基于轉(zhuǎn)錄組數(shù)據(jù)急性心肌梗死雙硫死亡相關(guān)預(yù)測(cè)模型的構(gòu)建

中圖分類號(hào)：R541.4文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1000-503X（2025）03-354-12

DO1： 10.3881/i .issn. 1000-503X.16057

Construction of a Disulfidptosis-Related Prediction Model for Acute Myocardial Infarction Based on Transcriptome Data

TANG Qiurong，F(xiàn)ENG Yang，ZHAO Yao，BIAN Yunfei

Department of Cardiology，Second Hospital of Shanxi Medical University，Taiyuan O3Oooo，Chir

Corresponding author：BIANYunfei Tel：13834695435，E-mail：sydeyyunfeibian@163.com

ABSTRACT：ObjectiveTo identify disulfidptosis-related gene （DRG）in acute myocardial infarction （AMI）by bioinformatics，analyze the molecular patern of DRGs in AMI，and constructa DRGs-related prediction model.MethodsAMI-related datasets were downloaded from the Gene Expression Omnibus database，and DRGs with diferential expression were screened in AMI. CIBERSORT method was used to analyze the immune infiltration.Based on the diferentially expressed DRGs，the AMI patients were clasified into distinct subtypes via consensus clustering，followed by immune infiltration analysis，diferential expression analysis，gene ontology and Kyoto encyclopedia of genes and genomes enrichment analysis，and gene set variation analysis. Weighted gene co-expresson network analysis （WGCNA） was then performed to construct subtype-associated modules and identify hub genes.Finally，least absolute shrinkage and selection operator，random forest，and support vector machine-recursive feature elimination were used to screen feature genes to construct a DRGs-related prediction model. The model’s diagnostic eficacy was evaluated by nomogram and receiver operating characteristic （ROC） curve analysis，followed by external validation.ResultsNine diferentially expressed DRGs were identified between AMI patientsand controls.Based on the expresion levels of these nine DRGs，AMI patients were divided into two DRGs subtypes，C1 and C2. Increased infiltration of monocytes，MO macrophages，and neutrophils was observed in AMI patients and C1 subtype （all Plt;0.05 ），indicating a close correlation between DRGs and immune cels.There were 257diferentially expressed genes between the C1and C2 subtypes，which were related to biological processes such as myeloid leukocyte activation and positiveregulation of cytokines.Fcy receptormediated phagocytosis and NOD-like receptor signaling pathway activity were enhanced in C1 subtype. WGCNA analysis suggested that the brown module exhibited the strongest correlation with DRG subtypes（ r=0.67 ）， from which 23 diffrentially expressed genes were identified.The feature genes screened by three machine learning methods were interpolated to obtain a DRGs-related prediction model consisting of three genes （AQP9，F(xiàn)5 and PYGL） . Nomogram and ROC curves（ AUC_train=0.891 ， AUC_test=0.840 ）showed good diagnostic efficacy. ConclusionsDRGs were closely related to the occurrence and progression of AMI. The DRGs-related prediction model consisting of AQP9，F(xiàn)5 and PYGL may provide targets for the diagnosisand personalized treatmentof AMI.

Keywords：acutemyocardial infarction；disulfidptosis；consensus clustering；immuneinfltration；bioinformaticsanalysis Acta Acad Med Sin，2025，47（3） ：354-36

急性心肌梗死（acutemyocardialinfarction，AMI）是由冠狀動(dòng)脈急性血栓性閉塞引起的心肌細(xì)胞缺血、缺氧和壞死，是冠心病的嚴(yán)重類型[1]。AMI是發(fā)病率和死亡率最高的心血管疾病之一，心肌梗死發(fā)生后可能引起心源性休克、心力衰竭、心臟破裂和室壁瘤等嚴(yán)重并發(fā)癥，給全球健康和經(jīng)濟(jì)造成極大負(fù)擔(dān)[2-4]因此，對(duì)AMI特異性生物標(biāo)志物的挖掘有助于更好地制訂和調(diào)整疾病診斷和干預(yù)的方向。心肌細(xì)胞死亡可發(fā)生在心肌缺血再灌注期間及心肌梗死后心力衰竭等不同階段，細(xì)胞損失比例在很大程度上決定了心肌損傷、收縮功能障礙、不良重塑及患者預(yù)后狀態(tài)[5-6]。雙硫死亡是一種新型細(xì)胞死亡機(jī)制。在葡萄糖饑餓狀態(tài)下，溶質(zhì)載體家族7成員11（solutecarrierfamily7member11，SLC7A11）高表達(dá)的細(xì)胞中存在高胱氨酸攝取和還原型煙酰胺腺嘌呤二核苷酸磷酸（reducednicotinamide adenine dinucleotidephosphate，NADPH）缺乏，這導(dǎo)致二硫化物過(guò)度積累從而誘導(dǎo)肌動(dòng)蛋白細(xì)胞骨架蛋白中二硫鍵的異常結(jié)合，進(jìn)而促進(jìn)F-肌動(dòng)蛋白收縮并破壞細(xì)胞骨架結(jié)構(gòu)，最終導(dǎo)致細(xì)胞死亡[7]。研究表明，心肌梗死發(fā)生后，非梗死心肌細(xì)胞出現(xiàn)肌絲收縮功能障礙，是導(dǎo)致心臟損傷的重要因素[8]。肌動(dòng)蛋白細(xì)胞骨架動(dòng)力學(xué)與心肌梗死后心臟重塑密切相關(guān)[9]。但目前尚無(wú)研究探討雙硫死亡是否在AMI中發(fā)揮潛在作用。本研究旨在利用生物信息學(xué)方法，探討AMI中雙硫死亡不同亞型間的聚類特征，并構(gòu)建雙硫死亡相關(guān)預(yù)測(cè)模型，為AMI診斷和個(gè)性化治療提供理論依據(jù)。

1資料和方法

1.1 數(shù)據(jù)來(lái)源及處理

從基因表達(dá)綜合（GeneExpressionOmnibus，GEO）數(shù)據(jù)庫(kù)下載AMI相關(guān)數(shù)據(jù)集GSE48060（AMI患者外周血樣本31例，正常對(duì)照者外周血樣本21例）、GSE61144（ST段抬高型心肌梗死患者外周血樣本14例，正常對(duì)照者外周血樣本10例）、GSE60993（ST段抬高型心肌梗死患者外周血樣本7例、非ST段抬高型心肌梗死患者外周血樣本10例，正常對(duì)照者外周血樣本7例）、GSE66360（AMI患者循環(huán)內(nèi)皮細(xì)胞樣本49例，正常對(duì)照者循環(huán)內(nèi)皮細(xì)胞樣本50例）和GSE71906（AMI小鼠心臟組織6例，假手術(shù)小鼠心臟組織6例）。利用Perl軟件將前3個(gè)數(shù)據(jù)表達(dá)譜合并，以SVA包消除批次效應(yīng)后作為訓(xùn)練集；將GSE66360和GSE71906作為外部驗(yàn)證集。從Liu等研究中獲取15個(gè)關(guān)鍵雙硫死亡相關(guān)基因（disulfidptosis-relatedgene，DRG）：FLNA、FLNB、TLN1、ACTB、MYL6、MYH9、MYH1O、CAPZB、DSTN、IQGAP1、ACTN4、PDLIM1、CD2AP、INF2和SLC7A11。

1.2差異DRG的篩選及相關(guān)性分析

基于訓(xùn)練集和15個(gè)DRG，以 Plt;0.05 為閾值，采用Wilcoxon檢驗(yàn)篩選AMI中差異表達(dá)DRG，采用ggpubr、gglpot包繪制箱線圖，corrplot包用于分析差異DRG之間的相關(guān)性。

1.3 免疫浸潤(rùn)分析

基于訓(xùn)練集表達(dá)譜數(shù)據(jù)，采用CIBERSORT法和LM22免疫細(xì)胞矩陣，計(jì)算每個(gè)樣本中22種免疫細(xì)胞浸潤(rùn)的相對(duì)豐度，所有免疫細(xì)胞比例總和為1。為進(jìn)一步了解DRG與AMI中免疫細(xì)胞之間的關(guān)系，采用Spearman法計(jì)算差異DRG與免疫細(xì)胞之間的相關(guān)系數(shù)，采用ggplot2包進(jìn)行可視化。

1.4DRG一致性聚類分析及免疫浸潤(rùn)情況

基于差異DRG表達(dá)水平，采用ConsensusCluster-Plus包對(duì)62個(gè)AMI樣本進(jìn)行無(wú)監(jiān)督一致性聚類分析，進(jìn)行1000次迭代運(yùn)行，采用最大累積分布函數(shù)（cumul-ativedistributionfunction，CDF）指數(shù)作為最優(yōu)k值，構(gòu)建DRG不同亞型?；趙ilcox.test法分析DRG在不同亞型中差異表達(dá)情況，采用reshape2、ggpubr包可視化為小提琴圖。采用CIBERSORT法分析免疫細(xì)胞浸潤(rùn)情況。

1.5DRG亞型的差異分析與基因功能富集分析

采用limma包，以 、校正后 Plt;0.05 為閾值篩選DRG不同亞型間差異表達(dá)基因（differenti-ally expressed gene，DEG），采用clusterProfiler包進(jìn)行基因本體（geneontology，GO）和京都基因與基因組百科全書(shū)（Kyoto encyclopedia of genes and genomes，KEGG）富集分析。為探索DRG不同亞型間生物學(xué)功能差異，以 Plt;0.05 為閾值，對(duì)不同DRG亞型進(jìn)行基因集變異分析（gene setvariationanalysis，GSVA）通路富集分析，并用ggplot2、ggprism包可視化為柱狀圖。

1.6篩選疾病相關(guān)樞紐基因

基于分型結(jié)果和訓(xùn)練集表達(dá)譜，采用加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析（weighted gene co-expressionnetworkanalysis，WGCNA）包鑒定共表達(dá)的基因模塊，分析基因網(wǎng)絡(luò)與亞型之間的關(guān)系，并研究網(wǎng)絡(luò)中的樞紐基因。刪除離群值后進(jìn)行分層聚類分析，基于最優(yōu)軟閾值構(gòu)建共表達(dá)網(wǎng)絡(luò)，構(gòu)建相關(guān)基因模塊。根據(jù)模塊成員數(shù)（modulemembership，MM） gt;0.8 和基因顯著性（gene significance，GS） gt;0.5 篩選與DRG亞型最相關(guān)模塊中的樞紐基因。

1.7機(jī)器學(xué)習(xí)篩選核心基因構(gòu)建DRG相關(guān)預(yù)測(cè)模型

將樞紐基因與AMI組和對(duì)照組間DEG及DRG不同亞型間DEG取交集，進(jìn)一步篩選差異表達(dá)樞紐基因?；诓町惐磉_(dá)樞紐基因表達(dá)譜，采用glmnet、e1071、randomForest包分別構(gòu)建樞紐基因的最小絕對(duì)收縮和選擇算子（leastabsolute shrinkageand selectionoperator，LASSO）、隨機(jī)森林（randomforest，RF）和支持向量機(jī)遞歸特征消除（supportvectormachine-recursivefeatureelimination，SVM-RFE）模型篩選DRG亞型間特征基因。將3種算法篩選出的特征基因取交集，構(gòu)建DRG相關(guān)預(yù)測(cè)模型。

1.8列線圖的構(gòu)建與評(píng)估

采用rms包構(gòu)建列線圖，評(píng)價(jià)預(yù)測(cè)模型對(duì)DRG亞型診斷的貢獻(xiàn)大小，采用校準(zhǔn)曲線評(píng)價(jià)預(yù)測(cè)模型的準(zhǔn)確性，采用決策分析曲線（decisioncurveanalysis，DCA）評(píng)價(jià)模型的臨床實(shí)用性。此外，采用pROC包在訓(xùn)練集和外部驗(yàn)證集GSE66360中繪制受試者工作特征（receiveroperatingcharacteristic，ROC）曲線評(píng)估預(yù)測(cè)模型的準(zhǔn)確性，并計(jì)算曲線下面積（areaundercurve，AUC）。采用corrplot包分析差異DRG與DRG相關(guān)預(yù)測(cè)模型中基因的相關(guān)性。采用ggpubr包繪制預(yù)測(cè)模型基因在外部驗(yàn)證集GSE66360和GSE71906的差異小提琴圖。

1.9 統(tǒng)計(jì)學(xué)處理

采用R4.2.3軟件對(duì)所有數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析。相關(guān)性分析采用Spearman法。 Plt;0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1AMI差異DRG的篩選與免疫浸潤(rùn)情況

將訓(xùn)練集與15個(gè)DRG取交集后獲得14個(gè)交集基因，與對(duì)照組相比，9個(gè)DRG在AMI中差異表達(dá)（圖1A），其中ACTN4、CAPZB、IQGAP1、MYL6、SLC7A11表達(dá)上調(diào)，CD2AP、DSTN、FLNB和PDLIM1表達(dá)下調(diào)（ P 均 lt; 0.05）。9個(gè)DRG在染色體上的位置如圖1B。相關(guān)性分析顯示，CD2AP與DSTN呈正相關(guān)（ Plt;0.001 ），ACTN4、MYL6、QGAP1和CAPZB之間互為正相關(guān)（ P 均lt;0.05 ）；ACTN4與DSTN呈負(fù)相關(guān)（ Plt;0.001 ），IQGAP1與FLNB、PDLIM1呈負(fù)相關(guān)（ Plt;0.001 ， P= 0.043）（圖1C）。

免疫浸潤(rùn)分析發(fā)現(xiàn)，與對(duì)照組比較，AMI患者單核細(xì)胞、MO型巨噬細(xì)胞、中性粒細(xì)胞浸潤(rùn)水平明顯升高（ P 均 lt;0.001 ）， CD8⁺T 細(xì)胞（ P=0.013 ）、活化記憶性 CD4⁺T 細(xì)胞 （ Plt;0.001 ）、 γδT 細(xì)胞（ P=0.001 ）和靜息自然殺傷（naturalkiller，NK）細(xì)胞（ Plt;0.001 ）浸潤(rùn)水平明顯降低（圖1D）。相關(guān)性分析顯示，多種基因與MO型巨噬細(xì)胞、中性粒細(xì)胞細(xì)胞、 CD8⁺T 細(xì)胞、靜息NK細(xì)胞呈顯著相關(guān)性，其中ACTN4與MO型巨噬細(xì)胞存在最顯著正相關(guān)（ r=0.511 ， Plt;0.001 ），DSTN與中性粒細(xì)胞存在最顯著負(fù)相關(guān)（ r=-0.535 ，Plt;0.001 ）（圖1E）。

2.2DRG一致性聚類分析與免疫浸潤(rùn)特征

根據(jù)9個(gè)差異DRG的表達(dá)水平，將66例AMI患者分為C1（ n=28 ）和C2（ n=34 ）兩個(gè)亞型，主成分分析圖顯示DRG亞型C1和C2的AMI樣本的不同分布模式（圖 2A～2D ）。與C2亞型比較，C1亞型中ACTN4（ Plt;0.001 ）、CAPZB（ （Plt;0.001） ）、IQGAP1（ Plt; 0.001）、MYL6（ Plt;0.001 ）、CD2AP（ P=0.039 ）表達(dá)上調(diào)；FLNB（ P=0.012 ）、PDLIM1（ Plt;0.001 ）表達(dá)下調(diào)（圖2E）。免疫浸潤(rùn)分析顯示，C1亞型中單核細(xì)胞（ P=0.031 ）、MO型巨噬細(xì)胞（ Plt;0.001 ）和中性粒細(xì)胞（ P=0.001 ）浸潤(rùn)較多；而C2亞型中CD8⁺T 細(xì)胞（ P=0.010 ）和靜息NK細(xì)胞（ Plt; 0.001）浸潤(rùn)豐度較高（圖2F）。

2.3DRG亞型的差異分析與富集分析

在DRG的C1和C2亞型間共鑒定出257個(gè)DEG（圖3A）。GO分析顯示，這些差異基因的生物過(guò)程涉及骨髓白細(xì)胞活化、細(xì)胞因子的正向調(diào)節(jié)和對(duì)脂多糖的反應(yīng)等方面，細(xì)胞組分涉及三級(jí)顆粒、分泌顆粒膜和特殊顆粒等方面，分子功能涉及煙酰胺腺嘌呤二核苷酸核苷酶活性、模式識(shí)別受體活性和水解酶活性等方面（圖3B）。KEGG通路富集到肺結(jié)核、中性粒細(xì)胞胞外陷阱形成、吞噬體和趨化因子信號(hào)通路等方面（圖3C）。GSVA通路富集分析顯示，酪氨酸代謝、擴(kuò)張型心肌病、心肌細(xì)胞外基質(zhì)受體相互作用和肥厚性梗阻型心肌病相關(guān)通路在C2亞型中活性增強(qiáng)；急性髓性白血病、神經(jīng)營(yíng)養(yǎng)因子信號(hào)通路、Fcγ受體介導(dǎo)的吞噬作用和NOD樣受體信號(hào)通路在C1亞型中活性增強(qiáng)（圖3D）。

圖1差異DRG與免疫浸潤(rùn)分析

圖2DRG一致性聚類分型與免疫浸潤(rùn)分析

CDF：累積分布函數(shù)；AUC：曲線下面積A.一致性聚類矩陣；B.CDF圖；C.CDF曲線下面積相對(duì)變化圖；D.主成分分析圖；E.DRG表達(dá)小提琴圖；F.C1和C2亞型免疫細(xì)胞浸潤(rùn)箱線圖

2.4 DRG亞型的WGCNA分析

為了確定與DRG亞型最相關(guān)的模塊，基于訓(xùn)練集進(jìn)行WGCNA分析，結(jié)果顯示，當(dāng)軟閾值選擇 β= 6（無(wú)標(biāo)度拓?fù)鋽M合指數(shù) R²=0.84 ）時(shí)，基因關(guān)聯(lián)最符合無(wú)尺度分布（圖4A）。構(gòu)建聚類樹(shù)狀圖，并進(jìn)行動(dòng)態(tài)切割及合并后鑒定出9個(gè)與亞型不同相關(guān)性的模塊，其中棕色模塊具有最顯著相關(guān)性（ r=0.67 ），根據(jù) MMgt;0.8 ， GSgt;0.5 從該模塊中篩選出174個(gè)樞紐基因（ Plt;0.001 ）（圖4B～4E）。

2.5機(jī)器學(xué)習(xí)構(gòu)建預(yù)測(cè)模型

為進(jìn)一步鑒定具有高診斷價(jià)值的特異性基因，將樞紐基因與AMI的DEG和DRG亞型間DEG交集，獲得23個(gè)差異樞紐基因（圖5A）?；?3個(gè)差異樞紐基表達(dá)譜，采用LASSO算法篩選出3個(gè)變量（圖5B），采用RF算法篩選出5個(gè)變量（圖5C），采用SVM-RFE算法篩選出13個(gè)變量（圖5D），3種算法重疊篩選出3個(gè)核心基因AQP9、F5、PYGL，用于構(gòu)建DRG的預(yù)測(cè)模型（圖5E）。

A.差異表達(dá)基因熱圖；B.GO富集分析；C.京都基因與基因組百科全書(shū)富集分析；D.基因集變異分析通路富集分析圖3DRG分型差異分析與功能富集分析

GO：基因本體

2.6列線圖的構(gòu)建與評(píng)估

構(gòu)建列線圖以評(píng)估AMI患者雙硫死亡亞型的風(fēng)險(xiǎn)（圖6A）。校準(zhǔn)曲線顯示實(shí)際風(fēng)險(xiǎn)與預(yù)測(cè)風(fēng)險(xiǎn)間誤差較小，列線圖具有較高準(zhǔn)確性（圖6B）。DCA圖顯示列線圖曲線明顯高于參考線，具有較高的凈收益（圖6C）。ROC曲線顯示核心基因在訓(xùn)練集（ AUC= 0.891）和外部驗(yàn)證集（ AUC=0.840 ）中均具有良好的準(zhǔn)確性（圖6D、6E）。相關(guān)性分析顯示IQGAP1、ACTN4、MYL6、CAPZB和SLC7A11與DRG預(yù)測(cè)模型變量呈顯著正相關(guān)（ P 均 lt;0.05 ），F(xiàn)LNB、DSTN和PDLIM1與DRG預(yù)測(cè)模型變量呈顯著負(fù)相關(guān)（ P 均 lt; 0.05），其中IQGAP1與DRG預(yù)測(cè)模型3個(gè)變量AQP9（ r=0.70 ， Plt;0.001 ）、F5（ r=0.58 ， Plt;0.001 ）和PYGL（ r=0.72 ， Plt;0.001 ）存在最顯著正相關(guān)（圖6F）。

A.軟閾值的選擇；B.共表達(dá)模塊聚類樹(shù)狀圖；C.模塊特征基因與臨床狀態(tài)相關(guān)性圖；D.模塊基因重要性；E.棕色模塊散點(diǎn)圖 圖4分型后加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析

2.7預(yù)測(cè)模型變量的外部驗(yàn)證

在外部數(shù)據(jù)集中進(jìn)一步驗(yàn)證AQP9、F5和PYGL的表達(dá)，在GSE66360中，與對(duì)照組比較，AMI組AQP9（ Plt;0.001 ）、F5（ P=0.037 ）和PYGL（ Plt; 0.001）表達(dá)顯著上調(diào)；ROC曲線顯示AUC分別為0.840、0.622和0.840（圖7A）。在GSE71906中，與對(duì)照組比較，AMI組AQP9和F5表達(dá)有升高趨勢(shì)，但差異均無(wú)統(tǒng)計(jì)學(xué)意義（ P 均 =0.480 ），而PYGL表達(dá)顯著上調(diào)（ P=0.008 ）；ROC曲線顯示其AUC分別為0.639、0.639和0.944（圖7B）。

3討論

AMI是心血管疾病致死的主要原因，心肌細(xì)胞的死亡可導(dǎo)致心臟區(qū)域性功能受損及心肌不良重塑，從而造成嚴(yán)重并發(fā)癥[10]。雙硫死亡是細(xì)胞內(nèi)二硫鍵積累導(dǎo)致的細(xì)胞程序性死亡[]。然而，雙硫死亡是否在AMI中發(fā)揮作用尚不清楚。本研究探討了DRG在AMI中潛在的調(diào)控模式，從AMI患者和健康對(duì)照者中篩選出9個(gè)差異表達(dá)的DRG（ACTN4、CAPZB、IQGAP1、MYL6、SLC7A11、CD2AP、DSTN、FLNB和PDLIM1），這些基因之間存在顯著協(xié)同或拮抗關(guān)系，提示DRG在AMI的發(fā)生中可能起關(guān)鍵作用，進(jìn)而為AMI的診斷和個(gè)性化治療提供了新的靶點(diǎn)。

LASSO：最小絕對(duì)收縮和選擇算子；RF：隨機(jī)森林；SVM-RFE：支持向量機(jī)遞歸特征消除A.棕色模塊中差異樞紐基因韋恩圖；B.LASSO回歸；C.RF算法；D.SVM-RFE算法；E.3種機(jī)器學(xué)習(xí)方法結(jié)果韋恩圖圖5機(jī)器學(xué)習(xí)方法篩選核心基因免疫浸潤(rùn)分析發(fā)現(xiàn)AMI患者和對(duì)照組的免疫細(xì)胞浸潤(rùn)豐度發(fā)生改變。AMI患者具有較高的單核細(xì)胞、MO型巨噬細(xì)胞、中性粒細(xì)胞浸潤(rùn)水平，這與之前的研究一致[12-13]。單核細(xì)胞、巨噬細(xì)胞和中性粒細(xì)胞在AMI區(qū)域的聚集和促炎作用已得到大量研究證實(shí)[14-15]。DRG與多種免疫細(xì)胞顯著相關(guān)，提示可能在AMI免疫微環(huán)境的建立中發(fā)揮重要作用。此外，根據(jù)差異DRG的表達(dá)情況，采用無(wú)監(jiān)督聚類分析識(shí)別出兩種不同的DRG亞型，從而揭示AMI患者不同的雙硫死亡調(diào)控模式。免疫浸潤(rùn)分析顯示C1亞型表現(xiàn)出更高的單核細(xì)胞、MO型巨噬細(xì)胞和中性粒細(xì)胞浸潤(rùn)豐度，表明C1亞型中可能存在更嚴(yán)重的炎癥表型。進(jìn)一步對(duì)DRG亞型間DEG進(jìn)行功能富集分析顯示，DRG亞型主要涉及髓樣白細(xì)胞活化、細(xì)胞因子產(chǎn)生的正向調(diào)節(jié)和對(duì)細(xì)菌分子的反應(yīng)等生物過(guò)程，C1亞型具有較強(qiáng)的 Fcγ 受體介導(dǎo)的吞噬作用和NOD樣受體信號(hào)通路傳導(dǎo)。心肌缺血及心肌細(xì)胞死亡會(huì)釋放各種細(xì)胞因子及趨化因子，促進(jìn)免疫細(xì)胞亞群的激活并積聚在梗死區(qū)域，募集的中性粒細(xì)胞和單核細(xì)胞吞噬死亡細(xì)胞及碎片并釋放炎癥介質(zhì)，促使炎癥級(jí)聯(lián)反應(yīng)發(fā)生[16]。而NOD樣受體信號(hào)通路在AMI炎癥反應(yīng)中發(fā)揮重要作用[17]。因此，雙硫死亡可能在AMI發(fā)展中的炎癥和免疫方面發(fā)揮作用，而C1亞型可能具有更嚴(yán)重的炎癥損傷。

機(jī)器學(xué)習(xí)算法常被用于開(kāi)發(fā)有助于疾病檢測(cè)和治療的決策模型[18]。為了識(shí)別與DRG亞型最相關(guān)的模塊，首先進(jìn)行WGCNA分析，挑選出與DRG亞型高度相關(guān)的棕色模塊，并從中篩選出174個(gè)樞紐基因，再進(jìn)一步篩選出23個(gè)差異表達(dá)樞紐基因?；贒RG亞型間23個(gè)樞紐基因表達(dá)譜，將3種機(jī)器學(xué)習(xí)算法（LASSO、SVM和RF）結(jié)果重疊，建立了3個(gè)變量（AQP9、F5和PYGL）組成的DRG相關(guān)預(yù)測(cè)模型。對(duì)該模型構(gòu)建列線圖提示具有顯著的預(yù)測(cè)效果，在訓(xùn)練集和外部驗(yàn)證集中的AUC分別為0.891、0.840，表明該模型在區(qū)別AMI患者和對(duì)照者、AMI中不同DRG亞型之間均具有令人滿意的性能。該預(yù)測(cè)模型中3個(gè)基因與9個(gè)AMI中差異表達(dá)DRG密切相關(guān)，再次表明雙硫死亡在AMI中可能發(fā)揮潛在作用。此外，在外部數(shù)據(jù)集中驗(yàn)證了這3個(gè)基因在AMI細(xì)胞和動(dòng)物模型的轉(zhuǎn)錄水平的表達(dá)模式。在AMI患者循環(huán)內(nèi)皮細(xì)胞中，AQP9、F5和PYGL表達(dá)均顯著上調(diào)；在AMI小鼠心臟組織中AQP9和F5有升高趨勢(shì)，而PYGL顯著上調(diào)，這表明AQP9、F5和PYGL可能參與AMI疾病過(guò)程，其中PYGL在外周內(nèi)皮細(xì)胞和心肌組織中表達(dá)均上調(diào)，且其AUC值始終大于0.8，提示PYGL在AMI診斷過(guò)程中可能具有更高的準(zhǔn)確性。AQP9是一種細(xì)胞膜蛋白，通過(guò)促進(jìn)細(xì)胞膜的通透性維持細(xì)胞的水分平衡。抑制AQP9基因的表達(dá)可阻礙細(xì)胞外信號(hào)調(diào)節(jié)激酶1/2信號(hào)通路的激活，減輕AMI大鼠心肌細(xì)胞炎癥反應(yīng)和凋亡，促進(jìn)血管再生、逆轉(zhuǎn)心室重構(gòu)并改善心功能[19-20]。已有多項(xiàng)研究發(fā)現(xiàn)，AQP9 對(duì)AMI具有較高的診斷價(jià)值[21-22]。F5 是編碼凝血因子V的基因，F(xiàn)5基因萊頓突變會(huì)導(dǎo)致血液高凝狀態(tài)，與AMI 的過(guò)早發(fā)生有關(guān)[23]。PYGL是一種調(diào)節(jié)糖原降解的糖原磷酸化酶。研究發(fā)現(xiàn)PYGL在腫瘤中上調(diào)，缺氧可誘導(dǎo)PYGL表達(dá)，并作為糖原酶調(diào)節(jié)糖酵解途徑，導(dǎo)致腫瘤不良預(yù)后[24]。心肌缺血再灌注損傷誘導(dǎo)糖原分解，導(dǎo)致乳酸和代謝性酸生成過(guò)多，從而加重心臟損害。糖原磷酸化酶抑制劑通過(guò)抑制糖原分解，穩(wěn)定血糖水平，減少乳酸釋放，從而減少心肌梗死面積和心肌細(xì)胞凋亡[25]。這表明 DRG 相關(guān)預(yù)測(cè)模型可能與AMI進(jìn)展相關(guān)，并有望作為潛在的生物標(biāo)志物。

A.GSE66360數(shù)據(jù)集中差異表達(dá)圖及受試者工作特征曲線；B.GSE71906中差異表達(dá)圖及受試者工作特征曲線圖7外部數(shù)據(jù)集驗(yàn)證AQP9、F5和PYGL的表達(dá)模式

本研究存在以下局限性：首先，受非公開(kāi)數(shù)據(jù)限制，本研究?jī)H采用微陣列數(shù)據(jù)而未納人高通量測(cè)序數(shù)據(jù)，故只能檢測(cè)已知序列的基因，可能導(dǎo)致覆蓋率較低；其次，盡管通過(guò)綜合分析探討了DRG在AMI中的分子特征及其潛在作用，但DRG在AMI進(jìn)展中的具體調(diào)控機(jī)制尚未完全闡明。未來(lái)還需通過(guò)更多的體內(nèi)、體外和臨床試驗(yàn)來(lái)驗(yàn)證生物信息學(xué)分析的結(jié)果。

綜上，本研究結(jié)果表明，DRG與AMI發(fā)生發(fā)展密切相關(guān)，基于AQP9、F5和PYGL的DRG相關(guān)預(yù)測(cè)模型可能為AMI的診斷和個(gè)性化治療提供潛在靶點(diǎn)。

利益沖突 所有作者聲明無(wú)利益沖突

作者貢獻(xiàn)聲明唐秋緘：確定選題方向、分析數(shù)據(jù)、起草并修改論文、設(shè)計(jì)并審閱修訂論文的關(guān)鍵問(wèn)題；馮腸：數(shù)據(jù)預(yù)處理、進(jìn)行質(zhì)量控制與分析；趙耀：對(duì)結(jié)果進(jìn)行驗(yàn)證分析并撰寫(xiě)相關(guān)內(nèi)容；邊云飛：確定選題方向、設(shè)計(jì)并審閱修訂論文的關(guān)鍵問(wèn)題

參考文獻(xiàn)

[1]Ramachandra C，Hernandez-Resendiz S，Crespo-Avilan GE，etal. Mitochondria in acute myocardial infarction and cardioprotection[J].EBioMedicine，2020，57：102884.DOI： 10.1016/j. ebiom. 2020.102884.

[2]Frantz S，Hundertmark MJ，Schulz-Menger J，etal.Left ventricular remodeling post-myocardial infarction：pathophysiology，imaging，and novel therapies[J].Eur Heart J， 2022，43（27） ：2549-2561.DOI：10.1093/eurheartj/ehac223.

[3]Damluji AA，van Diepen S，Katz JN，et al.Mechanical complications of acute myocardial infarction：a scientific statement from the American Heart Association[J].Circulation，2021，144（2）：e16-e35.DOI：10.1161/CIR.00000 00000000985.

[4]Tsao CW，Aday AW，Almarzooq ZI，et al.Heart disease and stroke statistics -2O23 update：a report from the AmericanHeart Association[J].Circulation，2023，147（8）：e93- e621.DOI：10.1161/CIR. 0000000000001123.

[5]Davidson SM，Adameová A，Barile L，et al. Mitochondrial and mitochondrial- independent pathways of myocardial cell deathduring ischaemia and reperfusion injury[J].JCellMol Med，2020，24（7） ：3795-3806.D0I：10.1111/jcmm.15127.

[6]Lichy M，Szobi A，Hrdlicka J，et al.Programmed cell death intheleft and right ventricleof the latephaseof postinfarction heart failure[J].Int J Mol Sci，202O，21（20）： 7782. DOI：10. 3390/ijms21207782.

[7]Liu X，Nie L，ZhangY，etal.Actin cytoskeleton vulnerability to disulfide stress mediates disulfidptosis[J].Nat Cell Biol，2023，25（3）： 404-414.D0I：10.1038/s41556-023- 01091-2.

[8]van der Velden J，Merkus D，Klarenbeek BR，et al.Alterations in myofilament function contribute to left ventricular dysfunction in pigs early after myocardial infarction [J].Circ Res，2004，95（11）：e85-e95.D01：10.1161/01.RES. 0000149531. 02904. 09.

[9]Ali H，Braga L，Giacca M. Cardiac regeneration and remodellingof the cardiomyocyte cytoarchitecture[J].FEBSJ， 2020，287（3）：417-438. D0I：10.1111/febs.15146.

[10]Wu X，Reboll MR，Korf-Klingebiel M，et al. Angiogenesis after acute myocardial infarction[J]. Cardiovasc Res，2021， 117（5） ：1257-1273. DOI：10.1093/cvr/cvaa287.

[11]Liu X，Zhuang L，Gan B. Disulfidptosis：disulfide stress-induced cell death[J].Trends Cell Biol，2024，34（4）：327- 337. DOI：10. 1016/j. tcb. 2023. 07. 009.

[12]Zheng PF，Zou QC，Chen LZ，et al. Identifying patterns of immunerelated cells and genes in the peripheral blood of acute myocardial infarction patients using a small cohort[J]. J Transl Med，2022，20（1）：321.D0I：10.1186/s12967- 022-03517-1.

[13]Zhu X，Yin T， Zhang T，etal. Identification of immunerelated genes in patients with acute myocardial infarction using machine learning methods [J].J Inflamm Res，2022，15： 3305-3321. DOI：10. 2147/JIR. S360498.

[14]Pet C，Ivetic A，Bromage DI，et al. Cardiac monocytes and macrophages after myocardial infarction [J]. Cardiovasc Res， 2020，116（6） ：1101-1112. D0I：10.1093/cvr/cvz336.

[15]Sun K，LiYY，Jin J.A double-edged sword of immuno-microenvironment in cardiac homeostasis and injury repair[J]. Signal Transduct Target Ther，2021，6（1）：79.DOI：10. 1038/s41392-020-00455-6.

[16]Anzai A，Ko S，F(xiàn)ukuda K. Immune and inflammatory networks in myocardial infarction：current research and its potential implications for the clinic [J].IntJMol Sci，2022， 23（9） ：5214. DOI：10. 3390/ijms23095214.

[17]Zhang Q，Wang L，Wang S，et al.Signaling pathways and targeted therapy for myocardial infarction[J]. Signal Transduct Target Ther，2022，7（1）：78.DOI：10.1038/s41392- 022-00925-z.

[18]Handelman GS，Kok HK，Chandra RV，etal.eDoctor： machine learning and the future of medicine[J].JIntern Med，2018，284（6） ：603-619.D01：10.1111/joim.12822.

[19]Ren N，Wang M. microRNA-212-induced protection of the heart against myocardial infarction occurs via the interplay between AQP9 and PI3K/Akt signaling pathway [J]. Exp Cell Res，2018，370（2）：531-541.D0I：10.1016/j. yexcr.2018. 07. 018.

[20]Huang X，Yu X，Li H，et al.Regulation mechanism of aquaporin 9 gene on inflammatory response and cardiac function in rats with myocardial infarction through extracellular signalregulated kinasel/2 pathway[J]. Heart Vessels，2019， 34（12） ： 2041-2051. DOI：10.1007/s00380-019-01452-8.

[21]ZhangL，Liu Y，WangK，et al.Integration of machine learning to identify diagnostic genes in leukocytes for acute myocardial infarction patients[J].JTransl Med，2O23，21（1）： 761. DOI：10. 1186/s12967-023-04573-x.

[22]Chen J，Yu L， Zhang S，et al. Network analysis-based approach for exploring the potential diagnostic biomarkers of acute myocardial infarction[J].Front Physiol，2016，7：615. DOI：10.3389/fphys.2016.00615.

[23]Mannucci PM，Asselta R，Duga S，et al. The association of

factorVLeidenwith myocardial infarctionisreplicated in 1880 patientswith premature disease[J].J Thromb Haemost， 2010，8（10） ：2116-2121.D01：10.1111/j.1538-7836.2010. 03982. x.

[24]JiQ，Li H，Cai Z，et al.PYGL-mediated glucose metabolism reprogramming promotes EMT phenotype and metastasis ofpancreaticcancer[J].IntJBiol Sci，2023，19（6）：1894-

1909.DOI：10. 7150/ijbs.76756. [25]Dai Y，Wang Z，Quan M，et al.Asiatic acid protests against myocardial ischemia/reperfusioninjury via modulationof glycometabolismin rat cardiomyocyte[J].DrugDesDevel Ther， 2018，12：3573-3582.DOI：10.2147/DDDT. S175116.

（收稿日期：2024-03-01）