摘要
目的： 应用综合生物信息学分析探索帕金森病（PD）的新生物标志物。 方法： 在GEO数据库下载3个PD数据集（内部训练集）并进行合并及预处理。差异分析得到差异表达基因（DEGs），加权基因共表达网络分析(WGCNA)得到显著模块基因，两种分析方法得到的基因取交集得到交集基因。交集基因分析GO和KEGG的富集情况，了解其生物学功能。交集基因进行逐步回归分析选择关键基因，之后多因素逻辑回归分析构建诊断预测模型。然后对内部训练集进行单样本基因集富集分析（ssGSEA），并进一步分析关键基因与免疫细胞和和免疫功能的相关性。对关键基因进行靶向预测miRNA(microRNA)和转录因子(TF)。最后外部验证集验证其结果。 结果： 差异分析得到DEGs共有405个，在WGCNA分析中，鉴定出8个基因模块，将最显著模块中的基因与DEGs取交集得到了19个交集基因。交集基因的功能富集结果主要富集在核转录mRNA聚（A）尾缩短的调节、核转录mRNA分解代谢过程的调节、谷胱甘肽及其衍生物的代谢过程、谷胱甘肽转移酶活性和细胞色素P450的药物代谢及其对外源性物质的代谢。交集基因进行逐步回归分析筛选出5个关键基因，即PNMA3、AEBP1、PABPC1、GCA和GSTM2。多因素逻辑回归分析构建诊断预测模型具有良好分辨力，校正曲线、C指数和AUC值验证良好。ssGSEA分析得出B淋巴细胞（Bcells）和浆细胞样树突状细胞（pDCs）可能是潜在的核心免疫细胞，组织相容性复合体I（MHCclassI）可能是潜在的核心免疫功能。GCA与pDCs具有显著负相关性，PNMA3与Bcells和pDCs也具有显著正相关性。MiRNA‐TF‐mRNA调控网络分析发现GCA被3种miRNA和3种TF靶向调控。PNMA3被7种TF靶向调控。JUN和NFIA可同时调控PNMA3和GCA。 结论： PNMA3、AEBP1、PABPC1、GCA和GSTM2建立的诊断预测模型具有良好的诊断预测能力，Bcells和pDCs可能是PD潜在的核心免疫细胞，MHCclassI可能是PD潜在的核心免疫功能。GCA与pDCs显著负相关，PNMA3与Bcells和pDCs显著正相关，GCA被3种miRNA和3种TF靶向调控，PNMA3被7种TF靶向调控，JUN和NFIA可同时调控PNMA3和GCA。这些关键基因、miRNA和TF也许未来会成为PD的新生物标志物。
NETL