目的 运用机器学习方法鉴定过敏体质诊断标记物和关键免疫细胞,探讨过敏康调节过敏体质的作用机制。方法 分析基因表达综合数据库中多种过敏性疾病患者组成的过敏体质人群相较于正常人群的差异表达基因(DEGs),WGCNA算法用于鉴定过敏体质相关基因,并进行蛋白质-蛋白质相互作用、GSEA、GO与KEGG富集分析。结合机器学习算法(LASSO回归和SVM-RFE)鉴定过敏体质诊断标记物,并运用CIBERSORT鉴定计算22种免疫细胞浸润程度,分析诊断标记物与免疫细胞的相关性。从batmanTCM和TCMSP平台获得过敏康组分中所含活性成分与相关靶点,建立“过敏康-活性成分-过敏体质相关靶点”网络并进行调体机制探索。结果 过敏体质人群相较于正常人群存在360个DEGs,共得到816个过敏体质相关基因(相关系数为-0.47,P<0.001),并集中于上皮细胞功能障碍与补体和凝血级联过程。机器学习得到3个基因可作为过敏体质的诊断标记物,在外部验证中表现出稳定的预测能力,其中以SERPINB2的诊断效能最为稳定。5种免疫细胞在过敏体质中具有差异浸润,其中激活的树突状细胞与肥大细胞浸润上调,差异最为显著(P<0.001),SERPINB2与过敏过程中关键免疫细胞密切相关。过敏康调节过敏体质的核心靶点包括ALDH7A1、EDN1、TGFβ1、TP53、AR等,分子机制主要集中于调节组氨酸代谢、细胞表面受体信号、丝裂原活化蛋白激酶(MAPK)信号通路与过氧化物酶体增殖物激活受体(PPAR)信号通路,关键活性成分(灵芝酸DM、5-O-甲基维斯阿米醇苷)与信号通路的核心靶点(MAPK13、PPARγ)均具有显著结合。结论 SERPINB2为主要的过敏体质诊断标记物,激活的树突状细胞与肥大细胞浸润上调是过敏体质的免疫特征,靶向MAPK与PPAR信号通路以调节免疫细胞通讯是过敏康调体干预过敏体质的潜在机制。
(8.0+极速模式)