基于生物信息学筛选非小细胞肺癌血小板RNA生物标志物及潜在治疗靶点

作     者：黄卫国 母光妍 种姗 向倩 HUANG Wei-guo;MU Guang-yan;CHONG Shan;XIANG Qian

作者机构：徐州医科大学药学院江苏徐州221004 北京大学第一医院药学部北京100034 北京大学药学院药事管理与临床药学系北京100191 

出 版 物：《中国临床药理学杂志》 (The Chinese Journal of Clinical Pharmacology)

年 卷 期：2023年第39卷第16期

页      面：2404-2408页

核心收录：

学科分类：1007[医学-药学(可授医学、理学学位)] 10[医学] 

主　　题：非小细胞肺癌 生物信息学 机器学习 生物标志物 肿瘤教育血小板 

摘      要：目的通过生物信息学筛选非小细胞肺癌(NSCLC)血小板RNA关键基因,寻找潜在的癌症生物标志物及新的治疗靶点。方法检索基因表达综合数据库获得来自NSCLC患者和健康对照的3个转录组数据集(GSE68086、GSE89843、GSE183634),对数据集GSE68086中的RNA进行差异表达分析,然后对差异表达基因(DEGs)进行基因本体论(GO)、京都基因与基因组百科全书(KEGG)功能富集分析。通过加权基因共表达网络分析划分与疾病相关的基因模块,选择相关性最强的模块基因与差异基因的交集基因,用最小绝对值收敛和选择算子(LASSO)和随机森林(RF)2种机器学习算法筛选关键基因,并在数据集GSE89843、GSE183635中进行验证。最后对关键基因进行基因集富集分析。结果共鉴定出4917个DEGs(596个上调基因和4321个下调基因)。通过GO、KEGG富集分析发现:DEGs主要与RNA过程、细胞凋亡、细胞周期及胞质内翻译等相关。LASSO和RF 2种机器学习算法共同识别到5个关键基因。验证得到ITGA2B、IFITM3对NSCLC诊断价值具有显著意义。结论ITGA2B、IFITM3可能是预测和治疗NSCLC的潜在生物标志物和新的作用靶点。