基于机器学习的反复种植失败相关泛素化基因与免疫浸润分析
梁湘萍1
王兆亿1
邱锡坚2
刘风华3
1.广州医科大学,广东广州 5114952.广东医科大学附属医院妇科,广东湛江 5240003.广东省妇幼保健院生殖健康与不孕专科,广东广州 511442
摘要：目的 基于生物信息学方法探究与反复种植失败(recurrent implantation failure,RIF)密切相关的泛素化相关基因,并探索其与免疫浸润之间的相互作用.方法 从基因表达综合数据库(GEO)中选取GSE111974、GSE26787和GSE223672数据集,其中GSE111974作为训练集进行差异分析,对差异基因与泛素化基因取交集得到RIF相关的差异泛素化基因,随后利用机器学习筛选出关键基因.利用GSE223672单细胞数据集分析关键基因在内膜细胞亚群中的表达.ssGSEA算法用于确定样本间免疫细胞比例以及免疫细胞与关键基因之间的相关性.结果 KLHL13、UCHL1、TOP2A和USP33为RIF的特征基因.TOP2A在RIF子宫内膜间充质干细胞中表达量最高,USP33主要在间充质干细胞和内皮细胞中表达.CD8+T细胞、中性粒细胞、Th1细胞等在RIF受到抑制,而辅助性T细胞明显活跃.KLHL13的表达与抗原呈递细胞(APC)共刺激等呈正相关,而USP33表达与APC共刺激呈负相关.TOP2A和UCHL1表达与T淋巴辅助细胞浸润呈负相关.结论 KLHL13、UCHL1、TOP2A和USP33是RIF的诊断标志物,它们通过调节免疫细胞浸润影响RIF.
关键词：反复种植失败泛素化TOP2A免疫细胞浸润机器学习
分类号：R711.6(妇科学)
资助基金：广东省卫济医学发展基金(K-202104-2)
论文发表日期：2024-08-02
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 840-844 )
英文信息