基于生物信息学及机器学习探究铁死亡参与非阻塞性无精子症的机制

作     者：沈宏平 宋佳怡 周旋 刘亚华 陈云杰 蔡以力 张元斌 余怡 陈雪琴 SHEN Hong-ping;SONG Jia-yi;ZHOU Xuan;LIU Ya-hua;CHEN Yun-jie;CAI Yi-li;ZHANG Yuan-bin;YU Yi;CHEN Xue-qin

作者机构：宁波大学附属第一医院传统医学中心浙江宁波315000 宁波大学附属第一医院生殖医学中心浙江宁波315000 宁波大学附属第一医院药物临床试验机构浙江宁波315000 宁波大学附属第一医院药学部浙江宁波315000 

出 版 物：《中华男科学杂志》 (National Journal of Andrology)

年 卷 期：2023年第29卷第10期

页      面：874-880页

核心收录：

学科分类：1002[医学-临床医学] 100210[医学-外科学(含：普外、骨外、泌尿外、胸心外、神外、整形、烧伤、野战外)] 10[医学] 

基　　金：浙江省中医药科技计划项目(2023ZR049) 宁波市重大科技任务攻关项目(2022Z148) 

主　　题：铁死亡 非梗阻性无精子症 机器学习 生物信息学 

摘      要：目的:基于生物信息学和机器学习方法探讨铁死亡参与非阻塞性无精子症的潜在机制。方法:应用GEO数据库和FerrDb数据库获取疾病相关数据集和铁死亡相关基因,采用R软件对疾病数据集进行归一化处理、差异分析,GO与KEGG富集分析,将筛选出的疾病差异基因与铁死亡相关基因取交集,获取共同基因。通过LASSO、SVM-RFE及随机森林3种机器学习算法筛选核心基因,并进行免疫浸润相关性、靶标药物预测及分子对接模拟等分析。结果:GSE45885数据集筛选获得差异基因1751个,GSE145467数据集筛选获得差异基因4358个,二者交集获得疾病相关基因集,共508个。将疾病基因集与铁死亡相关基因集取交集,共获得17个疾病相关铁死亡基因。经过机器学习筛选后得到3个核心基因,分别为GPX4、HSF1、KLHDC3。结论:铁死亡参与非阻塞性无精子症的机制可能与GPX4、HSF1、KLHDC3表达下调有关,为后续进行深入的机制研究及疗效研究奠定基础。