论文部分内容阅读
目的:利用已发表的基因表达综合数据库查找系统性红斑狼疮(Systemic Lupus Erythematosus,SLE)相关的基因表达标记,下载基因芯片表达数据并进行meta分析,寻找SLE基因表达标记特征的交集,分析并总结出SLE关键基因表达标记组群,并进行验证。从而为确定SLE的关键基因以及疾病预防、早期诊断和药物靶点治疗等提供参考与理论依据。方法:从NCBI(National Center for Biotechnology Information)GEO(Gene Expression Omnibus)数据库和PubMed数据库下载DNA微阵列基因表达标记数据,找出15个与SLE表型相关的的DNA微阵列数据集,然后将它们分成训练数据集(13个数据集)和验证数据集(2个数据集),分别包括1,869和1,171个样本(见S1表)。使用EXALT(Expression Analysis Tool)软件行meta分析,我们从训练数据组的13个数据集中提取关键基因表达标记组群,然后用验证数据组中2个数据集的样本对所分析出来的关键基因表达标记组群进行回顾性和前瞻性验证。将验证数据集中的SLE预测情况与实际临床诊断进行比较,主要预测指标是验证数据组的SLE诊断或SLE疾病活动度(Disease Activity,DA),使用统计产生的阳性预测值(Positive predictive value,PPV)、阴性预测值(Negative predictive value,NPV)、敏感度和特异度评估其预测性能。使用统计软件R(版本3.3.3)进行受试者工作特征(Receiver operating characteristic,ROC)曲线分析,以确定关键基因表达标记组群对疾病预测的灵敏度、特异度以及ROC曲线下的面积(Area under curve,AUC),进而评估所筛选出的SLE关键基因表达标记组群对疾病的预测能力。结果:从训练组的13个数据集中,我们筛选出了100个与DNA传感器和IFN信号通路有关的一致基因,并定义为SLEmetaSig100。在对验证数据集(GSE65391和GSE11909)的样本(n=1,171)进行验证时,我们发现SLEmetaSig100可将1,171个验证样本区分成两组(SLE组和正常组)。当与已知的临床诊断进行交叉检查,我们发现数据集GSE65391的SLE组中只有1例正常样本,数据集GSE11909的SLE组中没有正常样本,而其余正常样本(GSE65391中的71个和GSE11909中的20个)均被正确地分在正常组中。经统计学检验得出SLEmetaSig100具有高PPV(97%-99%)、特异度(84%-85%)和灵敏度(60%-84%),ROC曲线结果显示两个数据集(GSE65391和GSE11909)的AUC分别为0.89和0.85。结论:SLEmetaSig100可以将临床样本分为与SLE疾病状态组和正常组。其基因表达特征谱与疾病活动性相关,且能前瞻性对SLE病人实现个体化分类。SLEmetaSig100包含了SLE相关的关键基因集合,对SLE疾病状态和疾病活动具有很强的预测价值,能够促进当前SLE的临床诊断,并提供SLE疾病活动的个性化免疫监测,从而为确定SLE的关键基因以及疾病预防、早期诊断和药物靶点治疗等提供理论依据。