原文公众号：一起实验网
对下述分析方法感兴趣或者没有研究思路的小伙伴，欢迎踊跃探讨！
早！今天小编和大家分享一篇10月刚刚发表在Front Cardiovasc Med杂志（IF:5.846）的文章《Identification of energy metabolism-related biomarkers for risk prediction of heart failure patients using random forest algorithm》。最近发表了很多和能力代谢相关的生信研究文章，无论是针对肿瘤还是非肿瘤疾病。心脏能量代谢紊乱是早期心力衰竭的一个重要特征，在这篇文章中，作者识别了心衰中能量代谢相关的标志物。
背景&方法
心力衰竭 (HF) 是一种复杂的疾病，具有多维性质，主要由心肌梗塞、心肌病、心脏负荷异常和心律失常引起。心脏能量代谢紊乱是早期心力衰竭的一个重要特征。在有氧条件下，健康的心脏从脂肪酸和葡萄糖中获得收缩能量，而这种平衡在心脏压力条件下被破坏，这会对心脏的功能产生深远的影响。目前的研究表明，能量代谢在早期和代偿的 HF 状态下得到促进，代谢能力的下降可能导致在更严重的 HF 病例中出现进行性缺陷。这些研究表明，进一步了解 HF 患者能量代谢的价值对于阐明 HF 的过程和开发新的治疗方案至关重要。
方法：
1.在 GEO 数据库中获得了 HF 和非心力衰竭 (NF) 样本之间的能量代谢相关 DEG。
2.使用随机森林算法 (RF) 和支持向量(SVM) 来识别 HF 的诊断生物标志物。
3.构建并验证了能量代谢相关的基因诊断列线图来预测 HF 的风险。
4.预测了关键基因相关的药物和miRNA。
研究结果
鉴定差异表达的能量代谢相关基因
总共22个能量代谢相关的DEG，被鉴定为差异的表达基因。染色体位置分析共有 44 个能量代谢相关基因分布在 18 条染色体中，这些基因数量最多（n = 6）位于 2 号染色体上。PPI 网络显示 MEF2A、MEF2D、CREB1、HDAC1、MED1 和 ESRRA 可能具有更多数量的相互作用蛋白。
基于能量代谢相关基因的心力衰竭分子亚型
根据 CDF 曲线和 CDF Delta 面积曲线，当聚类数设置为 2，PCA 结果显示聚类 A 和聚类 B 之间的分布清晰，表明能量代谢相关基因对心衰患者具有潜在的诊断价值。
不同组心衰患者的功能分析
在簇A 和簇 B 之间共鉴定出 378 个 DEG，然后对这些 DEG 进行 GO 和 KEGG 富集分析。结果表明，DEGs主要与免疫应答调节信号通路、分泌颗粒膜、免疫受体活性、破骨细胞分化，脂质和动脉粥样硬化相关。
评估集群之间的免疫浸润水平
基于功能分析的结果，我们进一步探讨了两个簇之间免疫细胞浸润水平的相关性。HF 样本中近一半的免疫细胞水平 (12/23) 比健康对照组更丰富 ( P < 0.001)，这表明 HF 患者已经显示出全身免疫激活的迹象，并且可能有助于进展为 HF。更重要的是，我们发现大多数免疫细胞（17/23）在两个簇中也有不同的浸润水平。此外，我们评估了48个能量代谢相关基因与 24个免疫细胞之间的相关性。大多数能量代谢相关基因的表达与免疫细胞的浸润有很强的相关性。
RF和SVM模型的建立与评估
RF（AUC = 1.000）和 SVM 模型（AUC=0.938）的 AUC 表明 RF 模型具有更高的分离性能。为了进一步分析，将显著性> 2的10个基因确定为候选基因。在十个变量中，MEF2D、RXRA 和 PPARA 是最重要的，其次是 FOXO1、PPARD、PPP3CB、MAPK14、CREB1、MEF2A、PRMT1。
建立临床列线图
基于来自 RF 模型的十个诊断生物标志物，我们开发了一个临床预测列线图，并且人们可以使用列线图评分来预测 HF 的风险。我们使用校准曲线评估了列线图的预测准确性，结果表明列线图对 HF 风险预测具有较高的准确性。相应的 ROC 分析显示，所构建的诊断模型的 AUC 值为 0.91，证明了该临床列线图的预测性能。接下来，我们使用测试队列（GSE59867）验证了列线图的稳定性。
相关药物和miRNA的预测
十种药物被确定为能量代谢相关药物，可能是心力衰竭靶点的潜在治疗药物。此外，我们构建了一个 miRNA-基因关联网络，展示了 10 个能量代谢相关生物标志物的 15 个潜在 miRNA 靶标，它们可能在 HF 的发展中发挥调节作用。
原文地址：http://www.cnblogs.com/yiqishengxin/p/16854360.html
