基于機器學習算法構建脂質代謝相關基因在子宮內膜異位癥中的診斷模型

中圖分類號：R711.71 文獻標志碼：A DOI：10.3969/j.issn.1003-1383.2025.08.005

Construction of a diagnostic model for lipid metabolism-related genes in endometriosis based on machine learning algorithms

ZHANG Yue ^1， 2， ZHOU Wei ¹ ， WU Yanyuan ³ ， WANG Jian ^1? （20 （1. KeyLaboratoryof Clinical Laboratory Medicine of Guangxi Department of Education/Department of Clinical Laboratory，the First AfiliatedHospitalof Guangxi Medical University，Nanning530O21，Guangxi，China;

2.Department of Clinical Laboratory，the People's Hospital ofLaibin，Laibin 5461oo，Guangxi，China;

3. Department of Clinical Laboratory，the Eighth Affiliated Hospital of Guangxi Medical University -Guigang City People's Hospital，Guigang 5371Oo，Guangxi，China）

【Abstract】ObjectiveTo investigatecorelation between lipid metabolism-related genes（LMRGs）and endometriosis （EM），soastoidentifynoveldiagnosticbiomarkersforEM.MethodsFiveEM-relateddatasets（GSE23339，GSE25628， GSE6364，GSE7307，and GSE86534）were downloaded from the Gene Expression Omnibus （GEO），andafter removing batch effects，they were mergedintoasingle integrated dataset foruseasthetraining set.Differentiallyexpressed genes （DEGs）withsignificantdiferencesbetweennormalendometrialtissueandectopicendometrialtissuewereobtainedthrough diferentialanalysis，andthese DEGswerethensubjectedto Gene Set Enrichment Analysis（GSEA）.Theintersectionof DEGs and LMRGs（termed LM-DEGs）was extracted，and nine machine-learning algorithms—least absolute shrinkage and selection operator（LASSO），andom forest，support vector machine，gradientbosting machine，extreme gradientbosting， neural network，generalized linear model，K-nearestneighbors，anddecision tree—wereemployed toevaluate thesegenes andidentifythediagnostic genes selected byeach algorithm.These genes werefurthervalidated intheexternal datasetsof GSE7305，GSE51981，and GSE120103，anda diagnosticmodelwasestablishedtoverifythe diagnosticeficacyof these genes.ResultsThe analysisof the training setidentified137DEGs，among which12LM-DEGs werefound tobe associatedwithLMRGS.Nine machine-learning algorithms were applied，andtheoptimalones—LASSOandgeneralizedlinear model—were used to identify five keydiagnostic genes （FOS，PPBP，LY96，GRAMD1C，and SCGB2A1）. The combination of these five genes demonstrated an area under the curve （ AUC ）of 0.918 in the training set.In addition，these genes consistently exhibited an AUC of more than O.913 across all validation datasets，demonstrating superior predictive performance. However，SCGB2A1 exhibited low diagnostic efficacy in the GSE1201O3 dataset，with an AUC of 0.448．Therefore，four genes，FOS，PPBP，LY96，andGRAMDiC，were selected to constructthediagnostic model.Thecalibration curveshowed aminimal erorbetween theactualand predicted incidenceof endometriosis，andtheclinicaldecisioncurve（DCA）further validatedthediagnostic eficacyofthis model.ConclusionThe biomarkercombinationoffour genes，namelyFOS，PPBP， LY96，and GRAMD1C，canserveasa diagnostic tool for EM，providing new targets for early detection and treatment.

【Keywords】endometriosis（EM）；bioinformatics；lipid metabolism-related genes（LMRGs）；diferentiallyexpresedgenes （DEGs）

子宮內膜異位癥（endometriosis，EM）是一種慢性炎癥性婦科疾病，以子宮外存在子宮內膜樣組織為特征，影響大約 10% 的育齡女性[1-3]。EM患者具有痛經、慢性盆腔疼痛、不孕等臨床特征，嚴重影響育齡婦女的身心健康[4]。由于發病機制不清，缺乏特異性癥狀和無創性檢測指標，EM的診斷往往明顯延遲。目前，腹腔鏡結合組織病理學檢查是診斷EM的金標準，但腹腔鏡手術存在創傷、粘連和生育能力下降等風險[5]

近年來，高通量測序技術產生的大量基因表達譜數據，使我們有可能探索基因表達調控的內在機制。隨著生物信息學研究的深人，生物信息學方法被廣泛用于揭示EM相關的分子機制。潛在的致病因素是可變的，可能與病變微環境、個體差異和環境因素有關[6]。脂質代謝是一個復雜的生理過程，包括脂質的攝取、轉運、生物合成和降解[，參與了我們身體的許多主動功能，如能量儲存、神經沖動傳遞、激素調節、蛋白質分布和功能以及細胞炎癥[7-8]現有研究表明，甘油三酯可能與EM的嚴重程度呈正相關[9。EM與血脂異常之間存在潛在的雙向因果關系[10]。EM的發生、發展一般與磷脂代謝異常有關，與正常子宮內膜相比，EM中雌激素受體（ESR2）mRNA的表達顯著升高，抑制局部雌激素濃度是降低EM的關鍵[]。異位子宮內膜基質細胞不能產生孕酮誘導的旁分泌因子來刺激 17β -羥基類固醇脫氫酶2。雌二醇代謝不足導致局部高濃度的有絲分裂原，從而促進EM的形成和發展[12]。脂肪酸代謝和線粒體 β -氧化是EM患者UCA1表達改變的主要途徑，而UCA1可增加EM 的易感性[13]。雖然已有脂質代謝相關基因（lipidmetabolism-relatedgenes，LMRGS）與EM的相關研究[14]，但LMRGS與EM之間的重要性仍缺乏全面的分析。因此，本研究探討LMRGs與EM之間的關系，有望為EM的診斷識別新的生物標志物和治療靶點，推動EM患者的個體化治療方案的發展。

1資料與方法

1.1一般資料本研究從基因表達綜合數據庫（geneexpression omnibus，GEO，https//www.ncbi.nlm. nih.gov/geo/）中檢索與EM相關的基因表達譜數據集。選取GSE23339、GSE25628、GSE6364、GSE7307、GSE86534五個數據集的合并數據作為訓練集，共121例樣本，其中正常子宮內膜標本49例，異位子宮內膜標本72例。GSE7305、GSE51981和GSE120103作為驗證集。表1列出了8個數據集的概況。從GSEA/MSigDB（https：//www.gsea-msigdb.org/）數據庫獲取LMRGs。

表1轉錄組數據的樣本信息

1.2數據預處理為了聯合上述五個數據集的轉錄組數據，我們首先在“sva”R包中通過“Combat”去除批次效應。采用Combat方法對來自不同批次或平臺的表達值進行歸一化。主成分分析（PCA）用于評估是否消除了批次效應。

1.3差異表達基因的鑒定和功能富集用\"limma”軟件包（版本3.46.0）對正常子宮內膜和異位子宮內膜樣品之間差異表達基因（DEGs）進行篩選。篩選標準為Ilog2（foldchange，FC） _{1gt;1，Plt;0，05} 。使用pheatmap軟件包（版本2.4.3）繪制DEGs的熱圖。同時應用clusterProfiler對篩選出的差異基因進行基因集（genesetenrichmentanalysis，GSEA）富集分析。取LMRGs與DEGs的交集得到交集基因（LM-DEGs）。

1.4機器學習模型篩選生物標志物基于脂質代謝相關基因的差異表達，將決策樹（DT）、梯度增強（GBM）、廣義線性模型（GLM）、K最近鄰算法（KNN）最小絕對收縮和選擇算子（LASSO）、神經網絡（NNET）、隨機森林（RF）、支持向量機（SVM）、極端梯度增強（XGB）通過使用\"xgboost\"（版本1.7.7.1）、“randomForest\"（版本4.7-1.1）等R包構建。并繪制殘差箱線圖以獲得最佳模型。最后，分析變量（LM-DEGs）在診斷EM的應用價值。

1.5子宮內膜異位癥診斷列線圖的構建與驗證應用“rms\"軟件包（版本6.8-0）創建基于生物標志物的列線圖，有助于EM發生率的臨床評價。繪制校準曲線，以評估列線圖預測的準確性。同時，還繪制了決策曲線（DCA），以評價列線圖的臨床應用價值。

2結果

2.1 樣本歸一化處理 為了消除GSE23339、

GSE25628、GSE6364、GSE7307、GSE86534數據集之間的批次效應，我們對數據進行了歸一化處理。歸一化前和歸一化后的結果見圖1A、B。根據未歸一化表達值的前兩個PCA對來自五個數據集的樣本進行聚類，然后進行批次效應分析。相比之下，基于歸一化表達水平的PCA的散點圖顯示明顯去除了不同平臺引起的批次效應。研究結果表明，跨平臺歸一化處理成功地消除了批次效應。

2.2差異基因的篩選和功能富集分析對訓練集進行分析篩選，相對于對照組（在位子宮內膜），異位子宮內膜樣本中篩選差異表達水平超過2倍且Plt;0.05 的基因137個，其中表達上調為69個，表達下調為68個，并對DEGs的分布繪制熱圖，在熱圖中列舉差異表達上調和下調各50個基因，顏色越紅，基因表達量越高，而顏色越藍，基因表達量越低（圖1C）。對DEGs進行GSEA分析發現這些基因主要在趨化因子信號通路、補體和凝血級聯反應、細胞因子與細胞因子受體、利什曼原蟲感染、系統性紅斑狼瘡等通路顯著上調，在免疫效應過程、白細胞遷移、含有細胞外基質的膠原蛋白、質膜外側、外部封裝結構這些功能影響EM的發生（圖2A、B）。取DEGs與LMRGs的交集基因，得到12個LM-DEGs（圖3）。

2.3機器學習模型篩選生物標志物并驗證為了進一步縮小關鍵脂質代謝相關基因的范圍，用九種機器學習方法篩選最優的診斷基因。最終GLM和LASSO 篩選出的前五個基因（SCGB2A1、GRAMD1C、LY96、PPBP、FOS）都相同（圖4A），殘差根最小（圖4B），并且表現出最高的AUC，為0.918（圖4C）。將上述五種生物標志物在另外三個數據集（GSE7305、GSE51981和GSE120103）進行驗證，AUC分別為1.000、0.913、0.957，表明上述五個基因組合在EM中的診斷價值較高（圖5A）。由于SCGB2A1在GSE120103數據集中診斷效能低，AUC為0.448（圖5B），因此，剔除SCGB2A1，用剩余4個基因（GRAMD1C、LY96、PPBP、FOS）構建診斷模型。

圖1數據集歸一化處理前后PCA及DEGs熱圖

注：（A、B）GSE23339、GSE25628、GSE6364、GSE7307、GSE86534五個數據集歸一化處理前后的主成分分析；（C）異位子宮內膜和正常子宮內膜的DEGs熱圖

注：（A）DEGs的GSEA通路分析;（B）DEGs的GSEA功能分析

圖2差異表達基因的基因集富集分析

圖3LMRGs與DEGs交集基因韋恩圖

注：（A）為DT、GBM、GLM、KNN、LASSO、NNET、RF、SVM和XGB模型創建的特征圖;（B）使用九種機器學習算法進行診斷基因選擇的殘差箱線圖，紅點表示殘差的均方根；（C）九種機器學習算法篩選的關鍵基因繪制的ROC曲線圖4九種機器學習方法篩選診斷基因

注：（A）FOS、PPBP、LY96、GRAMDIC、SCGB2A1組合基因在驗證集中的診斷；（B）單個基因在EM中的診斷

圖5篩選的五種生物標志物的驗證

2.4子宮內膜異位癥診斷列線圖的構建與驗證應用“rms\"軟件包基于GRAMD1C、LY96、PPBP、FOS四個基因構建列線圖（圖6A），火山圖（圖6B）顯示GRAMD1C表達下調，而LY96、PPBP、FOS表達上調，進一步驗證列線圖的準確性。校準曲線顯示實際的EM發生概率和預測的概率之間的誤差很小（圖6C），表明列線圖的準確性很高。此外，DCA顯示，閾值概率大于 20% ，使用診斷模型來預測EM的發生比對所有患者進行診斷或不進行診斷的方案帶來更多的好處（圖6D）。提示這四個基因可能在EM的發展過程中發揮關鍵調控作用。

圖6EM列線圖的構建及驗證

3討論

EM是影響育齡婦女的常見婦科疾病，其病因復雜，致病機制尚不清楚。傳統的診斷方法依賴于手術探查和組織病理學診斷，但這些方法創傷大、風險高、費用高。為了尋找新的診斷標志物，提高診斷準確率，本研究采用機器學習集成方法，利用多種算法取最優基因用于構建預測模型。預測模型考慮了各種算法的性能，以及模型的準確性、穩定性等指標。

DEGs進行GSEA分析對EM相關的潛在生物學過程有了更深入的了解。趨化因子是一類小分子細胞因子，具有誘導鄰近應答細胞定向趨化的能力。趨化因子與G蛋白偶聯受體結合在細胞遷移中起作用[14]。既往研究提示，趨化因子可能促進子宮內膜細胞的增殖、遷移和侵襲，導致異位子宮內膜細胞的形成[15]。YU等[16]的研究發現EM患者補體的過表達狀態與組織因子（TF）呈正相關，提示在EM中補體與凝血之間存在著串擾。HOUSHDARAN等[1]的研究顯示EM婦女子宮內膜的轉錄組學分析揭示了類固醇激素信號傳導的改變和涉及淋巴細胞活化、抗原呈遞、細胞因子誘導和炎癥的途徑的上調。EM是一種脂肪依賴性疾病，其中脂肪組織可以促進雌性和雄激素之間的相互轉化，并且是除卵巢外的雌激素的重要來源。雌激素受體在EM病灶中異常表達，約為正常子宮內膜的140倍。雌激素與其受體之間的相互作用使子宮內膜細胞增殖和功能性子宮內膜血管重建，從而促進EMS的發生和發展[9]。治療EM最常用的處方藥主要通過抑制卵巢活動（包括內分泌性類固醇激素的分泌）或直接作用于子宮內膜和病變區域的類固醇受體及酶以改變激素環境。此外，它們還可以減少月經出血，從而減少逆行血流或減輕與月經疼痛有關的炎癥途徑的觸發。由于所有藥物都針對荷爾蒙途徑，停止治療后癥狀會再次出現[3]。

近年來，國內外研究已經證實FOS基因在EM患者中高表達。此外，FOS基因還與免疫浸潤細胞密切相關，其表達水平的變化可能與EM的炎癥反應和免疫紊亂有關。PPBP基因在EM中的研究相對較少，MOHAGHEGHIANYAGHOUBI等[18]的研究表明接受維生素D3治療的患者PPBP在EM患者腹膜液中的單核細胞中增高，但與正常子宮內膜患者腹膜液之間沒有差異，可能與研究的標本類型存在差異等原因有關。淋巴細胞抗原96（lymphocyteantigen96，LY96）基因主要參與免疫應答過程，EM患者存在局部免疫紊亂，LY96基因的異常表達可能與免疫系統的失調有關。目前關于GRAMD1C基因在EM中的研究較少，其在EM中的具體作用機制尚不明確。

FOS基因家族包括一組編碼轉錄因子的基因，其中最主要的成員是 σ_c -FOS基因。在一項涉及東印度人群的研究中， IL-1β 的存在誘導了 ρ_c -FOS蛋白的磷酸化，進一步增強了基因轉錄，促進了MMP-13的產生，并增加了EM的風險[19]。LIANG等[14]研究表明FOS主要在IL-17信號傳導途徑和Th17細胞分化中上調。我們的結果顯示了FOS基因在EM疾病組中的高表達。因此，我們認為，FOS可能通過促炎機制和增強子宮內膜細胞的侵襲性而促進EM的發生。PPBP編碼血小板前堿性蛋白（pro-血小板堿性蛋白）是一種強大的中性粒細胞趨化劑。HRISTOV等[20]的報告提示PPBP增強了多種生物過程，包括有絲分裂發生、細胞外基質和纖溶酶原激活物合成以及葡萄糖代謝。LY96也被稱作髓樣分化蛋白2（myeloiddifferentiationprotein2，MD-2），是一種關鍵的細胞因子。LY96在子宮內膜中表達并且是Toll樣受體4（TLR4）的共受體。細菌脂多糖（LPS）和LPS結合蛋白的復合物與分化簇14（CD14，一種糖基磷脂酰肌醇錨定的膜蛋白）相互作用，并將LPS轉移到LY96，從而促進 TLR4的二聚化[21]。GRAMD1C是膽固醇轉運蛋白，是饑餓誘導的自噬負調節因子，可調節自噬起始和線粒體生物能量。NG等[22研究結果表明，缺乏GRAMD1C的細胞中線粒體膽固醇積累促進氧化磷酸化。脂質代謝和炎性反應的不平衡可導致子宮內膜異位組織的異常生長和炎性反應的惡化，最終促進疾病的發生和發展。

在EM的診斷標志物研究中，單一標志物可能不足以提供足夠的診斷準確性，而標志物組合的分析可能更可靠。GRAMD1C、LY96、PPBP、FOS構成了本研究中鑒定的生物標志物的最佳集合，這些發現為更全面地了解其在疾病機制中的作用提供了基礎。我們建立了一個列線圖，以評估其預測疾病的概率。本研究結果為EM的早期診斷和治療提供了重要依據。通過利用各種機器學習方法的組合，在廣泛的基因數據中發現了潛在的生物標志物，為更深人地了解疾病的發病機制和提供個性化的醫療策略開辟了新的途徑。盡管本研究在基因水平上取得了重要進展，但我們也意識到該研究存在一定的局限性。本研究主要聚焦于基因表達和調控機制的探索，未能深入到蛋白質水平或細胞功能層面。基因表達的變化并不一定直接反映在蛋白質水平上，而蛋白質的翻譯后修飾、降解速率等因素也可能對細胞功能產生重要影響。因此，僅從基因水平的研究可能無法全面揭示生物過程的復雜性，這些結果在不同人群和臨床場景中的普遍性需要進一步研究。

參考文獻

[1] TAYLORHS，KOTLYARAM，FLORESVA.Endometriosis is a chronic systemic disease：clinical challenges and novel innovations[J].Lancet，2021，397 （10276） ：839-852.

[2] HORNE A W， MISSMER S A. Pathophysiology，diagnosis，and management of endometriosis[J].BMJ， 2022，379：e070750.

[3] SAUNDERS P T K， HORNE A W. Endometriosis： etiology，pathobiology，and therapeutic prospects[J]. Cell，2021，184（11） ：2807-2824.

[4] MISSMERSA，TUFF，AGARWALSK，etal.Impact of endometriosis on life-course potential：a narrative review[J]. Int JGen Med，2021，14：9-25.

[5] JIANGH，ZHANGX，WUY，etal.Bioinformaticsidentification and validation of biomarkers and infiltrating immune cells in endometriosis[J].Front Immunol， 2022，13：944683.

[6] ZONDERVAN K T，BECKER C M，MISSMER S A. Endometriosis[J].N Engl JMed，2020，382（13）： 1244-1256.

[7] HUANG C F，Freter C.Lipid metabolism，apoptosis and cancer therapy[J].Int JMol Sci，2015，16（1）： 924-949.

[8] NATESAN V，KIM S J. Lipid metabolism，disorders and therapeutic drugs-review[J].Biomol Ther：Seoul， 2021，29（6） ：596-604.

[9] ZHENG R，DU X，LEI Y. Correlations between endometriosis，lipid profile，and estrogen levels[J]. Medicine：Baltimore，2023，102（29）：e34348.

[10] ZHOU G，REN J，HUANG Q， et al. Gene assciations of lipid traits ，lipid-lowering drug-target genes and endometriosis[J]．Reprod Biomed Online，2024，49（1）： 103856.

[11] HUHTINEN K， DESAI R， STAHLE M， et al. Endometrial and endometriotic concentrations of estrone and estradiol are determinedbylocal metabolismratherthan circulating levels[J].J Clin Endocrinol Metab，2012， 97（11） ：4228-4235.

[12] BULUN S E，CHENG YH， YIN P，et al.Progesterone resistance in endometriosis：link to failure to metabolize estradiol[J]. Mol Cell Endocrinol，2006，248（1/2）： 94-103.

[13] CHANG C Y，YANG L，TSE J，et al. Genetic variations in UCA1，a lncRNA functioning as a miRNA sponge，determine endometriosis development and the potential associated infertility via regulating lipogenesis [J].PLoSOne，2022，17（7）：e0271616.

[14] LIANGQ，YANG S，MAI M，et al. Mining phase separation-related diagnostic biomarkers for endometriosis through WGCNA and multiple machine learning techniques：a retrospective and nomogram study[J].JAssistReprodGenet，2024，41（5）：1433-1447.

[15] TANA，LUO R，LIANG H，et al. Bioinformatics approach reveals the key role ofC-X-C motif chemokine receptor2inendometriosis development[J].Mol Med Rep，2018，18（3） ：2841-2849.

[16] YUL，SHENH，RENX，etal.Multi-omics analysis reveals the interaction between the complement system and the coagulation cascade in the development of endometriosis[J].SciRep，2021，11（1）：11926.

[17] HOUSHDARAN S，NEZHATCR，VO KC，et al. Aberrant endometrial DNA methylome and associated gene expression in women with endometriosis[J].Biol Reprod，2016，95（5） ：93.

[18] MOHAGHEGHIANYAGHOUBIH，SAMADIM，TAJIKN，etal.Immunomodulatory effects of vitamin D3 on gene expression of MDGF，EGF and PDGFB in endometriosis[J].Reprod Biomed Online，202O，41（5）： 782-789.

[19] PANDITA，DASMAHAPATRAP，SAHAP，etal. Interleukin-1β activated c -FOStranscription factor bindspreferentiallytoa specific allele ofthe matrix metalloproteinase-13 promoterand increases susceptibilityto endometriosis[J]. JCell Physiol，2022，237（7）： 3095-3108.

[20] HRISTOV M， ZERNECKE A， BIDZHEKOV K，et al. Importance of CXC chemokine receptor 2 in the homing ofhuman peripheral blood endothelial progenitor cells to sites of arterial injury[J].Circ Res，20O7，100（4）： 590-597.

[21] BAESJ，JOY，CHOMK，etal.Identificationand analysis ofnovel endometriosis biomarkersvia integrative bioinformatics[J].Front Endocrinol：Lausanne，2022， 13：942368.

[22] NG MYW，CHARSOUC，LAPAO A，et al. The cholesterol transport protein GRAMD1C regulates autophagy initiationandmitochondrial bioenergetics[J].NatCommun，2022，13（1） ：6283.

（收稿日期：2025-01-10 修回日期：2025-02-27）（編輯：潘明志）