Page 67 - 南京医科大学自然版

第44卷第6期 马晴晴，顾圣玮，王红玉，等. 基于线粒体自噬相关基因的哮喘亚型鉴定及预测模型构建研究［J］.
2024年6月 南京医科大学学报（自然科学版），2024，44（6）：802-811 ·803 ·

respectively. Conclusion：Seven MRGs were confirmed to be the effective molecular markers for asthma prediction，and our findings
may provide valuable evidences and open a new insight for the development of individualized approaches for asthma management.
［Key words］ asthma；mitophagy；predictive modeling；subtypes
［J Nanjing Med Univ，2024，44（06）：802⁃811］

哮喘是一种常见慢性异质性气道疾病，以咳 的潜在小分子药物。
嗽、咳痰、喘息等呼吸道症状为特征 。气道炎症作
［1］
1 材料和方法
为引发哮喘症状的关键环节，可导致气道高反应、
［2］
黏液高分泌及重塑等过程 。气道上皮作为抵御过 1.1 材料
敏原、病原体和其他有害物质进入机体的首道防 1.1.1 数据的获得与处理
线，在启动哮喘气道炎症过程中至为关键。 本研究选取基因表达综合数据库（gene expres⁃
线粒体作为一种高度动态的双层膜细胞器，不 sion omnibus data base，GEO）中GSE76226、GSE63142
仅负责细胞能量供应，还参与细胞基因组稳定、活 及GSE67472 数据集的健康受试者（70例）与哮喘患
性氧产生、离子稳态、应激反应及细胞命运决策等 者（289 例）气道上皮刷检样本转录组数据，对其进
过程，通过不断融合分裂、生物发生及自噬等方式， 行去批次处理、主成分分析评估去除情况；选取
实现自身质量控制。一般而言，细胞为了维持线 GSE179156数据集验证预测模型性能。
粒体网络及内环境稳定，往往通过自噬方式选择 线 粒 体 自 噬 相 关 基 因 集“REACTOME_MI⁃
性包裹和降解受损线粒体，完成线粒体内容物降 TOPHAGY.V7.5.1.Gmt”来自Reactome数据库。
［3］
解过程 。研究表明，哮喘气道上皮细胞中线粒体 1.1.2 动物
功能存在障碍 ［4-6］ ，上皮细胞线粒体自噬已引起学 6~8 周龄健康无特定病原体（specific pathogen
者们的广泛关注。已发现蟑螂过敏原处理的气道 free，SPF）级BALB/c雌鼠（约20 g）、用于原代气道上
上皮线粒体自噬增加 ，脂溶性木脂素、芝麻素通 皮细胞提取所需的 SPF 级 1~3 d C57BL/6 乳鼠均购
［7］
［8］
过减少线粒体自噬和凋亡减轻哮喘气道炎症 ，环 自南京医科大学医药实验动物中心，置于南京医科
境污染物及过敏原诱发的线粒体功能障碍与自噬 大学实验动物中心饲养，屏障中心适应 1 周后开始
导致的生物能量学调节紊乱，可能是哮喘表型变 实验。本研究获南京医科大学动物福利伦理委员
化的重要机制 。然而，线粒体自噬在哮喘中的调 会批准（动物伦理编号：1906008）。
［9］
控机制及重要意义目前仍缺乏深入认识，该方向 1.2 方法
的深入挖掘可为哮喘治疗新靶点的研发提供有效 1.2.1 基因集变异分析
依据。 采用基因集变异分析（gene set variation analy⁃
线粒体自噬受一系列高度保守的调节因子调 sis，GSVA）研究哮喘患者与健康受试者之间、不同
控，这些调节因子被称为线粒体自噬相关基因 哮喘亚型之间MRG整体表达差异。
（mitophagy⁃related gene，MRG）。本研究利用机器 1.2.2 差异表达MRG鉴定
学习算法构建了基于 22 个 MRG 的哮喘预测模 运用“limma”软件包挖掘样本间差异表达基因

型，以受试者工作特征（receiver operating charac⁃ （differentially expressed gene，DEG），阈值为P < 0.05；
teristic，ROC）曲线、校准曲线、列线图、决策曲线 取DEG与MRG交集作为哮喘中差异表达的MRG。
分析和外部数据集验证等方法评估其效能；通过 1.2.3 预测模型建立及验证
一致性聚类分析、根据 MRG 不同特征鉴别出两种 随机森林模型对 22 个 MRG 进行筛选，多因素
哮喘亚型，比较每种亚型年龄、性别、生物学功能 Logistic回归建立预测模型；构建ROC曲线，计算预测
及特殊通路的差异；选用加权基因共表达网络分 模型ROC曲线下面积（area under curve，AUC）；列线

析 法（weighted correlation network analysis，WGC⁃ 图 模 型 ，以 校 准 曲 线 和 决 策 曲 线 分 析（decision
NA）确定关键基因，利用药物基因组学数据库 curve analysis，DCA）评估该模型的预测能力；同时
（connectivity map，cMap）识别针对不同亚型可能 应用外部数据集进一步验证该模型的有效性。