Page 83 - 南京医科大学自然版
P. 83

第45卷第4期            陈 讯，陈雯昕，张        文，等. 基于焦亡相关基因构建多囊卵巢综合征诊断模型［J］.
                  2025年4月                      南京医科大学学报（自然科学版），2025，45（4）：509-522                       ·519 ·


                A                                                B
                                   AIM2   High   Low                               CHMP4B    High   Low
                            **  *                 *     **                      **
                   10.0                                              10.0
                   Fraction  7.5                                    Fraction  7.5

                    5.0                                              5.0
                    2.5                                              2.5
                        IL1A  IL1RN  IL1R1  IL2RA  IL4  IL6  IL6ST  IL10  IL15  IL16  IL18  IL32  TNF  IFNG  TGFB1  LIF  SOCS3  SOCS4  SOCS5  SOCS6  SOCS7  CISH  CRLF3  CCL5  STAT3  STAT1  TLR4  JAK2  CXCL10  IK  CIAPIN1  IL1A  IL1RN  IL1R1  IL2RA  IL4  IL6  IL6ST  IL10  IL15  IL16  IL18  IL32  TNF  IFNG  TGFB1  LIF  SOCS3  SOCS4  SOCS5  SOCS6  SOCS7  CISH  CRLF3  CCL5  STAT3  STAT1  TLR4  JAK2  CXCL10  IK  CIAPIN1



                C                 NLRC4    High   Low            D                 NLRP2    High   Low
                              *        *                                      *                   *
                   10.0                                              10.0
                   Fraction  7.5                                    Fraction  7.5

                    5.0                                              5.0
                    2.5                                              2.5
                        IL1A  IL1RN  IL1R1  IL2RA  IL4  IL6  IL6ST  IL10  IL15  IL16  IL18  IL32  TNF  IFNG  TGFB1  LIF  SOCS3  SOCS4  SOCS5  SOCS6  SOCS7  CISH  CRLF3  CCL5  STAT3  STAT1  TLR4  JAK2  CXCL10  IK  CIAPIN1  IL1A  IL1RN  IL1R1  IL2RA  IL4  IL6  IL6ST  IL10  IL15  IL16  IL18  IL32  TNF  IFNG  TGFB1  LIF  SOCS3  SOCS4  SOCS5  SOCS6  SOCS7  CISH  CRLF3  CCL5  STAT3  STAT1  TLR4  JAK2  CXCL10  IK  CIAPIN1



                                         E
                                                          PYCARD    High   Low
                                                                  *        *
                                            10.0
                                           Fraction  7.5

                                             5.0
                                             2.5
                                                 IL1A  IL1RN  IL1R1  IL2RA  IL4  IL6  IL6ST  IL10  IL15  IL16  IL18  IL32  TNF  IFNG  TGFB1  LIF  SOCS3  SOCS4  SOCS5  SOCS6  SOCS7  CISH  CRLF3  CCL5  STAT3  STAT1  TLR4  JAK2  CXCL10  IK  CIAPIN1


                   A：Differential expression analysis of cytokines for AIM2. B：Differential expression analysis of cytokines for CHMP4B. C：Differential expression
                analysis of cytokines for NLRC4. D：Differential expression analysis of cytokines for NLRP2. E：Differential expression analysis of cytokines for
                       *
                                **
                PYCARD，P < 0.05 and P < 0.01.
                                                图8 特征基因的细胞因子差异表达分析
                                    Figure 8 Differential expression analysis of cytokines for signature genes


                制尚不明确。因此，本研究试图通过生物信息学分                                本 研 究 最 初 选 择 的 5 个 基 因 是 CHMP4B、
                析来阐明PRG在PCOS和免疫微环境中的作用。此                          PYCARD、NLRP2、NLRC4和AIM2。随后，通过共识
                外，使用与细胞焦亡相关的遗传标记来预测 PCOS                          聚类，确定了PCOS的两个不同亚型，称为Cluster 1和
                亚型。首先，对 PRG 在 PCOS 患者和正常对照中的                      Cluster 2。进一步分析了两个亚型之间的差异表达
                表达和通路进行了分析。在 PCOS 患者中，观察到                         的 PRG，以识别具有显著表达差异的基因簇。与
                PYCARD、AIM2和NOD2基因表达水平显著上调，表                      Cluster 1 相比，Cluster 2 中 PRG 的表达水平显著升
                明这些PRG 可能参与PCOS 的发生发展              ［20-22］ 。这提    高，强调了这一区别的关键作用。研究表明，PCOS
                示细胞焦亡可能在 PCOS 的发病机制中起重要作                          的特征是激素异常，过度刺激免疫系统，导致慢
                用。随后，利用这些PRG建立了4个预测模型，以进                          性低水平炎症，进而导致卵巢功能障碍和代谢紊
                一步研究细胞焦亡和PCOS之间的相互作用。在这                           乱 ［24-25］ 。鉴于慢性低水平炎症在 PCOS 中的突出作
                些模型中，选择 XGB 作为最好的机器学习模型。                          用，本研究比较了不同组间的免疫细胞浸润和细胞
                XGB 是一个并行预测模型，它使用多棵树，并不断                          因子水平。值得注意的是，Cluster 2 表现出较高水
                迭代，在每次迭代时生成更新的树                ［23］ ，使预测值与        平的免疫细胞浸润，这与之前的研究一致，并且在
                真实值密切一致，成为本研究的有效模型。                               各基因组亚型中均观察到这些浸润趋势。此外，
   78   79   80   81   82   83   84   85   86   87   88