4分+，利用三种机器学习方法构建临床诊断模型，可复性很强！

想给大家说说机器学习，今天带来的是2021年发表在Am J Transl Res上的一篇文章，IF4.06，JCR分区Q2。文章思路简单清晰，易于模仿上手。

Am J Transl Res. 2021 May 15;13(5):4068-4079.

研究思路

• 首先，该研究主要利用GEO数据库中的基因表达数据，筛选出差异表达基因（DEGs），并与免疫相关基因（IRGs）交联，得到差异表达的免疫相关基因（DIRGs）并对其进行功能富集分析。
• 随后，利用3种机器学习方法：随机森林模型（RF）、支持向量机模型（SVM）和广义线性模型（GLM），分别鉴定出重要的4个免疫相关基因建立诊断模型。
• 最后，通过讨论免疫细胞与炎症及四个关键基因的关系，探究胎盘炎症与GDM的关系。

技术路线图

1.背景介绍

作为最普遍的妊娠代谢紊乱，妊娠期糖尿病（GDM）被定义为“在妊娠中期或晚期诊断出的糖尿病，妊娠前患者没有诊断糖尿病。

GDM给孕妇及其胎儿都会造成很大危害， 但GDM的发病机制尚不清楚，很多证据表明，免疫细胞及其分泌的促炎因子在GDM的发生发展中起到重要作用。

2.实验流程及结果

1.差异表达分析和蛋白质-蛋白质相互作用（PPI）分析

• 数据获取：GEO数据库获取2个转录组数据集GSE70493 和GSE128381；ImmPort数据库下载免疫相关基因（IRGs）数据；
• 通过筛选GSE70493数据集中非GDM与GDM相关的705个差异表达基因（DEGs）；
• 进一步与2499个免疫相关基因（IRGs）进行交联，获得79个差异表达的免疫相关基因（DIRGs）；
• 然后通过 Cytoscape 3.8.0 构建蛋白质-蛋白质相互作用 (PPI) 网络。

A. GSE70493数据集中的 DEG 与从 ImmPort 下载的 IRG 的交集包含 79 个 DIRG。

B. 76 个 DIRGs 的 PPI 网络分析。

2.GO和KEGG通路富集分析

• 这些DIRGs正向调控细胞因子的产生，位于膜，表现出受体配体活性和受体调节剂活性；
• 主要参与细胞因子-细胞因子受体相互作用、病毒蛋白与细胞因子和细胞因子受体的相互作用。
• 结果表明：GDM与炎症密切相关，胎盘炎症可能在GDM中起重要作用。

A. 76个DIRGs的生物过程（BP，上）、细胞成分（CC，中）和分子功能（MF，下）分析结果。

B. 76 个 DIRGs 的 KEGG 通路富集分析结果。

3.RF、GLM和SVM模型的构建和评估

• 从 76 个 DIRG 中选取 log|FC|>0.1 的 6 个基因（DKK1、ILRL1、CXCL9、HLA-DQA2、CXCL10 和 FABP4）作为构建三个模型的关键基因；
• 在训练集GSE70493数据集中，通过建立随机森林模型（RF）、支持向量机模型（SVM）和广义线性模型（GLM），选择最优模型（RF）；
• 从RF模型中筛选得到最显著的4个关键DIRGs:DKK1、ILRL1、FABP4和CXCL10。

A. 样本的累积残差分布图。

B. 样本残差的箱线图。RF 模型被确定为最合适模型

C. RF、GLM 和 SVM 模型中的变量。

4.对上述4个关键基因进一步分析它们的表达水平

• GDM胎盘中：DKK1、CXCL10和IL1RL1的表达低；
• 非GDM 胎盘中：FABP4 的表达高；
• PCA分析：这4个基因可以清楚地区分GDM和非GDM，表明在GDM的诊断中起到重要作用；
• HLA.DQA2和CXCL9与其这4四个基因具有较高的相关系数，表明这两个基因与它们4个具有高度的功能相似性。因此，在选择 GDM 诊断生物标志物时可以排除 HLA.DQA2 和 CXCL9，从而减少不必要的资源浪费。

A. CXCL10、FABP4、DKK1 和 IL1RL1 表达模式的热图。

B. DKK1、ILRL1、FABP4 和 CXCL10 的染色体位置。

C. 来自GSE70493数据集的 GDM 和非 GDM 之间 CXCL10、FABP4、DKK1 和 IL1RL1 的相对表达水平。

D.主成分分析表明，上述四个基因可以清楚地区分GDM和非GDM。

A. DKK1、ILRL1、CXCL9、HLA-DQA2、CXCL10和FABP4之间的相关性。

B.CXCL10、FABP4、DKK1和IL1RL1之间的相关性。

5.GDM诊断模型的构建和评估

• 模型构建：利用4个DIRGs构建GDM列线图诊断模型；
• 模型评估：校准曲线表明列线图模型预测 GDM 具有较高的准确性；
• 决策曲线（DCA）分析：患者可以从构建的诊断模型中获益；
• 在DCA曲线的基础上绘制了临床影响曲线，在此说明该诊断模型预测能力较好。

基于训练数据集GSE70493的 GDM 诊断列线图模型的构建和验证.

A. 用于预测 GDM 发生的列线图。

B. 评估列线图模型预测能力的校准曲线。

C. DCA 曲线评估列线图模型的临床价值。

D. 基于 DCA 曲线评估列线图模型的临床影响曲线。

6.免疫细胞浸润分析

• 比较非 GDM 和 GDM 样本之间的 22 个免疫细胞浸润，使用热图和直方图将结果可视化；
• GDM样本：M0巨噬细胞、M1巨噬细胞和中性粒细胞的浸润丰度较高；M2巨噬细胞的浸润丰度较低；其他免疫细胞浸润丰度无统计学差异；
• M1可产生诸如CXCL10的促炎因子，导致炎症发生，而M2具有抗炎作用。这表明巨噬细胞在胎盘炎症中起到重要的调控作用。

A. 浸润免疫细胞的特征。

B. GDM组与非GDM组浸润免疫细胞的差异。