浏览全部资源
扫码关注微信
基于SVM机器学习筛选多发性骨髓瘤的特征基因及免疫浸润分析
Screening for feature genes and immune infiltration of multiple myeloma: a study based on support vector machine
- 重庆医科大学学报 2025年50卷第1期 页码：135-144
- 作者机构：
重庆医科大学附属第一医院血液科，重庆 400042
- 作者简介：
石 蕾，Email：76433819@qq.com，研究方向：血液系统疾病诊断与治疗。
张红宾，Email：28901228@qq.com 。
- 基金信息：
DOI：10.13406/j.cnki.cyxb.003710
中图分类号： R733.3收稿：2024-05-14，
修回：2024-10-11，
录用：2024-10-27，
纸质出版：2025-01-28
- 稿件说明：
移动端阅览
石蕾,张红宾.基于SVM机器学习筛选多发性骨髓瘤的特征基因及免疫浸润分析[J].重庆医科大学学报,2025,50(1):135-144.
Shi Lei,Zhang Hongbin.Screening for feature genes and immune infiltration of multiple myeloma: a study based on support vector machine[J].Journal of Chongqing Medical University,2025,50(1):135-144.
石蕾,张红宾.基于SVM机器学习筛选多发性骨髓瘤的特征基因及免疫浸润分析[J].重庆医科大学学报,2025,50(1):135-144. DOI： 10.13406/j.cnki.cyxb.003710.
Shi Lei,Zhang Hongbin.Screening for feature genes and immune infiltration of multiple myeloma: a study based on support vector machine[J].Journal of Chongqing Medical University,2025,50(1):135-144. DOI： 10.13406/j.cnki.cyxb.003710.
摘要
目的
2
应用生物信息学技术探究多发性骨髓瘤（multiple myeloma，MM）的遗传异质性以及免疫细胞在其病理生理中发挥的重要调节作用。
方法
2
通过美国国家生物技术信息中心（National Center for Biotechnology Information，NCBI）公共高通量基因表达（gene expression omnibus，GEO）数据库对MM相关的数据集GSE125364、GSE72213采用生物信息学及机器学习等方法筛选MM诊断的关键基因，探索MM差异基因相关通路计算免疫细胞浸润情况，并通过分子生物学实验进行验证。
结果
2
基于公共数据库的多发性骨髓瘤基因芯片数据采用生物信息学方法分析筛选差异基因410个，其中MM患者较对照组下调259个，上调151个。通过GO富集分析发现差异基因主要参与生物学过程包括DNA复制、染色体分离及有丝分裂；细胞定位主要富集在染色体区、纺锤体；分子功能主要富集在单链DNA螺旋酶活性，作用于DNA的催化和依赖ATP的活性等。KEGG通路富集分析显示的主要信号通路包括细胞周期、p53信号通路、细胞衰老和DNA复制等。GSEA分析对照组主要富集细胞周期、DNA复制、嘌呤代谢及核糖体等通路，MM组主要富集脂肪细胞因子信号通路、细胞粘附分子、核糖核酸多聚酶及抗坏血酸和醛酸代谢等通路。通过支持向量机递归特征消除（support vector machine-recursive feature elimination，SVM-RFE）算法筛选出2个MM诊断基因CPXM1和UROD，通过CIBERSORTx进行了免疫浸润分析表明CPXM1和UROD与免疫浸润相关，并通过MM.1S细胞进行了qRT-PCR验证（
P
<
0.05）。
结论
2
采用生物信息学方法能够有效分析MM与正常对照人群差异表达的基因，本次研究筛选出多发性骨髓瘤诊断的关键基因CPXM1和UROD，其表达与免疫浸润相关，可作为后续MM基础和临床实验研究的新靶点。
Abstract
Objective
2
To investigate the genetic heterogeneity of multiple myeloma（MM） and the important regulatory role of immune cells in its pathophysiology by using bioinformatics techniques.
Methods
2
The datasets of GSE125364 and GSE72213 associated with MM were obtained from the gene expression omnibus database of National Center for Biotechnology Information，and bioinformatics and machine learning methods were used to identify the key genes for the diagnosis of MM. Pathways associated with the differentially expressed genes in MM were analyzed to calculate immune cell infiltration，and molecular biology experiments were used for validation.
Results
2
In this study，a total of 410 differentially expressed genes were obtained by the bioinformatics methods based on the gene microarray data of MM from public databases，among which 259 were downregulated and 151 were upregulated in MM patients compared with controls. The gene ontology enrichment analysis showed that the differentially expressed genes were mainly involved in the biological processes such as DNA replication，chromosome segregation，and mitosis； as for cellular localization，they were mainly enriched in chromosomal region and the spindle apparatus； as for molecular function，they were mainly enriched in single-stranded DNA helicase activity，DNA catalysis，and ATP-dependent activity. The KEGG pathway enrichment analysis showed that the main signaling pathways included cell cycle，the p53 signaling pathway，cellular senescence，and DNA replication. The GSEA analysis showed that in the control group，the genes were mainly enriched in cell cycle，DNA replication，purine metabolism，and ribosomes，while in the MM group，the genes were mainly enriched in the adipokine signaling pathway，cell adhesion molecules，ribonucleic acid polymerase，and ascorbate and aldarate metabolism pathways. Two genes，CPXM1 and UROD，were obtained for the diagnosis of MM by support vector machine-recursive feature elimination algorithm，and the immune infiltration analysis via CIBERSORTx showed that CPXM1 and UROD were associated with immune infiltration； qRT-PCR validation was performed in MM.1S cells （
P
<
0.05）.
Conclusion
2
Bioinformatics methods can be used to effectively analyze the differentially expressed genes between MM patients and the normal control population，and the key genes CPXM1 and UROD are obtained for the diagnosis of MM and are associated with immune infiltration，which can be used as new targets for subsequent basic and clinical experimental studies on MM.
关键词
Keywords
references
Cowan AJ ， Green DJ ， Kwok M ， et al . Diagnosis and management of multiple myeloma：a review [J ] . JAMA ， 2022 ， 327 （ 5 ）： 464 - 477 ．
Bazarbachi AH ， Al Hamed R ， Malard F ， et al . Relapsed refractory multiple myeloma：a comprehensive overview [J ] . Leukemia ， 2019 ， 33 （ 10 ）： 2343 - 2357 .
Kumar SK ， Rajkumar SV ， Dispenzieri A ， et al . Improved survival in multiple myeloma and the impact of novel therapies [J ] . Blood ， 2008 ， 111 （ 5 ）： 2516 - 2520 .
Moreau P ， Kumar SK ， Miguel JS ， et al . Treatment of relapsed and refractory multiple myeloma：recommendations from the International Myeloma Working Group [J ] . Lancet Oncol ， 2021 ， 22 （ 3 ）： e105 - e118 .
Arron JR ， Choi Y . Bone versus immune system [J ] . Nature ， 2000 ， 408 （ 6812 ）： 535 - 536 .
Huang BH ， Li J . Advances in the diagnosis and treatment of multiple myeloma [J ] . Zhonghua Xue Ye Xue Za Zhi ， 2018 ， 39 （ 7 ）： 605 - 608 .
Bakhoum SF ， Landau DA . Chromosomal instability as a driver of tumor heterogeneity and evolution [J ] . Cold Spring Harb Perspect Med ， 2017 ， 7 （ 6 ）： a029611 .
Neuse CJ ， Lomas OC ， Schliemann C ， et al . Genome instability in multiple myeloma [J ] . Leukemia ， 2020 ， 34 （ 11 ）： 2887 - 2897 .
Manier S ， Salem KZ ， Park J ， et al . Genomic complexity of multiple myeloma and its clinical implications [J ] . Nat Rev Clin Oncol ， 2017 ， 14 （ 2 ）： 100 - 113 .
Bergsagel PL ， Kuehl WM ， Zhan FH ， et al . Cyclin D dysregulation：an early and unifying pathogenic event in multiple myeloma [J ] . Blood ， 2005 ， 106 （ 1 ）： 296 - 303 .
Maura F ， Petljak M ， Lionetti M ， et al . Biological and prognostic impact of APOBEC-induced mutations in the spectrum of plasma cell dyscrasias and multiple myeloma cell lines [J ] . Leukemia ， 2018 ， 32 （ 4 ）： 1043 - 1047 .
Walker BA ， Mavrommatis K ， Wardell CP ， et al . A high-risk，Double-Hit，group of newly diagnosed myeloma identified by genomic analysis [J ] . Leukemia ， 2019 ， 33 （ 1 ）： 159 - 170 .
Chang YT ， Chiu I ， Wang QJ ， et al . Loss of p 53 enhances the tumor-initiating potential and drug resistance of clonogenic multiple myeloma cells [J ] . Blood Adv ， 2023 ， 7 （ 14 ）： 3551 - 3560 .
Kuilman T ， Peeper DS . Senescence-messaging secretome：SMS-ing cellular stress [J ] . Nat Rev Cancer ， 2009 ， 9 （ 2 ）： 81 - 94 .
Acosta JC ， Gil J . Senescence：a new weapon for cancer therapy [J ] . Trends Cell Biol ， 2012 ， 22 （ 4 ）： 211 - 219 .
Fairfield H ， Dudakovic A ， Khatib CM ， et al . Myeloma-modified adipocytes exhibit metabolic dysfunction and a senescence-associated secretory phenotype [J ] . Cancer Res ， 2021 ， 81 （ 3 ）： 634 - 647 .
Liu H ， He J ， Koh SP ， et al . Reprogrammed marrow adipocytes contribute to myeloma-induced bone disease [J ] . Sci Transl Med ， 2019 ， 11 （ 494 ）： eaau9087 .
Sapio MR ， Fricker LD . Carboxypeptidases in disease：insights from peptidomic studies [J ] . Proteomics Clin Appl ， 2014 ， 8 （ 5/6 ）： 327 - 337 .
Kim YH ， O’Neill HM ， Whitehead JP . Carboxypeptidase X-1 （CPX-1） is a secreted collagen-binding glycoprotein [J ] . Biochem Biophys Res Commun ， 2015 ， 468 （ 4 ）： 894 - 899 .
Kim YH ， Barclay JL ， He JJ ， et al . Identification of carboxypeptidase X（CPX）-1 as a positive regulator of adipogenesis [J ] . FASEB J ， 2016 ， 30 （ 7 ）： 2528 - 2540 .
Zheng MJ ， Long JY ， Chelariu-Raicu A ， et al . Identification of a novel tumor microenvironment prognostic signature for advanced-stage serous ovarian cancer [J ] . Cancers ， 2021 ， 13 （ 13 ）： 3343 .
Mao XH ， Ye Q ， Zhang GB ， et al . Identification of differentially methylated genes as diagnostic and prognostic biomarkers of breast cancer [J ] . World J Surg Oncol ， 2021 ， 19 （ 1 ）： 29 .
Chen Y ， Li ZY ， Zhou GQ ， et al . An immune-related gene prognostic index for head and neck squamous cell carcinoma [J ] . Clin Cancer Res ， 2021 ， 27 （ 1 ）： 330 - 341 .
Wang YH ， Lin CC ， Yao CY ， et al . A 4-gene leukemic stem cell score can independently predict the prognosis of myelodysplastic syndrome patients [J ] . Blood Adv ， 2020 ， 4 （ 4 ）： 644 - 654 .
Kumar A ， Bandapalli OR ， Paramasivam N ， et al . Familial Cancer Variant Prioritization Pipeline version 2（FCVPPv2） applied to a papillary thyroid cancer family [J ] . Sci Rep ， 2018 ， 8 ： 11635 .
Tian LY ， Long F ， Hao YJ ， et al . A cancer associated fibroblasts-related six-gene panel for anti-PD-1 therapy in melanoma driven by weighted correlation network analysis and supervised machine learning [J ] . Front Med ， 2022 ， 9 ： 880326 .
Ito E ， Yue SJ ， Moriyama EH ， et al . Uroporphyrinogen decarboxylase is a radiosensitizing target for head and neck cancer [J ] . Sci Transl Med ， 2011 ， 3 （ 67 ）： e3001922 .
0
浏览量
6
下载量
0
CSCD
- 网络PDF下载
- WORD下载
- Meta-XML下载
- BibTeX下载
- Endnote下载
- RefMan 下载
- NoteExpress下载
- NoteFirst下载
关联资源
相关文章
相关作者
相关机构
- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
