论文解读｜Hongyan Wang/Xiaoying Yao教授团队揭示诊断克罗恩病患者阿尔茨海默病的关键基因

阿尔茨海默病（AD）是一种目前尚无临床治愈方法的神经退行性疾病，随着发病率的持续上升，已成为一个重大的公共健康问题。炎症性肠病（IBD），包括溃疡性结肠炎和克罗恩病（CD），以胃肠道的长期炎症和免疫失衡为特征。近年来的流行病学研究表明，IBD与AD风险增加之间存在关联。然而，AD与IBD之间潜在的调控机制尚不清楚。

复旦大学的Hongyan Wang/Xiaoying Yao教授团队在本刊发表了题为“Hub genes identification for diagnosing Alzheimer’s disease in patients with Crohn’s disease”的研究快讯。该研究通过综合生物信息学分析和机器学习算法，识别了与克罗恩病患者阿尔茨海默病诊断相关的关键基因，并构建了可靠的诊断模型。

01 研究方法

研究团队首先从GEO数据库获取了阿尔茨海默病（AD，GSE109887）和克罗恩病（CD，GSE95095）的基因表达数据。接着，基于fold change >1.5 and P < 0.01的标准，识别出在AD和CD中表达模式相同的共同差异表达基因。为了进一步探索这些基因之间的相互作用，研究者构建了蛋白质-蛋白质相互作用网络，以揭示关键节点。此外，通过加权基因共表达网络分析（WGCNA），构建了无尺度共表达网络，并识别出与CD最相关的模块。在筛选关键基因方面，研究团队采用了LASSO回归和随机森林这两种机器学习算法。经过两种方法的交叉验证，确定了若干候选基因。最后，基于这些关键基因，研究者构建并验证了诊断模型。

02 研究结果

研究团队一共识别出43个在AD和CD中表达模式相同的共同差异表达基因，其中36个上调和7个下调（图1A）。通过构建蛋白质-蛋白质相互作用网络，发现SPP1、PDGFRB和BGN是关键节点（图1B）。WGCNA显示，棕色模块与CD的相关性最强（P = 6.6e-10, r = 0.82），被认为是关键模块（图1D）。利用LASSO回归和随机森林算法筛选关键基因，最终确定了4个关键基因，包括PDGFRB、DDIT4L、BCL6和TMEM106A（图1G–I）。基于这些关键基因构建的诊断模型在训练集（AUC: 0.93, CI: 0.83-1.00）和验证集（AUC: 0.86, CI: 0.76-0.97）中均显示出较高的诊断效能（图1J、K）。此外，免疫浸润分析发现，多种免疫细胞在AD和CD患者中的比例显著不同，且与关键基因的表达水平显著相关。

图1 通过综合生物信息学分析和机器学习鉴定克罗恩病患者阿尔茨海默病的关键基因

总之，通过综合生物信息学方法和机器学习算法，该研究识别了4个与克罗恩病患者阿尔茨海默病诊断相关的关键基因（PDGFRB、BCL6、DDIT4L、TMEM106A），并构建了可靠的诊断模型。这些基因在维持中枢神经系统稳态、调节免疫反应和介导炎症过程中发挥重要作用。此外，免疫浸润分析揭示了这些关键基因与多种免疫细胞的显著相关性，为AD和CD的免疫治疗提供了潜在靶点。该研究不仅为临床诊断提供了新的工具，还为深入研究这两种疾病的分子机制提供了新的视角。

免费全文下载链接：

https://www.sciencedirect.com/science/article/pii/S2352304224002733

引用这篇文章：

Liu P, Yao X, Wang H. Hub genes identification for diagnosing Alzheimer's disease in patients with Crohn's disease. Genes Dis. 2025;12(3):101476.