影響因子：6.2

從投稿到接收不到2個月

關于非腫瘤生信，我們也解讀過很多，主要有以下類型

1 單個疾病分析

2 單個疾病結合免疫浸潤，鐵死亡，自噬等相關分析

3 兩種相關疾病聯合分析，包括非腫瘤結合非腫瘤，非腫瘤結合腫瘤或者非腫瘤結合泛癌分析

目前非腫瘤生信發文的門檻較低，歡迎有需要的朋友患者！

研究背景：

動脈粥樣硬化是一種系統性、進行性、炎癥性疾病。動脈粥樣硬化斑塊的形成是一個緩慢的過程，這為疾病診斷提供了一個寶貴機會。有創血管內成像能詳細地評估血管狹窄和壁厚，但非侵入性醫學成像更有利于無創識別易損斑塊，更準確地分級心血管風險。因此，迫切需要開發先進的動脈粥樣硬化斑塊風險分級的分子工具。

動脈粥樣硬化的長期和緩慢進展涉及持續的免疫反應，免疫機制是動脈粥樣硬化斑塊形成和破裂的關鍵驅動因素，因此，本文應用三種機器學習算法來確定動脈粥樣硬化斑塊形成和免疫相關的特征基因，從而預測動脈粥樣硬化斑塊的進展。

研究結果：

一、鑒定與動脈粥樣硬化斑塊進展和免疫相關的基因

1、結合來自GSE28829和GSE43292隊列的45個早期和48個晚期動脈粥樣硬化斑塊標本的表達譜(圖1A-B)。

2、在免疫相關基因中，與早期動脈粥樣硬化斑塊相比，晚期有114個表達下調，21個表達上調(圖1C，D)。這些基因與免疫反應有關，如細胞因子-細胞因子受體相互作用和趨化因子信號通路等(圖1E-H)。

1、通過MCODE分析，從PPI網絡中鑒定出關鍵的動脈粥樣硬化斑塊進展和免疫相關基因(圖2A)。

2、進一步分析表明，它們主要參與細胞因子-細胞因子受體相互作用、toll樣受體信號通路、趨化因子信號通路等途徑(圖2B-E)，表明這些免疫相關基因在動脈粥樣硬化斑塊進展中的關鍵作用。

1、采用LASSO算法篩選出其中的特征基因，包括ITGAL、IL7R、IL18、CCL19、BTK、TLR8、CD14、CCL5、IL1B、IL6、GZMB和TNFSF13B(圖3A、B)。

2、采用Random Forest算法，確定了包括MMP9、ICAM1、PTPRC等30個特征基因，(圖3C、D)。

3、使用SVM-RFE算法，確定了CD14、ITGAL、TNFSF13B、IL18、CCL5、PTPRC、CCRL2、IL7R、MMP9等相關基因(圖3E）。

4、通過以上三種算法最終確定了7個特征基因：TNFSF13B、CCL5、CCL19、ITGAL、CD14、GZMB和BTK（圖3F)。

四、以上特征基因對預測動脈粥樣硬化斑塊進展的診斷效果

1、7個特征基因在晚期動脈粥樣硬化斑塊中的表達高于早期(圖3G)，表明它們在動脈粥樣硬化斑塊進展中的潛在作用。

2、ROC曲線顯示它們在預測動脈粥樣硬化斑塊進展方面具有良好的診斷效率(圖3H)。

3、通過估計GSE28829和GSE43292聯合隊列中每個特征基因在預測動脈粥樣硬化斑塊進展方面的診斷性能，提示這些特征基因能夠估計動脈粥樣硬化斑塊的進展（圖4A-G）。

五、特征基因在動脈粥樣硬化斑塊進展中的驗證

1、在數據集（GSE41571）中進行驗證發現，CCL19在穩定斑塊中的表達高于破裂斑塊，而ITGAL、CD14和GZMB在破裂斑塊中的表達高于穩定斑塊(圖4H)。

2、在GSE120521數據集中，不穩定斑塊中的TNFSF13B、CD14和BTK的表達水平高于穩定斑塊(圖4I)。以上，結合相應的ROC曲線證明特征基因能夠區分不穩定的穩定斑塊，在預測動脈粥樣硬化斑塊的進展方面具有良好的診斷性能。

六、早期至晚期的動脈粥樣硬化斑塊的免疫學特征的改變

1、與早期動脈粥樣硬化斑塊相比，大多數先天和適應性免疫細胞在晚期動脈粥樣硬化斑塊中表現出更高的浸潤水平(圖5A)。

2、動脈粥樣硬化斑塊間的免疫細胞群之間存在顯著的相互作用(圖5B)。

3、晚期大多數免疫檢查點的表達均高于早期動脈粥樣硬化斑塊（圖5C）。

4、特征基因和免疫細胞浸潤之間存在相互作用(圖5D)，并且，特征基因與動脈粥樣硬化斑塊中的免疫檢查點呈正相關(圖5E)。

以上提示，這些特征基因可能在動脈粥樣硬化斑塊進展過程中調節免疫過程。

七、特征基因的信號通路分析

通過GSEA分析發現，以上特征基因均與免疫反應呈正相關（圖6A-G）。

八、基于特征基因的動脈粥樣硬化斑塊進展預測列線圖及小分子化合物分析。

1、圖7A顯示，這些特征基因間存在顯著的相互作用?；诖?，作者構建了一個列線圖作為動脈粥樣硬化斑塊進展的診斷工具(圖7B)。

2、校準曲線顯示，列線圖可以準確地估計動脈粥樣硬化斑塊的進展，并且診斷為動脈粥樣硬化的患者可以從該線列圖中獲益(圖7C-D)。

3、通過CMap分析出基于以上特征基因的小分子化合物并評估其抗動脈粥樣硬化的能力（圖7E）。

九、基于上述基因的兩種動脈粥樣硬化免疫亞型構建及分子機制分析

1、通過共識聚類方法，根據135個動脈粥樣硬化斑塊進展和免疫相關基因的表達譜，對動脈粥樣硬化斑塊進行了聚類分析(圖8A-D)。

2、這兩種免疫亞型分別命名為C1和C2。PCA顯示了不同亞型之間存在顯著差異(圖8E)。

3、動脈粥樣硬化不同亞型之間的斑塊進展和免疫相關基因的表達存在明顯的異質性 (圖8F)。

4、所有特征基因在C1中的表達均高于C2亞型（圖9A）。與C2相比，大多數免疫檢查點在C1中顯著上調(圖9B)。并且，C1亞型具有較高的免疫激活（圖9C），C1亞型的免疫細胞群的浸潤水平高于C2亞型(圖9D)。

綜上，可以確定兩種亞型中C1為免疫亞型，C2為非免疫亞型。

研究總結：

動脈粥樣硬化是一種慢性炎癥性疾病，為揭示免疫相關基因在動脈粥樣硬化斑塊進程中的作用，本研究從4個GEO數據集中獲得基因表達譜，利用三種機器學習算法篩選動脈粥樣硬化斑塊進展和免疫相關的基因。通過ROC曲線、ssGSEA、CMap分析、共識聚類等方法對所篩選的基因進行相關評價。該研究成功鑒定出7個特征基因(TNFSF13B、CCL5、CCL19、ITGAL、CD14、GZMB和BTK)，并且這些基因能夠預測動脈粥樣硬化斑塊的進展，提供了一些與動脈粥樣硬化斑塊進程相關的免疫基因及亞型，這有助于更精確的心血管免疫治療。