基于GEO数据库的生物信息学分析筛选抑郁症诊断标志物

摘要：

目的:通过生物信息学分析方法筛选潜在的抑郁症诊断标志物,探讨这些基因在抑郁症疾病过程中的生物作用.方法:GSE98793 数据集包含128 位抑郁症患者,64 位健康对照的外周血表达谱芯片数据,采用R语言Limma包,以Ilog2FCI＞0.1,P＜0.05 为标准,分析数据集中的差异表达基因,并使用在线网站Metascape分析基因功能,对这些差异表达基因进行批量ROC分析,筛选出AUC最大的前30 个差异表达基因,通过Lasso回归和多元逻辑回归构建抑郁症诊断模型,并采用Bootstrap方法进行内部验证.结果:构建出包含GZMK,RETN,CD48,LOC153684,FZD5,DAO,SERTAD2 这7 个差异基因在内的抑郁症诊断模型,其AUC=0.8861(95%CI =0.84～0.93),模型内部验证证实其具有较好的区分度及校准度.结论:本研究通过基因表达谱数据分析,获得包含 7 个基因在内的抑郁症诊断模型,并发现该模型具有较高的诊断价值.

关键词：生物信息学、抑郁症、差异表达基因、诊断模型

所属期刊栏目：33

分类号：R749.4(神经病学与精神病学)

资助基金：上海市科学技术委员会基金;上海市自然科学基金;上海市精神卫生中心院级课题

在线出版日期：2023-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：276-279