需要JoVE订阅才能观看此内容。 请登录或开始免费试用

研究文章

生物信息学与机器学习鉴定肺动脉高压生物标志物及候选治疗化合物

113 次观看

⸱

DOI：

10.3791/73519

⸱

2026年8月25日

 ,  , 
1College of Biological and Food Engineering, Huaihua University

本文内容

摘要

本文介绍了一种可重复的生物信息学工作流程，该流程整合了公共转录组数据集、机器学习、外部验证、定量反转录PCR、Connectivity Map筛选和分子对接技术，用于鉴定肺动脉高压的生物标志物及候选治疗化合物。

摘要

本研究旨在利用公共转录组数据和独立验证资源，鉴定与肺动脉高压（PH）相关的分子生物标志物及候选小分子化合物。在进行标准化、探针注释和ComBat批次效应校正后，整合了三个基因表达综合数据库（GSE22356、GSE33463和GSE48149）。通过差异表达分析、加权基因共表达网络分析、功能富集分析、蛋白质-蛋白质相互作用网络分析以及三种机器学习算法，识别核心特征基因。采用受试者工作特征曲线评估诊断效能。外部验证包括一个独立的肺组织队列（GSE117261）、一个肺动脉单细胞RNA测序数据集（GSE210248），以及在独立肺组织样本中进行的定量反转录PCR验证。基于Connectivity Map的药物重定位分析和分子对接用于筛选候选化合物。共鉴定出78个差异表达基因，筛选出CXCL10、JUN、IFIH1、MX1和TLR7作为核心特征基因。在独立的GSE117261肺组织队列中，JUN获得最强的外部支持，而其他基因的重复验证结果存在差异。在20个生物学独立的肺动脉高压样本和20个对照样本中进行的定量反转录PCR证实，这五个基因均显著上调。五基因qRT-PCR模型在训练集中以及经过100次重复分层五折交叉验证分析均获得曲线下面积为1.000的结果，但因样本量较小，需谨慎解读，尚需独立的前瞻性验证。对GSE210248数据集的单细胞分析支持免疫细胞与结构细胞间通讯异常以及平滑肌细胞表型转换的假说。在Connectivity Map筛选中，BRD-K91900765/VX-745得分最高。将其已知的药理学靶点MAPK14/p38α作为阳性对照对接蛋白，而针对五个生物标志物相关蛋白的对接则视为探索性分析。上述研究结果支持这五个基因为候选的PH生物标志物，同时提出VX-745作为需实验验证的计算性药物重定位假说。

引言

肺动脉高压（PH）是一种进行性心肺综合征，其特征是肺动脉压力持续升高、肺血管阻力增加，并最终导致右心室衰竭。目前的血流动力学标准将PH定义为：在静息状态下，通过右心导管检查测得的平均肺动脉压>20 mmHg1。在不同的临床亚型中，肺动脉高压（PAH）是最严重的形式之一，其特征是进行性的肺血管重构。其病理特征包括内皮功能障碍、肺动脉平滑肌细胞异常增殖与迁移、外膜成纤维细胞活化、细胞外基质沉积、炎性细胞浸润，以及远端肺动脉的狭窄或闭塞2。这些改变表明，PH/PAH不仅是一种血管收缩障碍性疾病，更是一种由分子、细胞及免疫-炎症机制共同驱动的复杂性血管重构疾病。

目前，肺动脉高压（PAH）的治疗主要靶向前列环素、内皮素、一氧化氮-可溶性鸟苷酸环化酶以及5型磷酸二酯酶通路3˒4。尽管这些治疗方法可改善症状、运动耐量和血流动力学参数，但其作用仍主要局限于血管扩张和血流动力学效应。它们对已形成的肺血管重构的逆转能力有限，许多患者即使接受联合治疗，疾病仍持续进展。因此，识别能够反映血管重构过程的新型分子生物标志物和潜在治疗靶点，已成为尚未满足的重要临床需求。特别是免疫-炎症激活、干扰素相关信号通路、Toll样受体通路、趋化因子介导的免疫细胞募集以及平滑肌细胞表型转换，已被认为可能参与肺动脉高压（PH/PAH）的疾病进展5˒6。

高通量转录组数据集为识别肺动脉高压（PH/PAH）相关分子特征提供了宝贵的资源。然而，基于单一数据集的研究常受限于样本量小、批次效应、平台异质性以及验证不足等问题。差异表达分析能够识别表达改变的基因，但可能无法充分捕捉与疾病相关的共表达模块或网络层面的相互作用。加权基因共表达网络分析（WGCNA）可用于鉴定与疾病特征相关的基因模块，而蛋白质-蛋白质相互作用（PPI）网络分析则可揭示生物网络中高度连接的基因。机器学习方法也可用于优先筛选具有诊断或分类价值的基因。然而，依赖单一算法可能引入模型特异性偏差。因此，整合差异表达分析、WGCNA、PPI 网络分析以及多种机器学习算法，有望提高生物标志物发现的稳健性。

转录组学生物标志物研究的另一个主要挑战是生物学意义的解读。组织整体信号可能反映了血管固有细胞内基因表达的变化、免疫细胞浸润，或多种细胞群体比例的改变。单细胞RNA测序为将来自组织整体分析的候选基因置于具体的细胞背景下提供了机会。在肺动脉高压（PH/PAH）中，肺血管重构涉及内皮细胞、平滑肌细胞、成纤维细胞、单核细胞/巨噬细胞、淋巴细胞以及其他免疫或结构细胞。疾病进展还与细胞间通讯的改变以及平滑肌细胞表型转换相关。因此，将组织整体转录组筛查与单细胞验证相结合，有助于确定候选生物标志物是否与免疫激活、血管结构重塑或多细胞通讯失衡相关。

除了生物标志物的发现外，转录组特征还可用于计算药物重定位。连接图谱（Connectivity Map，CMap）将疾病相关的基因表达谱与可能逆转或调节这些特征的小分子联系起来7。当该方法与化合物筛选及分子对接相结合时，可生成可进行实验验证的治疗假说。尽管CMap预测和分子对接无法确定药物的有效性，但它们能够优先筛选出候选化合物，用于后续的靶点结合实验、基于细胞的实验以及动物模型验证。

本研究建立了一种整合性且可重复的工作流程，用于鉴定肺动脉高压（PH/PAH）的生物标志物及潜在治疗化合物。研究整合了三个公开的基因表达综合数据库（Gene Expression Omnibus）转录组数据集，并在标准化和批次效应校正后进行分析。通过差异表达分析、加权基因共表达网络分析（WGCNA）、功能富集分析、蛋白质-蛋白质相互作用（PPI）网络分析以及三种机器学习算法，筛选出稳定的特征基因。进一步采用受试者工作特征曲线分析、独立的肺组织验证队列、肺动脉单细胞RNA测序证据，以及在独立样本中进行的定量反转录PCR验证，对所选基因进行评估。最后，应用基于CMap的药物重定位分析和分子对接技术，鉴定潜在化合物。本研究的创新之处在于其多层次的验证框架，将群体转录组学发现、机器学习优先排序、独立验证、实验性定量反转录PCR确认、单细胞水平的机制解读以及计算化合物筛选有机结合。本研究的假设是，PH/PAH由协调的免疫-炎症反应与血管重塑程序共同驱动，该程序中的稳定基因可能作为候选生物标志物，并为药物重定位提供机会。

访问受限。请登录或开始试用以查看此内容。

方案

本研究分析的公共基因表达综合数据库（Gene Expression Omnibus，GEO）数据集包含来自先前已发表研究的去标识转录组数据，无需额外的伦理审批。怀化学院伦理委员会批准了独立的人类肺组织定量逆转录聚合酶链式反应（qRT-PCR）验证研究（批准号：2024(A05112)）。在样本采集前，已从所有参与者或其法定授权代表处获得书面知情同意。该批准和知情同意程序适用于qRT-PCR验证中所包含的20例肺动脉高压（PAH）患者和20例对照肺组织样本。本实验方案所用的研究工具列于材料表中。

1. 公共转录组数据集的收集与预处理

与肺动脉高压（PH）相关的微阵列数据集 GSE22356、GSE33463 和 GSE48149 从 GEO 数据库中获取。根据原始表型注释提取了 PH/肺动脉高压（PAH）和对照样本。使用可重复的 R 脚本和 GEOquery 软件包下载了表达矩阵和平台注释文件。

在各数据集中一致地进行了探针注释和基因符号映射。当多个探针对应同一基因时，计算其平均表达值。采用分位数归一化方法，并去除低表达或低变异度的基因。合并数据集后，使用 sva 软件包中的 ComBat 算法校正批次效应8。通过箱线图和主成分分析对校正效果进行评估。

2. 差异表达基因的鉴定

采用limma软件包对批次校正后的表达矩阵中肺动脉高压（PH）样本与对照样本之间的表达水平进行比较9。拟合线性模型并应用经验贝叶斯统计方法。差异表达基因的定义标准为校正后的P值<0.05且绝对log2倍数变化>0.585。结果通过火山图和热图进行可视化展示。

3. 加权基因共表达网络构建

使用WGCNA软件包构建加权基因共表达网络10。通过样本聚类检测离群值。根据无标度拓扑拟合指数选择软阈值幂参数。采用动态树剪切算法识别基因模块。将模块特征基因与肺动脉高压（PH）表型进行相关性分析，并选取与疾病相关性最强的模块。将关键模块中的基因与差异表达基因取交集，以获得共识基因。

4. 功能富集分析

使用 clusterProfiler 分析基因本体论的生物过程、细胞组分和分子功能类别11。通过京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes）通路富集分析鉴定信号通路12。以 P 值 < 0.05 和 q 值 < 0.2 作为富集阈值，富集的条目通过气泡图进行可视化展示11。

5. 蛋白质-蛋白质相互作用网络构建与枢纽基因鉴定

将共识基因列表提交至 STRING 数据库，选择物种为 Homo sapiens，相互作用置信度阈值设为 > 0.413。将相互作用文件导入 Cytoscape，利用 CytoHubba 插件根据节点度对基因进行排序。将连接度较高的基因定义为枢纽基因。

6. 使用机器学习选择诊断特征基因

应用了三种独立的特征选择算法。首先，使用 glmnet 软件包进行最小绝对收缩与选择算子（LASSO）逻辑回归分析，并通过 10 折交叉验证识别具有非零系数的基因14。其次，采用支持向量机递归特征消除法，去除冗余特征，并选择交叉验证准确率最高的特征子集15。第三，构建随机森林模型，并根据基尼不纯度平均减少量对特征进行排序16。将三种算法所得基因集合的交集作为最终的核心特征基因集合。使用 pROC 软件包绘制受试者工作特征曲线，并计算曲线下面积值17。

7. 使用独立的批量和单细胞数据集验证核心基因

GSE117261 被用作一个独立的外部肺组织验证队列，包含 58 个肺动脉高压（PAH）样本和 25 个失败供体对照样本18。该数据集未用于发现阶段的差异表达分析、加权基因共表达网络构建或机器学习特征筛选。表达矩阵经过标准化和注释，并使用 limma v3.68.0 进行差异表达分析。在整个注释转录组范围内应用了 Benjamini-Hochberg 法进行假发现率校正。单基因受试者工作特征（ROC）曲线使用 pROC v1.19.0.1 计算，采用 DeLong 95% 置信区间和 Youden 指数确定截断值。在 GSE117261 中拟合了一个探索性的五基因逻辑回归模型，并通过重复嵌套交叉验证进一步评估其内部性能。

GSE210248（表1）被用作单细胞肺动脉验证数据集，包含来自3名肺动脉高压（PAH）患者和3名健康供体的样本19。使用Seurat v5.5.1对数据进行质控、标准化、降维、聚类和细胞注释20。鉴定出主要的细胞群体，包括内皮细胞、平滑肌细胞、成纤维细胞、单核细胞/巨噬细胞以及T细胞/自然杀伤细胞。采用CellChat v2.1.2及CellChatDB.human配体-受体数据库分析细胞间通讯21。基于标准化的Seurat表达矩阵和细胞类型元数据构建CellChat对象。识别出高表达基因及配体-受体相互作用；计算通讯概率；剔除涉及少于10个细胞的细胞群的相互作用；推断并汇总通路水平的通讯网络。该数据集仅用于外部机制验证，不用于模型训练。

项目描述
数据集GSE210248
数据类型10x Genomics/基于微滴的单细胞RNA测序；高通量转录组分析
人源样本三个肺动脉高压（PAH）肺动脉样本和三个健康供体肺动脉样本
组织来源离体肺动脉组织，主要反映肺血管壁的细胞生态及血管重塑过程
主要分析目的细胞类型定位、平滑肌细胞表型转换、免疫-结构细胞间通讯以及候选基因机制一致性的验证

表1：GSE210248单细胞验证数据集的基本信息。 该表格总结了单细胞肺动脉验证分析的数据集登录号、测序平台、组织来源、样本组成及分析目的。

8. 通过qRT-PCR验证基因表达

qRT-PCR 验证包括来自肺动脉高压（PH/PAH）患者的 20 个生物学独立的肺组织样本和 20 个生物学独立的对照肺组织样本。使用总 RNA 提取试剂盒提取总 RNA。采用分光光度计测定 RNA 浓度和纯度，并通过琼脂糖凝胶电泳评估 RNA 完整性。仅纳入 A260/280 值在 1.8 至 2.1 之间且无可见降解的 RNA 样本。

使用Solarbio Universal RT-PCR试剂盒（AMV；货号RP1200）将等量的RNA逆转录为互补DNA。采用SYBR Green PCR Master Mix在实时PCR系统上对CXCL10、JUN、IFIH1、MX1和TLR7进行定量PCR检测。每个生物学样本均设置三个技术重复，并同时设置无模板对照和无逆转录对照。后续分析采用三个技术重复的平均Ct值；技术重复不视为独立观测值。引物跨外显子-外显子连接区设计，扩增产物长度为80–200 bp（表2）。引物特异性通过NCBI Primer-BLAST和熔解曲线分析验证22。

采用β-肌动蛋白（ACTB）作为内参基因，对目标基因的表达水平进行标准化。相对表达量通过2-ΔΔCt法计算23。根据数据分布情况，组间比较采用双侧Mann-Whitney U检验，并对五个基因进行Benjamini-Hochberg错误发现率校正。单基因ROC曲线使用DeLong法计算95%置信区间，并利用Youden指数选择最佳截断值。五基因逻辑回归模型首先在同一组40个生物学样本上进行拟合和评估；因此，该估计值被定义为样本内表观性能。为评估潜在的过拟合情况，采用L2正则化的逻辑回归模型对数据进行100次分层五折交叉验证，并计算各折外ROC性能的汇总结果。

基因RefSeq 登录号正向引物 (5′–3′)反向引物 (5′–3′)产物大小 (bp)Tm (°C)跨外显子
CXCL10NM_001565.4GTCAAGCCAT
AATTGTTC		ATAGTGCCAG
GGTAGAGT		14146.1是
JUNNM_002228.4ACAAGTGGCA
GAGTCCCG		CGCCCAAGTT
CAACAACC		15254.5是
IFIH1NM_022168GCACAGAGCG
GTAGACCCT		GCCCTGAAGC
ACGAGATG		18254.7是
MX1NM_002462.5TTAGCCGTGG
TGATTTAGC		CAAGGTGGAG
CGATTCTG		15652.3是
TLR7NM_016562.4ATTGCCCTCGT
TGTTATA		TTCCTGGAGTT
TGTTGAT		17948.1是
ACTBNM_001101.3CTCACCATGGAT
GATGATATCGC		AGGAATCCTTCT
GACCCATGC		19456.2是

表2：用于定量反转录PCR的引物序列。 该表格列出了用于qRT-PCR的引物所针对的目标基因、RefSeq登录号、正向与反向引物序列、产物大小、熔解温度以及是否跨越外显子的信息。

9. 候选化合物筛选与分子对接

将上调和下调的核心基因特征提交至 Connectivity Map 数据库，以鉴定可逆转肺动脉高压相关表达谱的小分子7。候选分子根据 Logit 评分和预测概率进行排序。

BRD-K91900765/VX-745 的三维结构来自 PubChem，CID 为 303852524。化合物相关的药理学信息来自公共药物数据库，结构描述符使用 DrugBank 和 SwissADME 计算获得25,26。蛋白质结构来自 RCSB 蛋白质数据库，使用的 PDB 编号如下：CXCL10，1LV9；JUN，1JUN；IFIH1，3B6E；MX1，5GTM；TLR7，7CYN；以及 MAPK14/p38α，1OUK27。盲腔检测和分子对接采用 CB-Dock2 v2.0 并结合 AutoDock Vina v1.2.0 评分引擎完成28,29。将蛋白质和配体文件上传至 CB-Dock2，系统自动检测候选结合腔，并在服务器生成的特定腔体对接框内进行对接。针对每种蛋白质，记录了腔体编号、Vina 评分、腔体体积、对接框中心位置、对接框尺寸以及蛋白质-配体复合物文件。选择 Vina 评分最负的构象作为排名最高的预测构象。MAPK14/p38α 被纳入作为 VX-745 已知的药理学靶点及阳性对照对接蛋白。对 CXCL10、JUN、IFIH1、MX1 和 TLR7 的对接属于探索性分析，不解释为对这些靶点存在直接药理作用、结合、抑制或功效的证据。

10. 统计分析与可重复性控制

所有统计分析均在 R 中进行，除非另有说明。双侧 P 值 < 0.05 被视为具有统计学显著性。如上所述，对差异表达、富集分析、外部验证和qRT-PCR分析均进行了多重检验校正。采用交叉验证评估机器学习模型及联合qRT-PCR模型的稳定性。

访问受限。请登录或开始试用以查看此内容。

结果

公共转录组数据预处理与差异表达基因鉴定

对GSE22356、GSE33463和GSE48149数据集进行整合及ComBat校正后，降低了各数据集之间的系统性差异。箱线图显示，校正后样本的表达分布更加一致。主成分分析表明，校正前样本主要按数据集来源聚类，而校正后样本的聚类趋于混合，说明批次效应得到了有效消除（图1）。

使用绝对 log2 倍数变化的阈值 >0.585 和校正后的 P 值 < 0.05，共鉴定出78个差异表达基因，包括44个上调基因和34个下调基因（图2A）。热图显示，与干扰素相关的基因，包括 XAF1、MX1、IFI44L、EPSTI1、PARP9、IFIH1、CXCL10、GBP1、STAT1、SAMHD1、TNFSF10 和 TLR7，在与肺动脉高压（PH）相关的样本中普遍上调。相比之下，与红细胞生成相关的基因，包括 HBG1、HBD、ALAS2...

访问受限。请登录或开始试用以查看此内容。

讨论

本研究建立了一种整合性且可重复的工作流程，通过整合公共转录组学数据、加权基因共表达网络分析、功能富集分析、蛋白质-蛋白质相互作用网络分析、三种机器学习算法、外部验证、单细胞转录组学解析、定量反转录PCR验证、Connectivity Map筛选以及分子对接技术，系统性地识别与肺动脉高压（PH/PAH）相关的分子生物标志物及潜在治疗化合物。CXCL10、JUN、IFIH1、MX1和TLR7被一致优先识别为核心特征基因，并共同映射到一个与免疫炎症反应及干扰素相关通路的分子轴。这些发现支持以下观点：PH/PAH不仅是一种血流动力学障碍性疾病，更是一种复杂的血管重塑疾病，涉及免疫激活、炎症信号传导、先天性核酸感知以及结构和细胞表型的改变2,5,6。

五种基因的诊断潜力得到了多种算法特征筛选和发现队列ROC分析的支持。在GSE117261中的独立验证结果呈现异质性而非一致性：JUN达到了预设的FDR和AUC...

访问受限。请登录或开始试用以查看此内容。

披露

作者声明无竞争利益。

致谢

本研究由湖南省创新省份建设项目（编号：2022JJ30465）资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
2× SYBR Green PCR Mastermix北京索莱宝科技有限公司 & 有限公司目录号 SR1110基于染料的定量实时PCR扩增与荧光检测
AI21.msvmRFE.R 和 e1071自定义 R 脚本，使用 CRAN e1071 包AI21.msvmRFE.R；e1071 v1.7-17支持向量机-递归特征消除
琼脂糖北京索莱宝科技有限公司 & 有限公司目录号 A8201；CAS 9012-36-6通过琼脂糖凝胶电泳评估总RNA完整性
琼脂糖凝胶电泳装置北京六一生物科技有限公司Model DYCZ-24DNRNA完整性电泳评估
AutoDock Vina 评分引擎斯克里普斯研究所计算结构生物学中心v1.2.0；RRID：SCR_011958CB-Dock2 工作流程中的蛋白质-配体构象评分
CB-Dock2曹实验室，CB-Dock2 网络服务器v2.0；访问时间：2026年7月盲腔检测及VX-745与选定蛋白质结构的分子对接
CellChatCellChat R 软件包v2.1.2从单细胞表达矩阵推断与可视化细胞间通讯
CellChatDB.human随 CellChat R 软件包分发CellChatDB.human；分泌信号通路子集；最小细胞数阈值 = 10用于 CellChat 的人类配体-受体相互作用数据库
clusterProfilerBioconductor R 软件包v4.20.0；Bioconductor 版本 3.23基因本体论与京都基因与基因组百科全书富集分析
连接图谱（Connectivity Map，CMap/CLUE）布罗德研究所L1000/CLUE 资源；RRID: SCR_016204；2026年7月访问计算药物重定位分析
定制寡核苷酸引物北京索莱宝科技有限公司 & 有限公司定制合成；引物序列见表2ACTB、CXCL10、JUN、IFIH1、MX1 和 TLR7 的扩增
cytoHubbaCytoscape 应用商店v0.1基于度的蛋白质相互作用网络中枢纽基因排序
CytoscapeCytoscape 联盟v3.10.4；RRID：SCR_003032蛋白质-蛋白质相互作用网络的可视化与分析
DrugBankDrugBank 知识库v6.0；RRID：SCR_002700化合物鉴定与药理学信息整理
凝胶成像系统北京六一生物科技有限公司Model WO-9413B琼脂糖凝胶RNA完整性结果的可视化与记录
基因表达综合数据库（GEO）国家生物技术信息中心GSE22356、GSE33463、GSE48149、GSE117261 和 GSE210248；RRID: SCR_005012获取批量和单细胞转录组数据集
GEOqueryBioconductor R 包v2.80.0；Bioconductor 版本 3.23GEO表达数据与表型数据的程序化下载与导入
glmnetCRAN R 软件包v5.0最小绝对收缩与选择算子逻辑回归及正则化逻辑建模
limmaBioconductor R 软件包v3.68.0；Bioconductor 版本 3.23；RRID: SCR_010943差异表达分析与经验贝叶斯统计
NanoDrop 分光光度计赛默飞世尔科技NanoDrop ND-1000；软件 v3.8RNA浓度及A260/280、A260/230纯度比值的测定
NCBI 引物-BLAST国家生物技术信息中心网络工具；RRID: SCR_003095；访问时间：2026年7月引物特异性验证
pROCCRAN R 软件包v1.19.0.1；RRID: SCR_024286受试者工作特征曲线分析、DeLong 置信区间和 Youden 指数截断值
蛋白质数据库（PDB）RCSB 蛋白质数据库CXCL10：1LV9；JUN：1JUN；IFIH1：3B6E；MX1：5GTM；TLR7：7CYN；MAPK14/p38α: 1OUK; RRID: SCR_012820实验测定蛋白质结构的获取及其在分子对接中的应用
PubChem国家生物技术信息中心PubChem CID 3038525；RRID：SCR_004284BRD-K91900765/VX-745 三维结构及化学标识符的获取
RR 统计计算基金会v4.6.1；RRID：SCR_001905统计计算、数据处理、机器学习与可视化
randomForestCRAN R 软件包v4.7-1.2随机森林特征选择与变量重要性排序
实时荧光定量PCR系统Stratagene，现为 Agilent TechnologiesMx3000P 实时荧光定量 PCR 系统qRT-PCR 扩增、荧光采集、熔解曲线分析和 Ct 值导出
SeuratCRAN R 软件包；Satija 实验室v5.5.1；RRID：SCR_016341单细胞RNA测序质量控制、标准化、降维、聚类与注释
STRINGSTRING 联盟v12.0；RRID：SCR_005223蛋白质-蛋白质相互作用网络构建
sva（ComBat）Bioconductor R 软件包v3.60.0；Bioconductor 版本 3.23校正数据集间的批次效应
SwissADME瑞士生物信息学研究所网络服务器；访问时间：2026年7月类药性、理化性质及ADME预筛
总RNA提取试剂盒北京索莱宝科技有限公司 & 有限公司目录号 R1200从肺组织样本中提取和纯化总RNA
通用RT-PCR试剂盒（AMV）北京索莱宝科技有限公司 & 有限公司目录号 RP1200总RNA逆转录为互补DNA
WGCNACRAN R 软件包v1.74加权基因共表达网络构建与模块-性状分析

参考文献

  1. Simonneau G, et al. Haemodynamic definitions and updated clinical classification of pulmonary hypertension. Eur Respir J. 2019;53(1):1801913. doi: 10.1183/13993003.01913-2018.
  2. Rabinovitch M, Guignabert C, Humbert M, Nicolls MR. Inflammation and immunity in the pathogenesis of pulmonary arterial hypertension. Circ Res. 2014;115(1):165–175.
  3. Humbert M, et al. 2022 ESC/ERS Guidelines for the diagnosis and treatment of pulmonary hypertension. Eur Heart J. 2022;43(38):3618–3731.
  4. Galiè N, et al. 2015 ESC/ERS Guidelines for the diagnosis and treatment of pulmonary hypertension. Eur Respir J. 2015;46(4):903–975.
  5. Soon E, et al. Elevated levels of inflammatory cytokines predict survival in idiopathic and familial pulmonary arterial hypertension. Circulation. 2010;122(9):920–927.
  6. George PM, et al. Evidence for the involvement of type I interferon in pulmonary arterial hypertension. Circ Res. 2014;114(4):677–688.
  7. Subramanian A, et al. A next-generation Connectivity Map: L1000 platform and the first 1,000,000 profiles. Cell. 2017;171(6):1437–1452.e17.
  8. Leek JT, et al. The sva package for removing batch effects and other unwanted variation in high-throughput experiments. Bioinformatics. 2012;28(6):882–883.
  9. Ritchie ME, et al. limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Res. 2015;43(7):e47. doi: 10.1093/nar/gkv007.
  10. Langfelder P, Horvath S. WGCNA: an R package for weighted correlation network analysis. BMC Bioinformatics. 2008;9:559. doi: 10.1186/1471-2105-9-559.
  11. Yu G, Wang LG, Han Y, He QY. clusterProfiler: an R package for comparing biological themes among gene clusters. OMICS. 2012;16(5):284–287.
  12. Kanehisa M, Goto S. KEGG: Kyoto Encyclopedia of Genes and Genomes. Nucleic Acids Res. 2000;28(1):27–30.
  13. Szklarczyk D, et al. The STRING database in protein–protein association networks and functional enrichment analyses for any sequenced genome of interest. Nucleic Acids Res. 2023;51(D1):D638–D646.
  14. Friedman J, Hastie T, Tibshirani R. Regularization paths for generalized linear models via coordinate descent. J Stat Softw. 2010;33(1):1–22.
  15. Guyon I, Weston J, Barnhill S, Vapnik V. Gene selection for cancer classification using support vector machines. Mach Learn. 2002;46:389–422.
  16. Breiman L. Random forests. Mach Learn. 2001;45(1):5–32.
  17. Robin X, et al. pROC: an open-source package for R and S+ to analyze and compare ROC curves. BMC Bioinformatics. 2011;12:77. doi: 10.1186/s12859-011-0077-8.
  18. Stearman RS, et al. Systems analysis of the human pulmonary arterial hypertension lung transcriptome. Am J Respir Cell Mol Biol. 2019;60(6):637–649.
  19. Crnkovic S, et al. Single-cell transcriptomics reveals skewed cellular communication and phenotypic shift in pulmonary artery remodeling. JCI Insight. 2022;7(20):e153471. doi: 10.1172/jci.insight.153471.
  20. Hao Y, et al. Integrated analysis of multimodal single-cell data. Cell. 2021;184(13):3573–3587.e29.
  21. Jin S, et al. Inference and analysis of cell–cell communication using CellChat. Nat Commun. 2021;12(1):1088. doi: 10.1038/s41467-021-21246-9.
  22. Bustin SA, et al. MIQE 2.0: revision of the Minimum Information for Publication of Quantitative Real-Time PCR Experiments guidelines. Clin Chem. 2025;71(6):634–651.
  23. Livak KJ, Schmittgen TD. Analysis of relative gene expression data using real-time quantitative PCR and the 2−ΔΔCt method. Methods. 2001;25(4):402–408.
  24. Kim S, et al. PubChem 2023 update. Nucleic Acids Res. 2023;51(D1):D1373–D1380.
  25. Knox C, et al. DrugBank 6.0: the DrugBank Knowledgebase for 2024. Nucleic Acids Res. 2024;52(D1):D1265–D1275.
  26. Daina A, Michielin O, Zoete V. SwissADME: a free web tool to evaluate pharmacokinetics, drug-likeness, and medicinal chemistry friendliness of small molecules. Sci Rep. 2017;7:42717. doi: 10.1038/srep42717.
  27. Burley SK, et al. RCSB Protein Data Bank: powerful new tools for exploring 3D structures of biological macromolecules for basic and applied research and education. Nucleic Acids Res. 2021;49(D1):D437–D451. doi: 10.1093/nar/gkaa1038.
  28. Eberhardt J, Santos-Martins D, Tillack AF, Forli S. AutoDock Vina 1.2.0: new docking methods, expanded force field, and Python bindings. J Chem Inf Model. 2021;61(8):3891–3898. doi: 10.1021/acs.jcim.1c00203.
  29. Liu Y, et al. CB-Dock2: improved protein-ligand blind docking by integrating cavity detection, docking, and homologous template fitting. Nucleic Acids Res. 2022;50(W1):W159–W164. doi: 10.1093/nar/gkac394.
  30. Duffy JP, et al. The discovery of VX-745: a novel and selective p38α kinase inhibitor. ACS Med Chem Lett. 2011;2(10):758–763.
  31. Sheng Y, et al. Crocin inhibits neutrophil migration and activation to treat hypoxic pulmonary hypertension through targeting HCK. Phytomedicine. 2025;148:157334. doi: 10.1016/j.phymed.2025.157334.
  32. Cui H, et al. Leonurine ameliorates hypoxic pulmonary hypertension by inhibiting cross-talk between neutrophils and endothelial cells via SERPINB3 targeting. Int Immunopharmacol. 2026;176:116467. doi: 10.1016/j.intimp.2026.116467.

访问受限。请登录或开始试用以查看此内容。

重印与许可

探索更多文章

生物标志物鉴定转录组数据差异表达基因共表达蛋白质相互作用网络单细胞RNA测序药物重定位定量PCR
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。