如果您对临床生信有兴趣，请为sun点点关注，生信文献汇持续分享生信文献和思路~如果您需要定制化服务，欢迎扫码联系~
文章标题：Analysis and validation of diagnostic biomarkers and immune cell infiltration characteristics in pediatric sepsis by integrating bioinformatics and machine learning
中文标题：通过整合生物信息学和机器学习，分析和验证儿科脓毒症的诊断生物标志物和免疫细胞浸润特征
发表期刊：World Journal of Pediatrics
发表时间：2023年3月
影响因子：6.1/Q1
小儿脓毒症是一种复杂的疾病，其特征是由于儿童宿主对感染的反应失调而导致的危及生命的器官衰竭。大多数死于脓毒症的儿童患有难治性休克和/或多器官功能障碍综合征，许多儿童在治疗的前 48-72 小时内死亡 。为了最大限度地提高脓毒症患儿的预后，早期发现、充分复苏和护理至关重要。
研究方法
首先，我们使用 R 程序找到差异表达基因 （DEGs），然后进行基因集富集分析。随后，将 DEGs 与使用加权基因共表达网络选择的主要模块基因相结合。通过使用三种机器学习算法来识别枢纽基因：随机森林、支持向量递归特征消除以及最小绝对收缩和选择运算符。采用受试者工作特征曲线和列线图模型验证 hub 基因的鉴别度和效能。此外，通过估计 RNA 转录物的相对亚群 （CIBERSORT），使用细胞类型鉴定评估儿科脓毒症的炎症和免疫状态。进一步研究了诊断标志物与浸润免疫细胞之间的关系。
结果分析
1. 诊断标志物的筛查和验证
通过利用维恩图比较 DEGs 和关键模块基因的重叠区域，我们能够识别出 402 个重叠的基因区域，使用三种机器学习算法来识别特征基因：SVM-RFE;RF 与特征选择相结合用于确定错误率、分类树的数量和 18 个基因（按相对相关性降序排列）之间的联系。
2. 小儿脓毒症诊断的枢纽基因
我们使用rms包，开发了基于标志性基因 CYSTMI1、MMP8 和 CD177 诊断儿科脓毒症的列线图模型。AUC 分别为 0.988、0.973 和 0.986，CYSTM1、MMP8 和 CD177 的 ROC 曲线表明它们作为有价值的生物标志物的可能性，表明生物标志物具有较高的预测值准确性。
3. 免疫细胞浸润评估
采用 CIBERSORT 算法，与正常样本相比，儿科脓毒症样本通常含有较高比例的单核细胞、M0 巨噬细胞、M1 巨噬细胞、M2 巨噬细胞、静息肥大细胞、活化肥大细胞、嗜酸性粒细胞和中性粒细胞，幼稚 B 细胞、CD8+ T 细胞、静息 CD4+ 记忆 T 细胞、活化的 CD4+ 记忆 T 细胞、Trges、静息 NK 细胞、活化的 NK 细胞和静息树突状细胞的比例相对较低 。
4. 中心基因与浸润组织的免疫细胞之间存在关联
根据相关性分析的结果，CYSTM1、MMP8 和 CD177 与多种免疫细胞表现出显着程度的联系。
文章小结
文章以402 个重叠基因作为儿科脓毒症诊断指标，对 CYSTM1 、 MMP8 和 CD177 进行了调查，并在验证集中显示出统计学显着差异和诊断效能。免疫细胞浸润分析表明，多个免疫细胞可能参与儿科脓毒症的发展。我们的研究可以为儿科脓毒症患者提供潜在的外周血诊断候选基因。（对文章研究思路感兴趣的老师，欢迎扫码与sun一起交流）
