使用LASSO回归和SVM-RFE算法筛选颅内动脉瘤破裂的关键基因

这篇论文的主要目的是探索颅内动脉瘤（IA）破裂的分子机制，并识别出可能的关键基因，以帮助预防IA破裂。研究通过生物信息学方法，分析了与IA破裂相关的基因表达数据，试图揭示潜在的分子机制和治疗靶点。

数据收集与处理

研究从Gene Expression Omnibus (GEO)数据库中下载了三个数据集：GSE13353、GSE15629和GSE122897。这些数据集包含了未破裂和破裂的IA样本。通过整合这些数据集，研究者获得了一个包含334个差异表达基因（DEGs）的矩阵，其中175个基因上调，159个基因下调。

功能富集分析

研究对DEGs进行了功能富集分析，包括基因本体（GO）分析和KEGG通路分析。结果显示，这些基因主要富集在中性粒细胞激活、白细胞迁移、中性粒细胞介导的免疫和粒细胞迁移等生物过程。KEGG分析表明，这些基因主要参与IL-17信号通路、细胞因子-细胞因子受体相互作用和趋化因子信号通路。此外，疾病本体（DO）分析显示，这些基因与动脉硬化、动脉粥样硬化性心血管疾病和冠状动脉疾病相关。

模型构建与关键基因筛选

为了预测IA的状态，研究使用了最小绝对收缩和选择算子（LASSO）回归和**支持向量机递归特征消除（SVM-RFE）**算法。这两种方法用于筛选潜在的标志基因。LASSO回归是一种线性模型，通过增加惩罚项来压缩模型系数，实现变量选择和减少模型复杂性。SVM-RFE则通过迭代消除不重要的特征，选择对分类结果影响最大的特征子集。最终，研究识别出14个重叠基因作为中心基因。

PPI网络构建与分析

研究构建了一个基于DEGs的蛋白质-蛋白质相互作用（PPI）网络，并使用Cytoscape软件中的CytoNCA插件进行中心性分析。通过分析，研究确定了**IL10和Integrin α5 (ITGA5)为关键基因。这些基因在破裂的IA样本中表达显著升高，并与巨噬细胞和调节性T细胞（Treg）**显著正相关。

免疫浸润分析

研究使用ssGSEA算法评估了IA样本中的免疫细胞浸润情况。结果显示，与未破裂的IA组相比，破裂的IA组中**树突状细胞、巨噬细胞、辅助性T细胞2型（Th2）、肿瘤浸润淋巴细胞（TIL）和调节性T细胞（Treg）**的比例较高。此外，破裂IA组的免疫得分和ESTIMATE得分也显著高于未破裂IA组，表明破裂IA组处于免疫激活状态。

结论

研究表明，IL-10和ITGA5的增加可能通过促进血管和免疫细胞中的炎症反应，削弱血管壁，从而对IA的破裂产生有害影响。这些发现为理解IA的病理机制提供了新的视角，并可能为未来的临床诊断和治疗策略提供潜在的生物标志物。

贡献

这项研究通过整合多种生物信息学方法，系统地分析了IA破裂的分子机制，识别出关键基因，为未来的研究和临床应用提供了重要的基础。研究强调了炎症和免疫反应在IA破裂中的重要作用，并提出了可能的治疗靶点。