利用生物信息学和机器学习技术识别颈动脉粥样硬化斑块破裂的潜在生物标志物OLFML2A

《Journal of Cardiothoracic Surgery》：Identification of the potential biomarker OLFML2A in carotid atherosclerotic plaque rupture using bioinformatics and machine learning

　　

摘要

目的

本研究旨在利用生物信息学和机器学习方法识别与颈动脉狭窄（CAS）中斑块破裂相关的潜在生物标志物，并阐明症状性CAS的分子机制。

方法

分析了三个与症状性CAS相关的GEO数据集。通过LASSO、SVM-RFE和随机森林算法识别了关键基因。使用ROC分析评估了诊断性能。利用Cytoscape构建了miRNA-mRNA调控轴，并通过双荧光素酶报告基因实验验证了这些调控关系。建立了一种由氧化低密度脂蛋白（ox-LDL）诱导的内皮细胞损伤模型以探讨相关分子机制。通过qRT-PCR和Western blotting检测了炎症细胞因子、粘附分子、与凋亡相关的基因以及Wnt1/β-连环蛋白途径成分的表达情况。

结果

验证分析确认OLFML2A是症状性CAS的潜在生物标志物，同时也是miR-331-3p的调控靶点。研究证实OLFML2A与miR-331-3p存在直接相互作用。沉默OLFML2A可增加促炎细胞因子（IL-6、TNF-α、MCP-1）和粘附分子（VCAM-1、ICAM-1）以及促凋亡基因Bax的表达，同时降低抗凋亡基因Bcl-2的表达。此外，OLFML2A的敲低会抑制Wnt1/β-连环蛋白信号通路的激活。

结论

本研究发现OLFML2A是一种新的生物标志物，可能是症状性CAS中内皮损伤的潜在调控因子。OLFML2A可能通过调节Wnt/β-连环蛋白通路促进ox-LDL诱导的内皮功能障碍。