单细胞测序结合机器学习算法揭示心力衰竭病人细胞间通讯及关键调控基因

• 作者: 王学付 饶晋 张立 刘旭雯 张宇峰
• 来源期刊: 中西医结合心脑血管病杂志
• 学科: 医学
• 关键词: 心力衰竭;单细胞测序;机器学习;诊断模型;细胞通讯
• 年，卷（期）: 2025,（4）
• 所属期刊栏目: 医学论著
• 页码范围: 51-64
• 页数: 14页
• 语种: 中文

摘要

目的：基于单细胞测序和机器学习算法构建心力衰竭（HF）的诊断模型，并探索HF病人中细胞间通讯。方法：使用Seurat包对单细胞转录组测序（scRNA-seq）数据质控、降维、聚类和注释。通过AUCell评估各细胞亚群的免疫活性，选择免疫活性最高的细胞亚群进行后续分析。基于批量转录组测序（Bulk RNA-seq）数据，使用limma包筛选差异表达基因并进行基因集富集分析（GSEA）。进一步将疾病分类被作为反应变量，差异基因作为解释变量，通过4种机器学习模型来筛选具有诊断价值的巨噬细胞相关特征基因，并通过受试者工作特征（ROC）曲线评估关键基因的诊断能力。构建列线图预测HF发生的总风险分数。最后使用CellChat来探索细胞亚群之间的细胞间相互作用。结果：与正常样本相比，HF病人中巨噬细胞的比例高于正常样本，且巨噬细胞免疫活性评分最高。巨噬细胞亚群差异基因富集分析表明，白细胞介导的免疫过程和抗原的处理和呈递显著富集。多种机器学习算法相交结果发现SERPINA3、GPAT3、ANPEP和FCGBP可作为特征基因并与巨噬细胞密切相关。ROC曲线表明，诊断模型具有很好的预测能力。细胞通讯发现，由巨噬细胞移动抑制因子（MIF）介导的成纤维细胞-巨噬细胞以及ANNEXIN介导的巨噬细胞-中性粒细胞之间的信号通路表现出复杂的传出和传入动力学。结论：4个关键基因作为生物标志物具有良好的诊断价值。巨噬细胞介导的免疫过程以及细胞间通讯在HF的免疫微环境中起着关键作用。