分析，以确定诊断生物标志物。为了进一步阐明TKT的功能影响，我们进行了后续分析，包括Western Blot分析、单细胞表达谱分析、伪时间轨迹推断和细胞-细胞通信网络构建。

结果

TKT表现出强烈的诊断标记物特性，在所有机器学习模型中均被一致选中，并在训练组和独立队列中得到了验证（AUC > 0.73）。理论研究表明，TKT主要在单核细胞和中性粒细胞中表达，并与高OS活性和促炎基因特征相关。伪时间分析揭示了单核细胞和中性粒细胞谱系中的不同表达动态。CellChat分析进一步表明，TKT?免疫细胞在AMI免疫微环境中充当核心枢纽，介导了增强的炎症信号传递。

结论

本研究通过整合多组学和机器学习方法，将TKT确定为AMI的一个高可信度、与氧化应激相关的生物标志物。TKT可能成为代谢重编程和免疫激活之间的桥梁，为梗死后炎症的潜在治疗靶点提供见解。