摘要
阿尔茨海默病（AD）的核心病理特征包括 Aβ 斑块和神经纤维缠结，它们共同驱动神经退行性过程。与此同时，小胶质细胞的吞噬功能在 AD 中发挥双重作用：它试图清除 Aβ 等病理蛋白，但其慢性激活也可能加剧神经炎症和突触损伤。本研究整合了基因表达综合数据库（GEO）中 AD 队列的芯片数据。通过差异表达分析、蛋白质 - 蛋白质相互作用网络构建以及三种机器学习算法（最小绝对收缩和选择算子、支持向量机 - 递归特征消除和极端梯度提升），鉴定出关键的小胶质细胞吞噬相关特征基因。随后开发并验证了诊断模型，并进一步研究了免疫浸润模式、调控网络和分子亚型。基于综合分析，本研究鉴定出五个核心特征基因（HLA-DPA1、IL4R、ITGAM、SPP1、TNFRSF1B），它们构成了一个在独立队列中验证的高准确性诊断模型。免疫浸润分析显示，AD 大脑中中性粒细胞和 M2 巨噬细胞显著增加，这些基因与免疫细胞丰度呈强相关性。该研究进一步鉴定出两种具有不同免疫特征的分子亚型，构建了调控网络，并预测了潜在疗法，包括他米巴罗特。通过整合转录组学和机器学习，本研究鉴定了 AD 中小胶质细胞吞噬作用的关键分子特征，提供了新的诊断框架和对疾病免疫机制的见解。
图形摘要
本研究整合了基因表达综合数据库（GEO）中阿尔茨海默病（AD）队列的芯片数据。通过差异表达分析、蛋白质 - 蛋白质相互作用网络构建以及三种机器学习算法（最小绝对收缩和选择算子、支持向量机 - 递归特征消除和极端梯度提升），鉴定出关键的小胶质细胞吞噬相关特征基因。随后开发并验证了诊断模型，并进一步研究了免疫浸润模式、调控网络和分子亚型。
利益冲突
作者声明无利益冲突。
数据可用性声明
本研究的数据和材料可供通讯作者在合理请求下提供。
