整合生物信息学与机器学习的冠心病早期诊断生物标志物筛选及中药治疗预测
于佳田1
周聪慧2
佟旭1
1.中国中医科学院中医基础理论研究所,北京 1007002.南京中医药大学第三临床医学院,南京 210023
摘要：目的 整合生物信息学与机器学习方法,筛选冠心病(CAD)早期诊断标志物并预测有效中药,为中医药在CAD早期防治中的应用提供依据和方法学参考.方法 本研究从GEO数据库中获取CAD患者的外周血miRNA表达数据,并利用R软件筛选出差异表达基因(DEGs).通过加权基因共表达网络分析(WGCNA)识别出高生物学意义的共表达基因模块.对DEGs与WGCNA筛选模块的共同基因进行富集分析.采用LASSO算法预测CAD的特征基因,并根据STRING数据库和蛋白-蛋白互作(PPI)网络筛选出枢纽基因,两者的共同基因被认为是潜在的生物标志物.随后在不同数据集中验证关键基因的差异表达,用受试者工作特征(ROC)曲线评估其诊断价值.通过富集分析(GSEA)识别关键基因在CAD中显著富集的通路.最后,基于关键基因,通过Coremine Medical平台预测治疗CAD的靶向中药,并结合中医理论分析其功效和性味归经.结果 本研究共鉴定出 391个DEGs,并通过WGCNA筛选出156 个基因.两者交集得到 48 个与CAD有密切关联的基因.富集分析表明,这些基因主要在过氧化物酶体增殖物激活受体(PPAR)信号通路、破骨细胞分化等通路中显著富集.通过LASSO回归等算法,筛选出水通道蛋白 9(AQP9)和 FK-506 结合蛋白5(FKBP5)作为CAD的潜在生物标志物,ROC曲线分析证实其具有较高的诊断效能(AUC>0.78).GSEA进一步揭示,AQP9 和FKBP5 在CAD中显著富集于免疫调节、代谢调控及细胞信号转导等生物学过程.最后预测出赤芍、丹参、枳实、白术等15 种治疗CAD的中药.结论 本研究通过生物信息学与机器学习技术,筛选出CAD早期诊断的生物标志物和靶向中药,为中医药早期防治CAD提供参考.
关键词：冠心病早期诊断生物标志物机器学习生物信息学中药预测
分类号：R259.4(中医内科学)R2-03(中国医学理论)
资助基金：国家自然科学基金(82305439)中国中医科学院基本科研业务费优秀青年科技人才培养专项(ZZ16-YQ-053)中央级公益性科研院所基本科研业务费专项(YZX-202422)
论文发表日期：2026-03-28
在线出版日期：2026-03-31（本平台首次上网日期，不代表文献的发表时间）
页数：8( 510-517 )
英文信息