Page 70 - 南京医科大学自然版

第44卷第6期
·806 · 南 京 医 科 大 学 学 报 2024年6月

S27a，RPS27A）构建哮喘预测模型（图 3A、B）；ROC 提供了有力支持。
评估预测性能，结果显示AUC 值0.795，提示该模型 2.4 基于线粒体自噬特征的哮喘分型
对哮喘发病的预测性能良好（图3C）；随后基于上述 基于 22 个 MRG 表达谱，对哮喘患者转录组学
7 个基因的表达模式，构建评分模型以计算哮喘确 数据进行共识聚类分析，确定最佳聚类数 k=2（图
诊概率（图 3D）；构建校正曲线和 DCA 曲线以评估 4A），将哮喘患者分为 2 个亚型；同时采用热图
和验证模型性能，结果显示，校正曲线中模拟曲线 （图 4B）形式比较两种亚型在线粒体自噬基因表
和实际曲线与理想线较为匹配（图3E），DCA曲线显 达、临床特征（年龄和性别）以及诊断模型性能上
示使用所有特征基因构建的模型净效益最高（图 的差异。
3F），体现出模型的可靠性。以上结果均提示，该模 GSVA 分析表明两种亚型 MRG 整体表达上存
型在哮喘预测方面具有潜力，为进一步研究和应用 在 差 异（图 4C），亚 型 1 中 RPS27A、UBB、MFN2、

A Variable importance B Gene OR（95% CI）
TOMM5 4.38（1.50-13.12）
TOMM5
FUNDC1 FUNDC1 3.36（1.56-7.50）
TOMM22 TOMM22 3.19（1.26-8.46）
SQSTM1 SQSTM1 0.13（0.03-0.44）
PGAM5 PGAM5 2.66（0.86-8.85）
ATG5 MFN2 2.50（0.80-8.18）
UBA52
MFN2 RPS27A 0.41（0.13-1.32）
RPS27A 2 4 6 8 10 12
UBC
MAP1LC3B
SRC C 1.0 E 1.0
CSNK2A2
MFN1
UBB 0.8 0.8
CSNK2B
MAP1LC3A 0.6 0.6
CSNK2A1 Sensitivity Observed probability
TOMM20
ULK1 0.4 0.4
PINK1 Apparent
ATG12 0.2 0.2
AUC：0.795 Bias⁃corrected
0 2 4 6 8 ldeal
0 0
Mean decrease gini
0 0.2 0.4 0.6 0.8 1.0 0 0.2 0.4 0.6 0.8 1.0
1-Specificity Predicted probability
D Nomogram F 1.0
0 20 40 60 80 100
RPS27A 0.8
12.4 12 11.6 11.2 10.8
MFN2 MFN2
7.4 7.8 8.2 8.6 9 9.4 9.8 0.6 TOMM5
PGAM5 Standardized net benefit FUNDC1
5.2 5.6 6 6.4 6.8 7.2 7.6 0.4 TOMM22
SQSTM1 SQSTM1
10.8 10.6 10.4 10.2 10 9.8 9.6 9.4 9.2 9 PGAM5
TOMM22 0.2 RPS27A
7.4 7.8 8.2 8.6 9 9.4 9.8 Full model
FUNDC1 All
0
6.2 6.6 7 7.4 7.8 8.2 8.6 None
TOMM5
00 0.2 0.4 0.6 0.8 1.0
8 8.4 8.8 9.2 9.6 10 10.4
Total points High risk threshold
395
250 300 350 0.965 400 450 500
Pr（group）
0.100 0.300 0.500 0.700 0.850 0.940 0.970 0.985 0.993 0.997
A：Ranking plot to depict the importance of the variables in random forest. The Mean decrease gini index is used to indicate the gene importance in
this model. B：Forest plot of the seven variables screened by stepwise logistic regression. C: Receiver operating characteristic（ROC）curve to illustrate
the diagnostic performance of these feature genes. D：Nomogram for asthma prediction based on the feature genes.“Pr（group）”represents the risk of
asthma development corresponding to the“Total points”. E：Calibration curve to demonstrate the calibration performance of the predictive model. F:
DCA exhibiting a comparison of the net clinical benefits for the prediction models at different decision thresholds，which in purplish red using seven fea⁃
ture genes displays the best performance.
图3 哮喘预测模型的建立与评估
Figure 3 Establishment and evaluation of the predictive model of asthma