潘彬 張晉福 王國(guó)棟 余覓 張維 黃飛 李小燕 何杰 孫建

1成都醫(yī)學(xué)院臨床醫(yī)學(xué)院第一附屬醫(yī)院呼吸與危重癥醫(yī)學(xué)科 610500;2牟平區(qū)中醫(yī)醫(yī)院病理科,煙臺(tái) 264100;3成都醫(yī)學(xué)院臨床醫(yī)學(xué)院第一附屬醫(yī)院病理科 610500

結(jié)節(jié)病是一種由免疫反應(yīng)介導(dǎo)的系統(tǒng)性疾病,非干酪性壞死性肉芽腫是其主要病理特征,但目前尚不清楚具體發(fā)病原因[1]。結(jié)節(jié)病患者的發(fā)病年齡較為年輕,以20～40歲居多,主要累及肺部,可出現(xiàn)雙側(cè)肺門(mén)淋巴結(jié)腫大,肺部彌漫性浸潤(rùn)改變等影像學(xué)特征[2-3]。曾有研究結(jié)果表明結(jié)節(jié)病是由環(huán)境、遺傳、感染等諸多因素共同作用而引起的異常免疫反應(yīng),但其發(fā)病機(jī)制可能與CD4+T 細(xì)胞的激活,趨化因子驅(qū)動(dòng)活化的T 細(xì)胞向肺部聚集有關(guān)[4]。陳鳳芳等[5]研究表明固有免疫和適應(yīng)性免疫系統(tǒng)都參與了結(jié)節(jié)病的發(fā)病過(guò)程,Ⅱ期結(jié)節(jié)病患者的血清中血管緊張素轉(zhuǎn)化酶、白細(xì)胞介素2 受體(interleukin-2R,IL-2R)及腫瘤壞死因子α 等免疫相關(guān)的炎癥因子相較于正常對(duì)照組均有升高。Miyata等[6]認(rèn)為血清IL-2R 的濃度高低與經(jīng)氣管鏡超聲引導(dǎo)針吸活檢術(shù) (endobronchial ultrasound guided tranbronchial needle aspiration,EBUSTBNA)確診的結(jié)節(jié)病分期密切相關(guān),但研究樣本量小,有待進(jìn)一步確定。由于結(jié)節(jié)病所涉及到的免疫機(jī)制較多,且部分患者無(wú)典型的臨床表現(xiàn),個(gè)體病程也長(zhǎng)短不一[7];同時(shí),臨床也缺乏可靠的分子診斷標(biāo)志物,因此早期診斷出結(jié)節(jié)病變得十分困難,容易出現(xiàn)漏診及誤診的現(xiàn)象。

近年來(lái),隨著生物信息分析學(xué)、轉(zhuǎn)錄組學(xué)、基因組學(xué)等多組學(xué)生物技術(shù)的發(fā)展,國(guó)內(nèi)外已經(jīng)建立了多個(gè)公共數(shù)據(jù)庫(kù)如GEO,ICGC,TCGA 等,數(shù)據(jù)庫(kù)中包含了疾病相關(guān)的臨床標(biāo)本資料、基因芯片表達(dá)、基因突變等信息[8]。同時(shí),R 軟件的開(kāi)發(fā)為大數(shù)據(jù)的提取、分析和數(shù)據(jù)的具象化提供了開(kāi)源的編程平臺(tái),現(xiàn)已經(jīng)廣泛運(yùn)用于生物信息學(xué)分析[9]。本研究通過(guò)R 軟件分析GEO 數(shù)據(jù)庫(kù)中結(jié)節(jié)病相關(guān)的基因芯片數(shù)據(jù),篩選結(jié)節(jié)病患者外周血與正常對(duì)照組外周血差異的核心基因,并加以實(shí)驗(yàn)驗(yàn)證,以期為結(jié)節(jié)病的診斷和治療尋找新的靶標(biāo)。

1 資料與方法

1.1 數(shù)據(jù)下載 通過(guò)GEO 數(shù)據(jù)下載結(jié)節(jié)病患者外周血的表達(dá)譜數(shù)據(jù)。GSE18781 數(shù)據(jù)集[10]基于GPL570平臺(tái),包括25例健康對(duì)照組外周血樣本和12例結(jié)節(jié)病患者外周血樣本;GSE34608 數(shù)據(jù)集[11]基于GPL6480平臺(tái),包括18 例健康對(duì)照組外周血樣本和18例結(jié)節(jié)病患者外周血樣本。

1.2 數(shù)據(jù)預(yù)處理及差異基因的鑒定 采用R 軟件的affy包讀取GSE18781和GSE34608兩個(gè)數(shù)據(jù)集的原始數(shù)據(jù),通過(guò)RMA 算法進(jìn)行原始數(shù)據(jù)的校正和標(biāo)準(zhǔn)化處理。然后用Perl軟件將GPL570 和GPL6480平臺(tái)所對(duì)應(yīng)的基因注釋文件將前兩個(gè)數(shù)據(jù)集中的探針矩陣進(jìn)行注釋,接著使用SVA 包去除批次效應(yīng)后,將兩個(gè)數(shù)據(jù)集進(jìn)行合并。使用分位數(shù)-分位數(shù)圖(Q-Q 圖)展示去除批次效應(yīng)后的效果,PCA 主成分分析圖展示樣本間校正效果。使用R 軟件中l(wèi)imma包進(jìn)行合并數(shù)據(jù)集的差異基因分析,以校正后P值＜0.05,|log2FC|＞1 作為閾值。而差異基因的熱圖則通過(guò)pheatmap 包繪制。

1.3 GO 和KEGG 通路富集分析 GO 包括細(xì)胞組 分 (cellcomponents, CC ) 分 子 功 能(molecularfunction, MF )、 生 物 學(xué) 過(guò) 程(biologicalprocess,BP)共3個(gè)方面。京都基因和基因組百科全書(shū)(KEGG)富集分析是從分子水平上分析生物系統(tǒng)高層次功能,多個(gè)信號(hào)通路均涵蓋其中。為進(jìn)一步分析差異基因的功能,對(duì)本研究中篩選出的差異基因采用R 軟件中的clusterprofile包進(jìn)行GO 富集分析和KEGG 通路富集分析,若P＜0.05則表明該富集分析結(jié)果有統(tǒng)計(jì)學(xué)意義。

1.4 診斷生物標(biāo)志物的篩選 利用LASSOlogistic回歸和隨機(jī)森林兩種算法降維并篩選差異基因,兩種算法所篩選出的基因取交集,將交集的基因作為結(jié)節(jié)病的分子診斷標(biāo)志物,通過(guò)ROC 曲線(xiàn)對(duì)其診斷效能進(jìn)行評(píng)價(jià)。利用glmnet包完成LASSO-logistic回歸算法,使用10折交叉驗(yàn)證來(lái)確定最小λ值,當(dāng)λ最小時(shí),所對(duì)應(yīng)的基因即被篩選出來(lái)。隨機(jī)森林算法是機(jī)器學(xué)習(xí)的一種方法,本質(zhì)是一種裝袋集成算法 (bagging),該算法采取bagging抽樣技術(shù)從原始訓(xùn)練集中進(jìn)行抽樣,然后對(duì)抽取樣本構(gòu)建多個(gè)相互獨(dú)立的評(píng)估器,評(píng)估器會(huì)把每個(gè)差異基因作為一個(gè)變量,根據(jù)每個(gè)變量的權(quán)重生成一個(gè)變量重要性值 (variableimportance,VIMP),根據(jù)值的大小確定基因分辨結(jié)節(jié)病的重要性[12]。采用Random Forest包實(shí)施隨機(jī)森林算法設(shè)定閾值VIMP＞0.01的基因被篩選出來(lái)。兩種算法篩選出的基因取交集。

1.5 診斷生物標(biāo)志物的評(píng)估 ROC分析作為一種評(píng)價(jià)診斷準(zhǔn)確度的常用方法,其特點(diǎn)是可把敏感度和特異度結(jié)合起來(lái)。本研究通過(guò)Medcalc軟件繪制出ROC曲線(xiàn)以評(píng)估篩選出的基因的診斷效能,進(jìn)而確定結(jié)節(jié)病的生物標(biāo)志物。

1.6 生信分析結(jié)果的實(shí)驗(yàn)驗(yàn)證

1.6.1 標(biāo)本來(lái)源 選取成都醫(yī)學(xué)院第一附屬醫(yī)院2017年7月至2020年10月收治的肺結(jié)節(jié)病患者50例作為結(jié)節(jié)病組,50例肺結(jié)節(jié)病患者均無(wú)肺外結(jié)節(jié),選取在同一時(shí)期進(jìn)行體檢的50例健康志愿者作為對(duì)照組,2組一般臨床資料見(jiàn)表1。結(jié)節(jié)病組中肺結(jié)節(jié)病0期7例,Ⅰ期23例,Ⅱ期15例,Ⅲ期5例,將0期和Ⅰ期合并為A 組,將Ⅱ期與Ⅲ期合并為B 組,對(duì)照組為C 組。分別抽取3組人群的外周血2 ml,采樣后的靜脈血液離心后,取適量上清液置于-80 ℃冰箱保存,將所有患者的血清收集齊后一次性檢測(cè)。本研究通過(guò)本院倫理委員會(huì)審批 (2021CYFYIRB-BA-14-01),所有患者及其家屬均知情同意并簽署知情同意書(shū)。

表1 2組一般資料比較

1.6.2 觀察指標(biāo) 采用雙抗體夾心酶聯(lián)免疫吸附測(cè)定 (enzyme-linked immunosorbent assay,ELISA)法檢測(cè)病例組及對(duì)照組血清SPOCK2 水平。試劑盒采用上海酶聯(lián)生物科技有限公司生產(chǎn)的,生產(chǎn)編號(hào)為T(mén)Ml060212,并通過(guò)Medcalc軟件通過(guò)繪制ROC曲線(xiàn)對(duì)SPOCK2基因診斷肺結(jié)節(jié)病的效能進(jìn)行驗(yàn)證。

1.7 統(tǒng)計(jì)學(xué)分析 聯(lián)合使用R 軟件及Medcal軟件進(jìn)行統(tǒng)計(jì)學(xué)分析。正態(tài)分布的計(jì)量資料數(shù)據(jù)以±s表示。多組比較采用單因素方差分析,兩兩比較采用Bonferroni法,P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 數(shù)據(jù)預(yù)處理及差異基因的鑒定 GSE18781和GSE34608 2組數(shù)據(jù)集基于表達(dá)矩陣數(shù)據(jù)去除批次間差異后的效果如Q-Q 圖所示 (圖1),其結(jié)果表明樣本分位數(shù)點(diǎn)的連線(xiàn)近似于一條直線(xiàn),提示2組樣本之間的批次差異已經(jīng)去除。2組數(shù)據(jù)集合并且標(biāo)準(zhǔn)化之后以主成分分析圖PCA 展現(xiàn) (圖2),結(jié)果顯示2組數(shù)據(jù)集合并并標(biāo)準(zhǔn)化后樣本聚類(lèi)更加顯著,表明樣本來(lái)源可靠。數(shù)據(jù)預(yù)處理后,R 軟件根據(jù)設(shè)定的閾值從合并的數(shù)據(jù)集中提取出了761個(gè)差異基因。差異基因的熱圖,見(jiàn)圖3。

圖1 GSE18781和GSE34608 2組數(shù)據(jù)集去除批次效應(yīng)后的Q-Q 圖

圖2 PCA 聚類(lèi)圖,紅色代表對(duì)照組血清樣本,綠色代表結(jié)節(jié)病組血清樣本

圖3 差異基因表達(dá)的熱圖

2.2 功能和通路富集分析 GO 分析的結(jié)果表明,差異基因顯著富集在T 細(xì)胞激活,淋巴細(xì)胞的激活,淋巴細(xì)胞的分化等生物學(xué)過(guò)程 (BP);細(xì)胞成分(CC)方面主要有免疫突觸、特異性顆粒、遠(yuǎn)端軸突等;分子功能 (MF)方面主要有DNA 結(jié)合轉(zhuǎn)錄抑制因子的激活,GTP 酶的激活,核苷酸三磷酸調(diào)節(jié)器的激活等 (圖4)。依據(jù)KEGG 通路富集分析結(jié)果得知,差異基因主要富集于T 細(xì)胞受體通路,原發(fā)性免疫缺陷,NF-κB,m TOR 等信號(hào)通路(圖5)。

圖4 GO 富集通路

圖5 KEGG 通路富集圖

2.3 診斷生物標(biāo)志物的選擇 當(dāng)λ最小值為0.004時(shí)最優(yōu)的模型構(gòu)建成功,經(jīng)LASSO-logistic回歸算法篩選出15個(gè)可作為結(jié)節(jié)病的診斷標(biāo)志物 (圖6),它們分別為SPOCK2,ENGASE,SPOUT1,CLIC2,MAN1B1,HEMGN,P2RY14,PPDPF,CD274, CD8A, LRRN3, PEX6, BATF2,DOCK4,C1QA。隨機(jī)森林算法提示當(dāng)隨機(jī)森林生成了200個(gè)不同的樹(shù)時(shí),隨機(jī)森林構(gòu)建的模型誤差最小(圖7A)。當(dāng)樹(shù)的個(gè)數(shù)等于200,構(gòu)建模型生成每個(gè)基因的變量重要性的值 (圖7B),結(jié)果顯示變量重要性值＞0.01的基因有SPOCK2,DND1,SRRT。兩種算法取交集篩選出SPOCK2為最終的診斷生物標(biāo)志物(圖8)。

圖6 LASSO 建模示意圖 A:回歸系數(shù)分布的剖面圖;B:采用10折交叉驗(yàn)證選擇最小λ值

圖7 隨機(jī)森林圖 A:樹(shù)數(shù)為200個(gè)時(shí)模型的誤差;B:模型計(jì)算出的基因變量重要性值

圖8 LASSO 回歸模型和隨機(jī)森林算法篩選出的基因

2.4 SPOCK2作為診斷結(jié)節(jié)病生物標(biāo)志物的評(píng)估合并的芯片數(shù)據(jù)集中顯示SPOCK2在對(duì)照組中表達(dá)量低于結(jié)節(jié)病組 (P＜0.05),見(jiàn)圖9A,ROC曲 線(xiàn) 提 示 AUC=0.985 (95%CI:0.924 ～1.000),特異度=0.9,敏感度=1,見(jiàn)圖9B,說(shuō)明SPOCK2有較強(qiáng)的識(shí)別結(jié)節(jié)病的能力。

圖9 A 為SPOCK2 在GSE18781 和GSE34608 合 并 數(shù) 據(jù)集中對(duì)照組和結(jié)節(jié)病組表達(dá)的差異;B為SPOCK2診斷結(jié)節(jié)病的ROC曲線(xiàn)

2.5 實(shí)驗(yàn)驗(yàn)證生物信息分析結(jié)果 ELISA 檢測(cè)顯示,肺結(jié)節(jié)病A 組外周血SPOCK2 濃度為(3.24±0.18)μg/L,肺結(jié)節(jié)病B 組外周血SPOCK2濃度為 (5.03±0.12)μg/L,均明顯低于健康對(duì)照組 (9.31±0.59)μg/L,差異有統(tǒng)計(jì)學(xué)意義(F=37.360,P＜0.05),見(jiàn)圖10 A,肺結(jié)節(jié)病A 組患者血清SPOCK2蛋白濃度明顯低于B組(P＜0.05)。對(duì)A 組肺結(jié)節(jié)病和B 組肺結(jié)節(jié)病分 別 繪 制ROC 曲 線(xiàn) (A 組:AUC=0.836(95%CI:0.736～0.909)特異度=91.30%,敏感度=76.47%;B 組:AUC=0.681 (95%CI:0.567～0.780)特異度=79.55%,敏感度=55.56%),見(jiàn)圖10B,10C,說(shuō)明SPOCK2蛋白濃度對(duì)0～Ⅰ期肺結(jié)節(jié)病有較強(qiáng)的識(shí)別能力。

圖10 A 肺結(jié)節(jié)病患者外周血中SPOCK2蛋白濃度測(cè)定結(jié)果,A 組為0-Ⅰ期,B組為Ⅱ～Ⅲ期,C組為對(duì)照組;10B為SPOCK2診斷0～Ⅰ期肺結(jié)節(jié)病的效能在臨床樣本中的驗(yàn)證結(jié)果;10C為SPOCK2診斷Ⅱ～Ⅲ期肺結(jié)節(jié)病的效能在臨床樣本中的驗(yàn)證結(jié)果。a P ＜0.05

3 討論

近年來(lái),隨著臨床醫(yī)生對(duì)結(jié)節(jié)病認(rèn)識(shí)的不斷提高以及檢查技術(shù)的不斷更新,結(jié)節(jié)病逐漸受到研究者的重視[13]。結(jié)節(jié)病是一種復(fù)雜的免疫性疾病,其發(fā)病率在不同人群間有著明顯差別,發(fā)病率較高的是非洲人群,主要受累器官為皮膚,而亞洲人群相對(duì)較低,但超過(guò)90%的結(jié)節(jié)病都會(huì)累及肺臟[14]。雖然部分肺結(jié)節(jié)病患者有一定的自愈趨勢(shì),但中青年人發(fā)病居多,個(gè)體差異較大,10%～30%患者病程可能轉(zhuǎn)為慢性病程并出現(xiàn)肺功能進(jìn)行性損害,終末期甚至可出現(xiàn)嚴(yán)重肺纖維化和呼吸衰竭[15-16]。結(jié)節(jié)病患者胸部CT 的典型表現(xiàn)為雙側(cè)肺門(mén)、縱隔淋巴結(jié)增大,密度均勻,邊界清晰,呈土豆樣;以及肺部浸潤(rùn)并多呈現(xiàn)網(wǎng)格狀、結(jié)節(jié)狀或者片狀的陰影[17]。正電子發(fā)射斷層 positron emission tomography,PET)/X 線(xiàn)計(jì)算機(jī)斷層 (computer tomography,CT)組合系統(tǒng)可提示累及多器官的不典型結(jié)節(jié)病的病灶定位區(qū)域[18],但其價(jià)格昂貴;目前臨床主要借助影像學(xué)改變和超聲引導(dǎo)下經(jīng)支氣管 鏡 針 吸 活 檢 術(shù) (transbronchial needle aspiration,TBNA)后的病理組織檢查診斷肺結(jié)節(jié)病[19];但肺結(jié)節(jié)病的影像學(xué)改變也缺乏特異性,不典型的肺結(jié)節(jié)病與其他肺間質(zhì)性肺疾病鑒別難度較大,而EBUS-TBNA 活檢在基層醫(yī)院難以開(kāi)展,因此尋找肺結(jié)節(jié)病相關(guān)分子標(biāo)志物,對(duì)于早期干預(yù)肺結(jié)節(jié)病具有重要的臨床意義。

本研究采用生物信息學(xué)方法分析發(fā)現(xiàn),在43例結(jié)節(jié)病和30例健康對(duì)照組外周血樣本的基因表達(dá)譜之間存在顯著的差異,這些表達(dá)上具有差異的基因參與了多種生物學(xué)過(guò)程和功能,如免疫反應(yīng)、炎癥反應(yīng)、GTP酶的活性等。隨機(jī)森林和LASSO回歸兩種算法篩選出核心基因?yàn)镾POCK2,ROC曲線(xiàn)提示AUC 值為0.985,提示SPOCK2具有一定的鑒別結(jié)節(jié)病的能力。為了進(jìn)一步驗(yàn)證生物信息分析的結(jié)果,本研究收集了50例肺結(jié)節(jié)病患者和50例健康對(duì)照組外周血清樣本進(jìn)行實(shí)驗(yàn)驗(yàn)證,根據(jù)肺結(jié)節(jié)病分期不同進(jìn)行分析,ELISA 結(jié)果顯示0～Ⅰ期肺結(jié)節(jié)病患者及Ⅱ～Ⅲ期肺結(jié)節(jié)病患者外周血樣本中的SPOCK2均低于健康對(duì)照組,且血清SPOCK2蛋白濃度對(duì)0～Ⅰ期肺結(jié)節(jié)病有較強(qiáng)的識(shí)別能力,與生物信息分析結(jié)果一致。上述現(xiàn)象提示SPOCK2可能在結(jié)節(jié)病的發(fā)病機(jī)制中發(fā)揮著保護(hù)作用。SPOCK2 也稱(chēng)之為或睪丸蛋白聚糖(testican-2),是骨黏連蛋白(osteonectin)家族的細(xì)胞外基質(zhì)鈣黏連蛋白,包含有硫酸軟骨素和硫酸乙酰肝素兩個(gè)側(cè)鏈,編碼424個(gè)氨基酸的糖蛋白,由信號(hào)肽、卵泡抑素樣結(jié)構(gòu)域、鈣離子結(jié)合結(jié)構(gòu)域、甲狀腺球蛋白樣結(jié)構(gòu)域和兩個(gè)黏多糖附著位點(diǎn)的C端區(qū)域組成[20]。SPOCK2最初是從人腦組織中的cDNA 文庫(kù)中成功克隆出來(lái)的,隨著研究的逐漸深入,SPOCK2 在肺、腎、前列腺、腎上腺及卵泡等組織中均可檢測(cè)到,有研究發(fā)現(xiàn)SPOCK2與人乳腺癌、前列腺癌、結(jié)腸癌的發(fā)病也存在密切的相關(guān)性[21-22],說(shuō)明SPOCK2 具有廣泛的生物學(xué)功能。陳濤等[23]研究表明SPOCK2與基質(zhì)金屬蛋白酶16 (matrix metalloproteinase 16,MMP-16)存在著協(xié)同作用,共同促進(jìn)肺泡和肺血管的形成,在肺的發(fā)育中發(fā)揮著重要作用,同時(shí)在高氧刺激時(shí)對(duì)肺組織起保護(hù)作用。Ahn等[24]研究表明過(guò)表達(dá)SPOCK2質(zhì)粒轉(zhuǎn)染的肺泡上皮細(xì)胞可有效阻止病毒附著和防止病毒進(jìn)一步進(jìn)入宿主細(xì)胞,其中唾液酸N-聚糖和硫酸乙酰肝素共價(jià)連接在SPOCK2核心蛋白上是抗病毒活性的關(guān)鍵。

因?yàn)榱鞲胁《镜纳窠?jīng)氨酸酶作用于裂解SPOCK2的唾液酸化部分,從而SPOCK2阻止了病毒的進(jìn)一步擴(kuò)散。對(duì)一項(xiàng)關(guān)于結(jié)節(jié)病病因的研究指出,結(jié)節(jié)病的發(fā)生可能與人體長(zhǎng)期暴露于微生物氣溶膠環(huán)境中密切相關(guān),這些微生物包括結(jié)核分枝桿菌、病毒、真菌等病原微生物。病原微生物的感染可能是結(jié)節(jié)病發(fā)展進(jìn)程的啟動(dòng)因素,激活了結(jié)節(jié)病的免疫機(jī)制[25],這一現(xiàn)象與本研究生信分析所得出的結(jié)節(jié)病差異基因富集在多個(gè)免疫相關(guān)生物學(xué)功能的結(jié)果一致。由此推測(cè),SPOCK2 的下調(diào)可以減弱肺泡上皮細(xì)胞對(duì)于病原微生物的抵抗能力,從而增加肺組織感染病原微生物的機(jī)會(huì),導(dǎo)致了肺內(nèi)異常免疫功能的激活,增加了患肺結(jié)節(jié)病的風(fēng)險(xiǎn)。隨著病情的進(jìn)展,免疫反應(yīng)的增強(qiáng),SPOCK2可能對(duì)肺泡上皮細(xì)胞抵御病原微生物的調(diào)控能力也逐漸增強(qiáng),因此本研究中Ⅱ～Ⅲ期肺結(jié)節(jié)病患者血清SPOCK2的濃度高于0～Ⅰ期肺結(jié)節(jié)病,但具體機(jī)制需進(jìn)一步實(shí)驗(yàn)證實(shí)。

本研究采用多種生物信息學(xué)及機(jī)器學(xué)習(xí)方法處理了基因芯片表達(dá)譜的數(shù)據(jù)并進(jìn)行了分析,但仍有一些不足之處:(1)雖然合并了2個(gè)GEO 數(shù)據(jù)集的數(shù)據(jù),但是因?yàn)榻Y(jié)節(jié)病發(fā)病率相對(duì)較低,公共數(shù)據(jù)中可下載的芯片較少,可能對(duì)結(jié)果造成一定偏倚;(2)合并的兩個(gè)GEO 數(shù)據(jù)集均只是籠統(tǒng)的說(shuō)明標(biāo)本來(lái)源于結(jié)節(jié)病,原始數(shù)據(jù)中未標(biāo)明是具體哪個(gè)器官或者系統(tǒng)的結(jié)節(jié)病,而臨床驗(yàn)證的標(biāo)本均采用肺結(jié)節(jié)病,不同部位的結(jié)節(jié)病的可能有所差異;(3)肺結(jié)核與肺結(jié)節(jié)病是臨床需要鑒別的病理表現(xiàn)為肉芽腫性疾病的兩種主要疾病,本課題組因?qū)嶒?yàn)條件的限制,未收集到肺結(jié)核及縱隔淋巴結(jié)結(jié)核患者血清樣本,無(wú)法分析SPOCK2在肺結(jié)核和肺結(jié)節(jié)病中的差異,因此本研究的結(jié)論還需要進(jìn)一步進(jìn)行完善和探討。

綜上所述,本研究通過(guò)合并兩個(gè)GEO 數(shù)據(jù)集的基因芯片表達(dá)譜,采用多種生物信息學(xué)分析方法篩選及臨床驗(yàn)證得到的結(jié)節(jié)病差異基因SPOCK2,可作為鑒別肺結(jié)節(jié)病的分子標(biāo)志物,為肺結(jié)節(jié)病的發(fā)病機(jī)制和靶向治療提供一定的理論基礎(chǔ)。

利益沖突 所有作者均聲明不存在利益沖突