バイオインフォマティクス分析と機械学習によるアトピー性皮膚炎患者の皮膚および血漿中のミトコンドリア関連バイオマーカーのスクリーニング

背景：アトピー性皮膚炎（AD）患者には、ミトコンドリア活性と酸化ストレス（OS）状態の有意な不均衡があります。この研究の目的は、皮膚と末梢ミトコンドリア関連のバイオマーカーをスクリーニングし、ADのミトコンドリア機能障害の根本的なメカニズムに関する洞察を提供することを目的としています。 方法：Mitocarta 3.0およびGEOデータベースからパブリックデータが取得されました。R言語を使用してミトコンドリア関連の差次的に発現した遺伝子（Mitodegs）をスクリーニングし、MitodegsでGOおよびKEGG経路分析を実行しました。PPIおよび機械学習アルゴリズムも、ハブMitodegsを選択するために使用されました。一方、臨床サンプルにおけるハブMITODEGの発現が検証されました。ROC曲線分析を使用して、これらのハブMitodegsから構築されたリスクモデルの診断パフォーマンスがトレーニングと検証セットで評価されました。さらなるコンピューター支援アルゴリズム分析には、これらのハブマイトデグを中心とした遺伝子セット濃縮分析（GSEA）、免疫浸潤、ミトコンドリア代謝が含まれていました。また、リアルタイムPCRおよびスピアマン法を使用して、AD患者の血漿循環無細胞ミトコンドリアDNA（CCF-MTDNA）レベルと疾患の重症度との関係を評価しました。 結果：ADのMitodegsは、ミトコンドリア呼吸、ミトコンドリア代謝、ミトコンドリア膜輸送に関与する経路で大幅に濃縮されました。4つのハブ遺伝子（BAX、IDH3A、MRPS6、およびGPT2）を選択して、AD予測の新しいミトコンドリアベースのリスクモデルの作成に参加しました。リスクスコアは、トレーニングコホート（AUC = 1.000）と検証コホート（AUC = 0.810）の両方で優れた診断パフォーマンスを示しました。4つのハブマイトデグは、自然免疫細胞の浸潤とADのミトコンドリア高代謝症の分子修飾と明確に関連していました。さらに、AD患者はコントロールよりもかなり高い血漿CCF-MTDNAレベルがあることを発見しました（U = 92.0、P <0.001）。その上、血漿mtDNAのアップレギュレーションとAD症状の重症度との間には有意な関係がありました。 結論：この研究では、BAX、IDH3A、MRPS6、およびGPT2が重要なMitodegsとして強調され、ADの識別効率を示しています。中程度から重度のADは、ミトコンドリアの損傷と細胞ストレスのマーカーの増加に関連しています（CCF = mtDNA）。私たちの研究は、AD患者のミトコンドリア関連の機能特性の変動に対するデータサポートを提供します。

BACKGROUND: There is a significant imbalance of mitochondrial activity and oxidative stress (OS) status in patients with atopic dermatitis (AD). This study aims to screen skin and peripheral mitochondria-related biomarkers, providing insights into the underlying mechanisms of mitochondrial dysfunction in AD. METHODS: Public data were obtained from MitoCarta 3.0 and GEO database. We screened mitochondria-related differentially expressed genes (MitoDEGs) using R language and then performed GO and KEGG pathway analysis on MitoDEGs. PPI and machine learning algorithms were also used to select hub MitoDEGs. Meanwhile, the expression of hub MitoDEGs in clinical samples were verified. Using ROC curve analysis, the diagnostic performance of risk model constructed from these hub MitoDEGs was evaluated in the training and validation sets. Further computer-aided algorithm analyses included gene set enrichment analysis (GSEA), immune infiltration and mitochondrial metabolism, centered on these hub MitoDEGs. We also used real-time PCR and Spearman method to evaluate the relationship between plasma circulating cell-free mitochondrial DNA (ccf-mtDNA) levels and disease severity in AD patients. RESULTS: MitoDEGs in AD were significantly enriched in pathways involved in mitochondrial respiration, mitochondrial metabolism, and mitochondrial membrane transport. Four hub genes (BAX, IDH3A, MRPS6, and GPT2) were selected to take part in the creation of a novel mitochondrial-based risk model for AD prediction. The risk score demonstrated excellent diagnostic performance in both the training cohort (AUC = 1.000) and the validation cohort (AUC = 0.810). Four hub MitoDEGs were also clearly associated with the innate immune cells' infiltration and the molecular modifications of mitochondrial hypermetabolism in AD. We further discovered that AD patients had considerably greater plasma ccf-mtDNA levels than controls (U = 92.0, p< 0.001). Besides, there was a significant relationship between the up-regulation of plasma mtDNA and the severity of AD symptoms. CONCLUSIONS: The study highlights BAX, IDH3A, MRPS6 and GPT2 as crucial MitoDEGs and demonstrates their efficiency in identifying AD. Moderate to severe AD is associated with increased markers of mitochondrial damage and cellular stress (ccf=mtDNA). Our study provides data support for the variation in mitochondria-related functional characteristics of AD patients.