简介:摘要目的探讨不稳定型颈动脉粥样硬化斑块的分子标志物并分析其与免疫浸润的相关性。方法通过基因表达综合数据库(GEO)下载颈动脉斑块RNA芯片数据(GSE43292),共纳入64例颈动脉斑块样本(稳定型:32例;不稳定型:32例)。将64例颈动脉斑块(稳定型:32例;不稳定型:32例)的全转录组数据进行加权基因共表达网络分析,采用一致性聚类识别离群样本并运用动态剪切树算法选择网络中的关键模块。应用随机森林、支持向量机与Lasso回归等多种机器学习算法分析模块中的基因与颈动脉粥样硬化不稳定斑块的相关性,采用ROC曲线评价关键基因对不稳定型斑块的预测价值。结果(1)每例样本均得到23 307个基因。加权基因共表达网络分析显示当软阈值为16时符合无尺度网络,2例样本为离群样本,黄色模块与不稳定斑块相关性最高为0.6,共334个基因。(2)分析334个基因与不稳定斑块的相关性:随机森林算法共得到CMPK1、CTP2、KLRD1、PAK1等89个关键基因;Lasso回归算法共得到嗅介蛋白样3(olfactomedin like 3,OLFML3)、DTX3L、DTX3L、SSH2等8个关键基因;支持向量机算法共得到CTP2、OLFML3、NCF2、FHAD1等11个关键基因。(3)肉碱棕榈酰基转移酶2(CPT2)与OLFML3为3种算法的共同关键基因,ROC曲线分析显示,CPT2、OLFML3预测颈动脉粥样硬化不稳定斑块的曲线下面积分别为0.82[95%可信区间(CI):0.71~0.93],0.77(95%CI:0.65~0.89); CPT2与OLFML3共同预测颈动脉粥样硬化不稳定斑块的曲线下面积为0.82 (95%CI:0.72~0.92)。结论CPT2与OLFML3对颈动脉粥样硬化不稳定斑块具有良好的预测价值。