基于机器学习的非酒精性脂肪肝疾病中乳酸代谢相关生物标志物的识别

《Clinical and Experimental Medicine》：Machine learning-based identification of lactate metabolism-associated biomarkers in non-alcoholic fatty liver disease

　　

摘要

本研究旨在寻找与非酒精性脂肪肝病（NAFLD）相关的乳酸代谢生物标志物。通过利用基因表达综合数据库中的NAFLD相关数据集以及GeneCards数据库中的乳酸代谢相关基因，采用差异分析、加权基因共表达网络分析以及四种机器学习算法对NAFLD-乳酸代谢核心基因（NAFLD-LM HGs）进行了筛选。随后评估了这些基因的诊断效果，进行了分子亚型分类，接着开展了单细胞RNA测序（scRNA-seq），最后在NAFLD小鼠模型中进行了验证。最终筛选出了8个NAFLD-LM HGs，即CCAAT/增强子结合蛋白α（CEBPA）、含黄素的二甲基苯胺单加氧酶1（FMO1）、胰岛素样生长因子结合蛋白1（IGFBP1）、krüppel样因子4（KLF4）、低密度脂蛋白受体（LDLR）、髓系肿瘤基因（MYC）、核受体亚家族4组A成员2（NR4A2）以及胸苷酸合成酶（TYMS）。这些基因的诊断准确率为0.798，曲线下面积为0.948。它们通过调节代谢和免疫微环境，推动了NAFLD患者的分子异质性。scRNA-seq的结果显示，Th17细胞是数量最多的已鉴定细胞亚群。动物实验表明，LDLR、MYC、IGFBP1、NR4A2和KLF4这5个基因具有预防NAFLD的潜在作用。这5个基因被认定为“保护因子”，其表达水平下降与NAFLD进展相关。而剩下的3个基因（CEBPA、FMO1、TYMS）的表达模式不一致，说明存在双向调控作用。