基于转录组数据和机器学习算法分析验证氢化可的松治疗瘢痕疙瘩的分子机制

作     者：郭之栋 田花 姚明 GUO Zhidong;TIAN Hua;YAO Ming

作者机构：宁夏医科大学研究生院银川750001 宁夏医科大学总医院烧伤整形美容科银川750001 

出 版 物：《基因组学与应用生物学》 (Genomics and Applied Biology)

年 卷 期：2024年第43卷第2期

页      面：311-322页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 0711[理学-系统科学] 1002[医学-临床医学] 07[理学] 08[工学] 100214[医学-肿瘤学] 10[医学] 

基　　金：国家自然科学基金项目(81860555)资助 

主　　题：生物信息学 氢化可的松 GEO 瘢痕疙瘩 分子对接 机器学习算法 

摘      要：本研究基于生物信息学、机器学习算法和网络药理学的方法分析和验证氢化可的松(hydrocortisone,HC)治疗瘢痕疙瘩的分子机制。从GEO数据库中获得4个瘢痕疙瘩成纤维细胞(keloid fibroblasts,KFs)数据集;从Pubchem网站获得HC的二维结构,使用在线工具Pharmmapper预测HC的药效团模型,构建HC靶点基因与差异表达基因(differential expression genes,DEGs)交集韦恩图,获得HC靶点相关差异基因(hydrocortisone-targeted differentially expressed genes,HcDEGs);使用在线工具Metascape对HcDEGs进行GO和KEGG富集分析,并构建HcDEGs的蛋白质-蛋白质互作(protein-protein interaction,PPI)网络;通过三种机器学习算法进一步筛选核心HC靶点相关差异基因(core hydrocortisone-targeted differentially expressed genes,Core-HcDEGs),对Core-HcDEGs的共表达基因进行富集分析并计算其与免疫细胞浸润的相关性;使用外部数据对比HC治疗前后基因表达水平的变化,使用AutoDock软件进行分子对接。GO和KEGG分析显示HcDEGs富集于多个肿瘤和炎症相关通路,机器学习算法筛选获得5个Core-HcDEGs,5个基因的共表达基因的富集分析结果同样显示其高度富集于炎症和肿瘤相关通路;免疫细胞浸润相关性分析发现Core-HcDEGs与多种免疫细胞的浸润高度相关;MMP2、TEK在KFs中的表达升高,在ALDH2中的表达降低,HC刺激后MMP2、TEK的表达降低,ALDH2的表达升高;分子对接结果均显示HC与MMP2、TEK、ALDH2具有稳定的结合效应。本研究表明HC可能通过影响MMP2、TEK、ALDH2的表达以达到治疗瘢痕疙瘩的目的。