目的 基于生物信息学分析构建免疫相关基因脓毒症预后模型.方法 从GEO数据库下载脓毒症相关的基因表达矩阵,基于CIBERSORTx数据库分析脓毒症组和正常组的免疫细胞浸润差异,通过R包limma进行差异分析;对差异基因和免疫相关基因取交集,并进行生物功能富集分析;通过LASSO回归、多因素COX回归筛选免疫相关独立预后基因,并构建脓毒症预后风险模型,通过训练集和验证集利用预后相关基因构建脓毒症诊断模型.结果 脓毒症组与正常组间存在12种表达差异的免疫细胞,共发现245个差异表达的免疫相关基因;生物功能富集分析显示,245个基因主要富集在免疫和感染相关信号通路;LASSO回归和多因素COX回归显示,DEFA4、CAMP、CX3CR1和PRKCA可作为脓毒症的独立预后因素,其中DEFA4和CAMP在脓毒症组高表达,CX3CR1和PRKCA在正常组中高表达(P<0.05);基于DEFA4、CAMP、CX3CR1和PRKCA成功构建脓毒症风险预后模型,DEFA4、CAMP、CX3CR1在训练集和验证集中的ROC曲线下面积(AUC)均>0.750,PRKCA在训练集中的AUC为0.893,在验证集中为0.673.结论 基于DEFA4、CAMP、CX3CR1和PRKCA构建的风险预后模型具有良好的预测能力,同时DEFA4、CAMP、CX3CR1和PRKCA也具备脓毒症诊断能力,可能成为脓毒症新的生物标志物和靶点.

脓毒症;免疫细胞浸润;预后模型

华中科技大学同济医学院附属同济医院临床免疫研究室,湖北 武汉 430030;武汉大学人民医院病理科,湖北 武汉 430060

[1]朱思哲;叶成林-.基于生物信息学分析构建免疫相关基因脓毒症预后模型)[J].医学信息,2022(15):1-6,13

DEFA4

生物信息学分析,免疫相关基因,脓毒症,预后模型,GEO,下载,CIBERSORTx,数据库分析,免疫细胞浸润,limma,差异基因,交集,生物功能,功能富集分析,LASSO,COX,预后基因,预后风险模型,训练集,验证集,预后相关基因,诊断模型,表达差异,差异表达,CAMP,CX3CR1,PRKCA,独立预后因素,预测能力,诊断能力,生物标志物

0.19278