免疫原性细胞死亡在特发性肺纤维化中的分子机制和诊断应用
魏丁1
金发光2
高永恒2
1.空军军医大学唐都医院呼吸与危重症医学科,陕西西安 710038;长治市人民医院呼吸与危重症医学科,山西长治 0460002.空军军医大学唐都医院呼吸与危重症医学科,陕西西安 710038
摘要：目的 旨在识别特发性肺纤维化(IPF)患者中与免疫原性细胞死亡(ICD)相关的差异表达基因(DEGs),并探讨其作为诊断生物标志物的潜力.方法 利用GSE150910数据集作为训练队列,并采用DESeq2算法从103名IPF患者与103个正常肺样本的比较中识别出1 885个DEGs.结合GeneCards数据库(包含2 149个与ICD相关的基因)的韦恩图分析揭示了 244个与ICD相关的DEGs.随后,通过进一步的机器学习筛选出关键差异基因,并进行诊断模型的建立和验证.结果 包括随机森林和LASSO回归在内的机器学习技术识别了关键基因(NOS2、CDH3、COL17A1、CHRM3、ALPP、COL3A1、NCR1),这些基因被用于构建诊断模型.该模型显示出较高的诊断灵敏度和特异度,其中CDH3和CHRM3的曲线下面积值最高,且在独立数据集中进行的验证确认了模型的稳健性.此外,免疫浸润分析显示IPF患者与对照组之间的免疫细胞类型存在显著差异(P＜0.05),并观察到关键基因与免疫细胞浸润水平之间的相关性.基因集富集分析进一步识别出高风险组和低风险组之间与IPF诊断相关的基因集的显著差异.结论 本研究的发现增强了学者对IPF潜在分子机制的理解,并识别出关键基因作为该疾病的潜在治疗靶点.未来的研究应集中于转化研究,探索这些标志物的治疗应用及其在疾病免疫学方面的作用.
关键词：特发性肺纤维化免疫原性细胞死亡诊断模型机器学习关键基因生信分析
分类号：R563(呼吸系及胸部疾病)
资助基金：国家自然科学基金(82270084)陕西省重点产业链项目(2022ZDLSF01-10)
论文发表日期：2025-06-30
在线出版日期：2026-08-26（本平台首次上网日期，不代表文献的发表时间）
页数：8( 739-745,754 )
英文信息