摘要：7.5多组学结合机器学习筛选肥胖关键基因并验证，非肿瘤经典思路
一、文章信息
发表杂志名称：Journal of Translational Medicine
中文标题：肥胖分子机制研究：多组学分析、机器学习与实验验证的整合方法英文标题：Investigation into the molecular mechanism of obesity: an integrated approach of multi-omics analysis, machine learning and experimental validation
影响因子：7.5
发表日期：2025年10月17日
二、研究概述
肥胖已成为全球重大公共卫生挑战，其病理进展机制尚未完全明确。本研究通过整合转录组学、单细胞RNA测序（scRNA-seq） 数据，结合生物信息学分析、机器学习算法及动物实验验证，系统筛选肥胖相关关键基因。研究首先从GEO数据库获取数据集，鉴定差异表达基因（DEGs）并进行功能富集分析，通过加权基因共表达网络分析（WGCNA）筛选核心模块基因，进一步结合巨噬细胞相关基因筛选及机器学习（LASSO回归、随机森林）鉴定枢纽基因。最终证实TREM2 为巨噬细胞特异性表达的关键基因，参与肥胖相关免疫代谢紊乱调控，可作为肥胖潜在诊断生物标志物及治疗靶点。
三、研究目标与解决的实际问题
3.1 核心研究目标系统鉴定调控肥胖病理进展的关键靶点及潜在分子机制。明确关键靶点的细胞特异性表达特征及在肥胖发展中的功能作用。为肥胖相关疾病的精准诊断和治疗提供新的生物标志物与治疗方向。3.2 解决的实际问题破解肥胖病理机制中免疫代谢紊乱的核心驱动因素不明确的难题。弥补传统研究难以精准定位细胞特异性调控基因的缺陷。为临床肥胖及相关代谢疾病（如胰岛素抵抗、脂肪肝）提供潜在诊断指标和治疗靶点。
四、研究方法与目的（表格呈现）
4.1 生信分析方法及目的
实验验证方法及目的
五、实验/分析设计与结果解读
5.1 Figure 1：不同时间点肥胖相关DEGs鉴定设计逻辑：肥胖是渐进性疾病，需明确不同病程（8周、20周）的基因表达差异，筛选贯穿肥胖进展的核心DEGs。分析过程：对GSE142187和GSE132706两个数据集，分别比较HFD（高脂饮食）与ND（正常饮食）组在8周和20周的基因表达差异，通过火山图可视化差异基因分布，再通过Venn图取交集获得核心DEGs。结果：GSE142187数据集8周鉴定2807个DEGs（1913个上调、894个下调），20周鉴定3693个DEGs（2341个上调、1352个下调）；GSE132706数据集8周鉴定2836个DEGs，20周鉴定2534个DEGs；最终获得535个核心DEGs，PPI网络显示这些基因存在紧密相互作用。
5.2 Figure 2：核心DEGs功能富集分析设计逻辑：明确535个核心DEGs的生物学功能，为后续机制研究提供方向。分析过程：对核心DEGs进行GO、KEGG、WikiPathways富集分析，筛选P
5.3 Figure 3：WGCNA分析肥胖相关基因模块设计逻辑：整合两个转录组数据集，筛选与肥胖表型（饮食类型、喂养时间）强相关的共表达基因模块，聚焦核心调控基因。分析过程：消除批次效应后整合数据集，通过层级聚类构建共表达网络，设定软阈值（power=8）划分基因模块，分析模块与表型的相关性。结果：共鉴定12个基因模块，其中绿松石色模块（turquoise module） 与肥胖表型相关性最强（与HFD组正相关、ND组负相关），包含3891个特征相关基因，该模块基因被认定为影响肥胖进展的枢纽基因。
5.4 Figure 4：DEGs与枢纽基因重叠靶点富集及免疫浸润分析设计逻辑：交集分析可筛选同时满足“差异表达”和“共表达关联”的核心基因，免疫浸润分析明确肥胖状态下免疫细胞组成变化。分析过程：取DEGs与绿松石色模块基因的交集获得425个重叠基因，通过Metascape进行功能富集，采用CIBERSORT算法分析免疫细胞浸润比例。结果：425个基因富集于免疫反应正调控、细胞活化、小胶质细胞吞噬等炎症相关过程；免疫浸润分析显示HFD组与ND组相比，记忆B细胞、调节性T细胞、树突状细胞及巨噬细胞比例显著改变；单细胞数据分析证实肥胖患者脂肪组织中巨噬细胞比例显著升高。
5.5 Figure 5：多方法筛选肥胖进展关键基因设计逻辑：从巨噬细胞相关基因中精准筛选核心枢纽基因，结合多种算法提高结果可靠性。分析过程：从人类蛋白质图谱数据库获取巨噬细胞相关基因，与425个核心基因取交集得到81个巨噬细胞相关DEGs；通过PPI网络度中心性评估（阈值=18）筛选23个核心基因，再经随机森林（19个基因）和LASSO回归（2个基因）交集分析。结果：最终鉴定出TREM2 和CXCR4 两个枢纽基因，其中TREM2在巨噬细胞中特异性表达，CXCR4表达于多种细胞类型。
5.6 Figure 6：单细胞测序验证关键基因的细胞定位与表达设计逻辑：验证TREM2和CXCR4的细胞特异性表达，明确其在肥胖状态下的表达变化。分析过程：重分析GSE214982单细胞数据集，通过UMAP/t-SNE聚类注释细胞类型，采用小提琴图、箱线图可视化关键基因在不同细胞类型及分组中的表达。结果：共鉴定22种细胞簇，HFD组巨噬细胞浸润显著增加；TREM2在HFD组巨噬细胞中表达显著上调，而CXCR4在多细胞类型中表达且组间无显著差异，证实TREM2为巨噬细胞特异性调控基因。
5.7 Figure 7：动物实验及外部数据集验证TREM2表达设计逻辑：通过体内实验和多独立数据集验证TREM2在肥胖进展中的表达模式，明确其与肥胖的关联性。分析过程：构建HFD诱导肥胖小鼠模型（8-20周），检测体重、腰围等表型指标，采用ELISA检测血清sTREM2水平，IF染色观察TREM2与巨噬细胞标志物F4/80的共定位；分析GEO数据库中多个独立数据集的TREM2表达。结果：HFD组小鼠体重、腰围、Lee指数随喂养时间增加而升高，16周后趋于稳定；血清sTREM2水平呈时间依赖性升高；IF染色显示TREM2与F4/80在脂肪组织中显著共定位，形成“冠样结构”；多独立数据集均证实肥胖状态下TREM2表达显著上调。
六、研究总结
本研究采用“多组学数据整合-生物信息学分析-机器学习筛选-实验验证”的系统研究框架，聚焦肥胖病理进程中的免疫代谢紊乱机制。通过转录组学、单细胞测序数据挖掘，结合WGCNA、LASSO回归、随机森林等多种算法，成功鉴定出巨噬细胞特异性表达的枢纽基因TREM2。功能及实验验证表明，TREM2通过调控脂肪组织巨噬细胞功能，参与肥胖相关免疫炎症反应和代谢稳态维持，其表达水平随肥胖进展逐渐升高，可作为肥胖及相关代谢疾病的潜在诊断生物标志物和治疗靶点。研究不仅揭示了TREM2在肥胖病理机制中的关键作用，也为肥胖精准医疗提供了新的理论依据和技术支撑，同时指出未来需通过巨噬细胞特异性条件敲除模型等进一步明确TREM2的具体调控机制。
来源：喵酱科学
