100763
论文已发表
提 交 论 文
注册即可获取Ebpay生命的最新动态
注 册
IF 收录期刊
- 3.3 Breast Cancer (Dove Med Press)
- 3.4 Clin Epidemiol
- 2.5 Cancer Manag Res
- 2.9 Infect Drug Resist
- 3.5 Clin Interv Aging
- 4.7 Drug Des Dev Ther
- 2.7 Int J Chronic Obstr
- 6.6 Int J Nanomed
- 2.5 Int J Women's Health
- 2.5 Neuropsych Dis Treat
- 2.7 OncoTargets Ther
- 2.0 Patient Prefer Adher
- 2.3 Ther Clin Risk Manag
- 2.5 J Pain Res
- 2.8 Diabet Metab Synd Ob
- 2.8 Psychol Res Behav Ma
- 3.0 Nat Sci Sleep
- 1.8 Pharmgenomics Pers Med
- 2.7 Risk Manag Healthc Policy
- 4.2 J Inflamm Res
- 2.1 Int J Gen Med
- 4.2 J Hepatocell Carcinoma
- 3.7 J Asthma Allergy
- 1.9 Clin Cosmet Investig Dermatol
- 2.7 J Multidiscip Healthc
使用深度学习筛选出FDFT1与PGRMC1作为非酒精性脂肪性肝炎（NASH）相关肝细胞癌新型生物标志物
Authors Liu Q, Yang Y, Wang Y, Wei S, Yang L, Liu T, Yu Z, Feng Y , Yao P , Zhu Q
Received 27 November 2024
Accepted for publication 27 March 2025
Published 5 April 2025 Volume 2025:12 Pages 685—704
DOI http://doi.org/10.2147/JHC.S505752
Checked for plagiarism Yes
Review by Single anonymous peer review
Peer reviewer comments 2
Editor who approved publication: Dr Ahmed Kaseb
摘要
背景
随着肥胖与糖尿病的全球流行，非酒精性脂肪性肝病（NAFLD）正成为最常见的慢性肝病，而非酒精性脂肪性肝炎（NASH）日益成为肝细胞癌（HCC）的主要风险因素。因此，探索NASH相关HCC的新型生物标志物具有重要意义。
方法
深度学习（DL）顺利获得自动构建神经网络（NNs）成为基因组学研究中极具潜力的工具。本研究整合DL算法、“limma”差异分析、加权基因共表达网络分析（WGCNA）及蛋白质互作网络（PPI）筛选特征基因，顺利获得实时荧光定量PCR验证特征基因在NAFLD小鼠模型中的表达，并利用富集分析与单细胞测序技术探究特征基因在NASH相关HCC中的作用机制。
结果
顺利获得DL筛选的NAFLD核心基因与代谢综合征关键基因交叉验证，最终取得6个特征基因（FDFT1、TNFSF10、DNAJC16、RDH11、PGRMC1和MYC）。ROC曲线分析显示模型预测效能优异（AUC=0.983，95%CI:0.9241-0.98885）。基于NAFLD小鼠模型的动物实验证实FDFT1、TNFSF10、DNAJC16、RDH11和PGRMC1在NAFLD肝脏中显著高表达。其中，FDFT1与PGRMC1在NASH-HCC中呈现显著表达趋势及突出的诊断价值。
结论
FDFT1和PGRMC1作为胆固醇合成通路的关键酶，本研究从新视角验证胆固醇代谢在NAFLD中的重要作用，提示二者可能成为NASH-HCC的新型预后与诊断标志物。
关键词：非酒精性脂肪性肝病；NASH相关肝细胞癌；深度学习；生物标志物；代谢综合征；胆固醇代谢
