目的:通过生物信息学方法预测胎盘植入疾病的关键免疫基因。方法:本研究在GEO数据库中选出数据集GSE189267,采用R语言软件(“limma”R包)对各组表达基因进行差异分析,筛选出有差异意义的差异表达基因(DEGs),随后通过基因本体论(GO)、京都基因与基因组百科全书(KEGG)分析、加权基因表达网络分析(WGCNA)、蛋白质相互作用网络分析及基因集富集分析(GSEA)等生物信息学分析方法确定与胎盘植入性疾病显著相关的免疫基因。结果:共筛选出93个与胎盘植入性疾病高度相关的差异表达基因,通过WGCNA进一步鉴定出与穿透性胎盘植入显著相关的17个免疫相关基因。其中,瘦素(LEP)、绒毛膜生长激素1 (CSH1)、绒毛膜生长激素2 (CSH2)为前三个枢纽基因。对其分别进行单基因GSEA分析显示,LEP可能参与膜裂解、多泡体组织和核膜的重组,而CSH1和CSH2则参与了相似的生物过程,包括调节RAC蛋白信号转导和SRP依赖的共转译蛋白质膜定位。结论:本研究通过生物信息学方法提示LEP、CSH1和CSH2是穿透性胎盘植入的关键免疫基因,可能通过膜裂解、多泡体组织和核膜的重组、调节RAC蛋白信号转导和SRP依赖的共转译蛋白质膜定位等机制参与穿透性胎盘植入的发生,有助于更深入地理解穿透性胎盘植入,并为该疾病的潜在诊断和治疗靶点提供了进一步的见解。Objective: To predict key immune-related genes in placental implantation disorders using bioinformatics methods. Methods: In this study, the dataset GSE189267 was selected from the GEO database. Differential expression analysis of genes in each group was performed using R software (“limma” R package) to identify differentially expressed genes (DEGs) with statistical significance. Subsequently, bioinformatics analysis methods, including Gene Ontology (GO) analysis, Kyoto Encyclopedia of Genes and Genomes (KEGG) analysis, weighted gene co-expression network analysis
