Background: Myocardial fibrosis (MF) occurs throughout the onset and progression of cardiovascular disease, and early diagnosis of MF is beneficial for improving cardiac function, but there is a lack of research on early biomarkers of MF.
Objectives: Utilizing bioinformatics techniques, we identified potential biomarkers for MF.
Methods: Datasets related to MF were sourced from the GEO database. After processing the data, differentially expressed genes were screened. Differentially expressed genes were enriched, and subsequently, protein-protein interaction (PPI) was performed to analyze the differential genes. The associated miRNAs and transcription factors were predicted for these core genes. Finally, ROC validation was performed on the core genes to determine their specificity and sensitivity as potential biomarkers. The level of significance adopted was 5% (p < 0.05).
Results: A total of 91 differentially expressed genes were identified, and PPI analysis yielded 31 central genes. Enrichment analysis showed that apoptosis, collagen, extracellular matrix, cell adhesion, and inflammation were involved in MF. One hundred and forty-two potential miRNAs were identified. the transcription factors JUN, NF-κB1, SP1, RELA, serum response factor (SRF), and STAT3 were enriched in most of the core targets. Ultimately, IL11, GADD45B, GDF5, NOX4, IGFBP3, ACTC1, MYOZ2, and ITGB8 had higher diagnostic accuracy and sensitivity in predicting MF based on ROC curve analysis.
Conclusion: Eight genes, IL11, GADD45B, GDF5, NOX4, IGFBP3, ACTC1, MYOZ2, and ITGB8, can serve as candidate biomarkers for MF. Processes such as cellular apoptosis, collagen protein synthesis, extracellular matrix formation, cellular adhesion, and inflammation are implicated in the development of MF.
Fundamento: A fibrose miocárdica (FM) ocorre durante o início e a progressão da doença cardiovascular, e o diagnóstico precoce da FM é benéfico para melhorar a função cardíaca, mas há uma falta de pesquisa sobre biomarcadores precoces da FM.
Objetivos: Utilizando técnicas de bioinformática, identificamos potenciais biomarcadores para FM.
Métodos: Os conjuntos de dados relacionados à FM foram obtidos do banco de dados Gene Expression Omnibus (GEO). Após o processamento dos dados, genes diferencialmente expressos foram rastreados. Genes diferencialmente expressos foram enriquecidos e, subsequentemente, interação proteína-proteína (PPI) foi realizado para analisar os genes diferenciais. Os miRNAs associados e fatores de transcrição foram previstos para esses genes centrais. Finalmente, a validação ROC foi realizada nos genes centrais para determinar sua especificidade e sensibilidade como potenciais biomarcadores. O nível de significância adotado foi de 5% (p < 0,05).
Resultados: Um total de 91 genes diferencialmente expressos foram identificados, e a análise PPI produziu 31 genes centrais. A análise de enriquecimento mostrou que apoptose, colágeno, matriz extracelular, adesão celular e inflamação estavam envolvidos na FM. Cento e quarenta e dois miRNAs potenciais foram identificados. Os fatores de transcrição JUN, NF-κB1, SP1, RELA, SRF e STAT3 foram enriquecidos na maioria dos alvos principais. Por fim, IL11, GADD45B, GDF5, NOX4, IGFBP3, ACTC1, MYOZ2 e ITGB8 tiveram maior precisão diagnóstica e sensibilidade na predição de FM com base na análise da curva ROC.
Conclusão: Oito genes, IL11, GADD45B, GDF5, NOX4, IGFBP3, ACTC1, MYOZ2 e ITGB8, podem servir como biomarcadores candidatos para FM. Processos como apoptose celular, síntese de proteína de colágeno, formação de matriz extracelular, adesão celular e inflamação estão implicados no desenvolvimento da FM.