子宫内膜异位症关键通路的鉴定和诊断模型的建立.pdf
《子宫内膜异位症关键通路的鉴定和诊断模型的建立.pdf》由会员分享,可在线阅读,更多相关《子宫内膜异位症关键通路的鉴定和诊断模型的建立.pdf(15页珍藏版)》请在咨信网上搜索。
1、J Clin Pathol Res2023,43(6)http:/ 临床与病理杂志子宫内膜异位症关键通路的鉴定和诊断模型的建立杨瑾1,2,李圃2(1.天津医科大学研究生院,天津 300070;2.天津医科大学中心妇产科临床学院妇科,天津 300199)摘要 目的:子宫内膜异位症是一种发病率较高、诊断困难且目前病理机制不清的妇科疾病。通过基因集富集分析(gene set enrichment analysis,GSEA)和基因集变异分析(gene set variation analysis,GSVA)鉴定与子宫内膜异位症相关的关键通路和基因,并建立子宫内膜异位症的临床诊断模型。方法:利用基因表
2、达综合数据库(Gene Expression Omnibus,GEO)获取子宫内膜异位症患者的基因芯片数据和临床信息。从子宫内膜异位症患者和非子宫内膜异位症患者的转录组数据中获取差异表达基因,并进行GSEA和GSVA。两者结果的交集就是子宫内膜异位症的关键表达途径,随后又构建这些关键通路基因的蛋白质-蛋白质相互作用(protein-protein interaction,PPI)网络,并利用 Cytoscape 对关键基因进行鉴定,应用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)和逻辑回归建立子宫内膜异位症
3、的临床诊断模型,最后利用另一组GEO数据集验证和评估该模型。结果:共鉴定出394个上调基因和37个下调基因和2个关键通路(FOSTER_TOLERANT_MACROPHAGE_DN和TGGTGCT_MIR29A_MIR29B_MIR29C)。2条通路中分别鉴定出96个和142个关键基因。进一步筛选后,建立了包含4个基因和2个基因的2个预测模型,并根据其风险评分构建风险预测模型(列线图)。3个模型在训练集曲线下面积(area under the curve,AUC)=0.860、0.805、0.883和验证集(AUC=0.606、0.636、0.633)中均表现良好。结论:本研究运用GSEA和G
4、SVA交集法初步筛选出子宫内膜异位症的关键通路,建立了诊断模型,这些模型具有良好的诊断效能。关键词 子宫内膜异位症;基因集富集分析;基因集变异分析;列线图;诊断Identification of key pathways in endometriosis and development of a diagnostic modelYANG Jin1,2,LI Pu2(1.Graduate School,Tianjin Medical University,Tianjin 300070;2.Department of Gynecology,Clinical School of Obstetrics
5、 and Gynecology Center,Tianjin Medical University,Tianjin 300199,China)ABSTRACT Objective:Endometriosis is a gynecological disease with high incidence,difficult diagnosis,and unclear pathological mechanism.We identified key pathways and genes DOI:10.11817/j.issn.2095-6959.2023.221859收稿日期(Date of rec
6、eption):2022-08-30第一作者(First author):杨瑾,Email:,ORCID:0000-0001-5354-7841通信作者(Corresponding author):李圃,Email:,ORCID:0009-0006-0146-69391104子宫内膜异位症关键通路的鉴定和诊断模型的建立 杨瑾,等associated with endometriosis by gene set enrichment analysis(GSEA)and gene set variation analysis(GSVA),and developed a clinical diagn
7、ostic model for endometriosis.Methods:Gene microarray data and clinical information of endometriosis patients were obtained from Gene Expression Omnibus(GEO)database.Differentially expressed genes were obtained from transcriptomic data of endometriosis patients and non-endometriosis patients.And GSE
8、A and GSVA analysis were performed.The intersection of 2 results was considered to be key expression pathways of endometriosis.Then we constructed the protein-protein interaction(PPI)network of these key pathway genes and identified the hub genes using Cytoscape.Least absolute shrinkage and selectio
9、n operator(LASSO)-logistic regression was then used to construct the clinical diagnosis model of endometriosis.The model was validated and evaluated using another GEO datasets.Results:A total of 394 up-regulated genes and 37 down-regulated genes were identified.Two key pathways were identified(FOSTE
10、R_TOLERANT_MACROPHAGE_DN and TGGTGCT_MIR29A_MIR29B_MIR29C).A total of 96 and 142 hub genes were identified from the 2 pathways,respectively.After further screening,2 prediction models containing 4 genes and 2 genes were established,and a risk prediction model(nomogram)was constructed based on their
11、risk scores.The 3 models performed well on both the training set area under the curve(AUC)=0.860,0.805,0.883 and the validation set(AUC=0.606,0.636,0.633).Conclusion:The key pathways of endometriosis are initially screened by GSEA and GSVA intersection method and a diagnostic model is established.Th
12、ese models have good diagnostic efficacy.KEY WORDS endometriosis;gene set enrichment analysis;gene set variation analysis;nomogram;diagnosis子宫内膜异位症是一种慢性炎症性疾病,其定义是子宫内膜样组织(即宫腔内膜组织)存在于子宫外,常引起盆腔疼痛和不孕1。有报道称子宫内膜异位症的患病率为5%10%2,在不孕的女性中子宫内膜异位症的流行率则为25%50%3。子宫内膜异位症的侵袭性、雌激素依赖性生长、复发和转移等特点与恶性肿瘤相似。异位子宫内膜最常见的植入位置是
13、卵巢、卵巢窝、子宫骶韧带和后穹隆4。目前,子宫内膜异位症的发病机制尚不清楚,常见的假说是经血逆流假说5。此外,炎症因子、免疫紊乱、激素、遗传等机制可能共同导致子宫内膜异位症的发生6。它主要发生在育龄妇女中,严重影响了女性的生活质量,并造成了重大的经济负担7。因此,子宫内膜异位症的治疗尤为重要。到目前为止,子宫内膜异位症还没有一个非常有效的治疗方案。一部分原因是目前人们对该病的发病机制缺乏了解,另一部分原因是,青少年时期出现的症状可能会被医生忽略8。开发一种无创、快速的诊断子宫内膜异位症的方法对医务工作者具有十分重要的意义。基因集富集分析(gene set enrichment analysis
14、,GSEA)是通过基础知识来揭示基因组表达数据的一种方法,它不仅可以诠释基因表达数据,还能揭示共同的生物通路。它关注的是基因集合或通路,即具有共同生物功能、染色体位置或调控9的基因组,通过总结通路的全基因组基因表达变化10,从而帮助人们深入了解生物途径和过程是如何被影响的。基因集变异分析(gene set variation analysis,GSVA)是一种基因集富集方法,以无监督的方式估计样本群体中通路活性的变异。与其他方法6相比,GSVA具有更好的检测样本群体中细微通路活性变化的能力。GSEA是在差异表达分析得到的矩阵基础上进行分析的,而GSVA可以不需要差异表达分析而直接进行分析。GS
15、EA和GSVA通常用来了解一组特定功能基因中基因的表达状态。我们认为将2种分析结果结合起来取交集,结果会更准确,且更可靠。本研究拟运用GSEA和GSVA分析方法,采用取1105临床与病理杂志,2023,43(6)http:/交集法初步筛选出子宫内膜异位症的关键通路及其包含的基因,从而建立有关子宫内膜异位症的基因诊断模型。1 资料与方法 1.1 数据的采集和预处理2021 年 10 月 从 基 因 表 达 综 合 数 据 库(Gene Expression Omnibus,GEO;http:/www.ncbi.nih.gov/geo)下载了GSE51981基因芯片数据和表型数据用于通 路 筛 选
16、 和 建 模。同 时,下 载 GSE120103、GSE11691、GSE7846、GSE25628和GSE6364共5个数据集的芯片数据和表型数据,整合成为一个组合数据集,用来对模型进行验证。本研究只纳入了未患子宫内膜异位症的子宫内膜(正常子宫内膜)和患子宫内膜异位症的子宫内膜(病变子宫内膜)。最终,训练集GSE51981包含70例正常子宫内膜和78例病变子宫内膜。整合的验证集包括40例正常子宫内膜和67例病变子宫内膜。使用R软件(版本4.1.0)中的preprocessCore包对数据进行标准化处理,并使用limma包去除批次效应。之后根据平台所提供的注释信息,将探针转换为基因名。对于同一
17、基因对应多个探针的基因数据,取平均值,作为该基因的数据信息。1.2 通过GSEA和GSVA筛选出差异表达基因的共同差异表达通路运用GEO2R对GSE51981进行分析,并保留log|(FC)|1和调整后的P值(adjusted P value,Adj.P)0.75为高准确性。将合并的数据集作为外部验证数据集,分别计算Path1和Path2诊断模型和列线图的风险评分。通过区分度和校准程度来量化模型的性能。使用R中的“pROC”包计算出ROC曲线下面积(area under curve,AUC)来量化区分度,并使用“rms”包绘制出校准曲线。所有图片均使用R中的ggplot2包绘制13。1.5 统
18、计学处理除上述特别提及的使用在线网站完成的分析外,其余分析均采用R软件(版本4.1.0)完成,所使用的相1106子宫内膜异位症关键通路的鉴定和诊断模型的建立 杨瑾,等应的R包亦已在文中标注引用。P0.05为差异有统计学意义。2 结 果 2.1 鉴定出431个子宫内膜异位症相关的DEGs及2条GSEA和GSVA共同差异表达通路GSE51981 基因芯片和表型数据来自 GEO 数据库,包括70例正常子宫内膜和78例病变子宫内膜。用 GEO2R 对 GSE51981 进行差异基因分析。基于Adj.P1 的阈值,共筛选出 431 个DEGs,其中394个基因表达上调,37个基因表达下调(图1A、1B)
19、。为了探讨DEGs的功能以及搜索关键通路,本研究基于GSEA-MSigDb数据集对DEGs进行GSEA和 GSVA 富 集 分 析,分 别 获 得 GSEA 和 GSVA TOP250 的富集通路(表 1),并绘制维恩图(图 1C)。结果显示综合2种富集方法得到了2条共同差异表达通路,即 FOSTER_TOLERANT_MACROPHAGE_DN 和TGGTGCT_MIR29A_MIR29B_MIR29C(表2,图1D、2)。通过查阅GSEA的官网,发现Path1包含412个基因,Path2包含520个基因。ACBDLog10(adjusted P value)1 0 1log2(Fold c
20、hange)GSVA TOP2502482482DownNSUpGSVA TOP250 GSVA_signal2101221012Log2(expe+1)Endometriosis NormalEndometriosis Normal6420图1 筛选出DEGs,并通过GSVA和GSEA筛选出共同差异表达通路Figure 1 DEGs are screened and common differential expression pathways are screened by GSVA and GSEAA:Volcano map of 431 DEGs;B:Heat map of DEGs;
21、C:GSVA differential pathway heat map;D:Venn diagram of GSEA and GSVA.DEG:Differentially expressed gene;GSVA:Gene set variation analysis;GSEA:Gene set enrichment analysis.1107临床与病理杂志,2023,43(6)http:/2.2 构建的PPI和关键基因及其基因富集分析结果2.2.1 构建PPI网络,并分别鉴定出96和142个关键基因使用Metascape构建了2条通路的PPI网络,以识别出可能在子宫内膜异位症发生、发展过程
22、中起关键作用的蛋白质,并使用Cytoscape中的MCODE算法来识别该网络的关键基因(图3A、3B,表1、3)。Path1的PPI网络由8个关键节点组成,包含21个主要通路,共鉴定出96个关键基因。Path2的PPI网络由15个关键节点组成,包含37个主要通路,共识别出142个关键基因。2个通路的PPI网络显示:Path1通路的基因主要富集于PI3K-Akt信号通路、MAPK Cascade和干扰素信号通路。Path2基因主要富集于细胞-细胞黏附,通过质膜黏附分子等途径。疾病富集分析显示:Path1基因主要富集于皮炎、特应性、炎症性疾病、肺炎、单纯疱疹感染等疾病,Path2基因主要富集于子宫
23、肌瘤、肾癌、腺瘤性大肠息肉病和其他疾病(图3C、3D)。以上富集分析显示,Path1主要与免疫和炎症相关,而Path2主要与肿瘤和细胞黏附相关。表1 Path1中所含基因的PPI网络分析的MCODEsTable 1 MCODEs for PPI network analysis of genes contained in Path1MCODEMCODE_1MCODE_1MCODE_1MCODE_2MCODE_2MCODE_2MCODE_3MCODE_3MCODE_3MCODE_4MCODE_4MCODE_4MCODE_5MCODE_5MCODE_5MCODE_7MCODE_7MCODE_7MC
24、ODE_8MCODE_8MCODE_8GOR-HSA-8957275R-HSA-381426ko04151R-HSA-1280215R-HSA-877300R-HSA-913531R-HSA-450513GO:0016071GO:0019083GO:0000165R-HSA-450294R-HSA-448424GO:0031347GO:0001819R-HSA-6798695GO:0051482GO:0007200R-HSA-416476R-HSA-4086400ko04310R-HSA-3858494DescriptionPost-translational protein phosphor
25、ylationRegulation of insulin-like growth factor(IGF)transport and uptake by insulin-like growth factor binding proteins(IGFBPs)PI3K-Akt signaling pathwayCytokine signaling in immune systemInterferon gamma signalingInterferon signalingTristetraprolin(TTP,ZFP36)binds and destabilizes mRNAmRNA metaboli
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 子宫 内膜 异位症 关键 通路 鉴定 诊断 模型 建立
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。