南京中医药大学附属医院转录组联合机器学习筛选 AMD 适应性免疫标志物 C3/HLA-DOA 并解析免疫调控机制
- 2026-08-06 00:03:58
本研究以适应性免疫失衡驱动年龄相关性黄斑变性（AMD）进展为切入点，选取 GSE29801、GSE135092 公共转录组数据集分别作为训练、验证队列，先筛选 AMD 差异表达基因并与适应性免疫相关基因取交集得到候选基因，经 PPI 网络初筛后联合 LASSO、SVM-RFE、Boruta 三种机器学习算法筛选核心标志物，在双数据集及激光诱导 CNV 小鼠模型中通过 qPCR 验证基因表达趋势，基于标志物构建列线图诊断模型并完成校准、DCA、ROC 效能评估，借助 GSEA、ssGSEA 免疫浸润、GeneMANIA 等工具解析标志物调控通路、亚细胞定位及与免疫细胞的关联，最终证实 C3 与全新适应性免疫标志物 HLA-DOA 在 AMD 中显著上调，二者通过补体级联、抗原呈递、TLR 炎症通路调控 NK、γδT 等免疫细胞浸润，构建的双基因列线图具备稳定 AMD 诊断效能，已已知 C3 的成功检出验证整套生物信息学分析流程可靠，为 AMD 靶向免疫诊疗提供分子靶点与理论依据。
研究设计
首先从 GEO 数据库获取两组 AMD 黄斑转录组数据，提取 MSigDB 适应性免疫相关基因，筛选数据集内 AMD 与正常对照的差异基因并取交集获得候选基因，构建 PPI 网络筛选核心候选分子；采用 LASSO、SVM-RFE、Boruta 三种机器学习交叉筛选稳健标志物，在训练、验证数据集与激光诱导脉络膜新生血管小鼠模型中完成表达验证；基于双标志物构建 AMD 风险预测列线图并开展多维度效能检验；利用 GSEA 解析标志物关联通路，ssGSEA 量化 28 种免疫细胞浸润并分析标志物与免疫细胞相关性，结合 GeneMANIA、染色体 / 亚细胞定位预测分子作用模式，系统阐释标志物介导的免疫致病通路。
研究结论
本研究证实补体核心分子 C3 与适应性免疫调控基因 HLA-DOA 是连接 AMD 固有免疫与适应性免疫紊乱的关键标志物，C3 通过激活补体通路促进抗原呈递、驱动效应 T 细胞浸润并造成 RPE 损伤，HLA-DOA 通过异常调控自身抗原呈递打破免疫耐受、放大 γδT 细胞介导的炎症与新生血管生成，二者协同形成持续黄斑慢性炎症微环境；研究检出已知致病基因 C3，验证了整套转录组机器学习筛选流程的可靠性，首次将 HLA-DOA 纳入 AMD 适应性免疫诊断模型，为多靶点免疫治疗提供新思路；但本研究存在明显局限：所有分子机制仅基于转录组相关性分析，缺乏细胞 / 动物基因编辑实验证实因果关系；体内验证仅使用湿性 AMD 激光 CNV 模型，无法完全复刻干性 AMD 病理特征；公共数据集缺少患者年龄、基础病、用药等临床混杂变量，可能干扰结果；标志物仅基于侵入性黄斑组织检测，尚未验证房水、外周血等无创样本中的表达，后续需构建干性 AMD 模型、开展细胞功能实验、纳入大样本临床队列并探索体液无创检测方案。
研究结果
Figure1：完成 AMD 差异基因筛选、适应性免疫基因交集筛选候选基因，并通过蛋白互作网络锁定核心枢纽基因，明确候选基因集中在免疫相关分子通路。 
Figure2：多重机器学习交叉筛选得到稳健标志物，在两套独立临床数据集验证 C3、HLA-DOA 表达上调趋势，同时借助湿性 AMD 小鼠模型完成体内 mRNA 表达验证，证明二者疾病特异性高表达特征。 
Figure3：基于 C3、HLA-DOA 搭建 AMD 风险预测列线图，在校准曲线、DCA、ROC 多维度评估模型诊断效能，并在独立验证数据集重复验证，证实模型具备稳定、可推广的 AMD 预测能力。 
Figure4：通过功能互作网络、染色体定位、亚细胞定位预测解析两个标志物的分子调控网络、基因位置与细胞分布特征，明确其参与补体、抗原呈递的分子基础。 
Figure5：描绘 AMD 黄斑组织免疫浸润全景，筛选出病变中显著富集的免疫细胞亚群，量化免疫细胞间互作关系，并揭示 C3、HLA-DOA 分别与 NK、γδT 细胞存在显著正向关联，建立标志物与局部免疫微环境失衡的联系。
本文中使用的图片来源于Pubmed，因客观原因未能与权利人取得联系。本平台出于学术交流目的引用，无意侵犯原作者权益。如权利人认为不妥，请及时联系公众号后台，我们将立即删除或协商解决。
生物信息学课题设计及指导实录，目前生信是否还适用于课题及文章？看专家给你解答
