结果

我们首先从 GEO 数据库中获得了神经性疼痛数据集 ( GSE24982 )，并确定了神经性疼痛数据集的 DEG。与来自GSE24982数据集的正常组相比，我们在神经性疼痛组中确定了 691 个 DEG（449 个上调和 242 个下调）

 WGCNA网络构建及神经病理性疼痛相关模块识别

为了确定潜在的基因模块是否与神经性疼痛相关，我们对来自神经性疼痛相关数据集 ( GSE24982 ) 的所有候选基因进行了 WGCNA 分析。. 我们确定了五个不同的模块（ 经过正相关系数的分析。最后在GSE24982数据集中筛选出模块turquoise

Go/KEGG 分析

寻找 WGCNA 衍生的中枢基因和 DEG 之间的共表达基因。我们最终筛选出 440 个重叠基因作为候选中枢基因，这些基因可能在神经性疼痛的发生和发展中发挥重要作用. 进行 GO 和 KEGG 分析以进一步探索这 440 个重叠基因的潜在作用. GO富集分析表明重叠基因主要影响细胞因子受体结合、趋化因子受体结合、细胞趋化性和JAK STAT级联正调控等生物学功能。KEGG富集分析显示重叠基因主要影响细胞因子-细胞因子受体相互作用、趋化因子介导的信号通路、PI3K AKT通路、趋化因子通路和化学致癌作用。

中枢基因的 PPI 网络分析

我们使用 STRING 在线工具构建了重叠中心基因的 PPI 网络. 随后，使用 Cytoscape 软件可视化排名前十位的上调基因 简而言之，整理出了 IL2、SMELL、CCL4、CCR3、CXCL1、CCR1、HGF、CXCL2、GATA3 和 CRP。颜色越深，得分越高。

神经病理性疼痛风险预测列线图模型的构建

然后我们构建了一个列线图模型来预测神经性疼痛风险. 因此，我们的列线图模型在神经性疼痛预测中表现良好。随后，我们计算了五个中枢基因（IL2、SELL、CXCL1、CCL4 和 CCR3）的 ROC 曲线，以评估诊断效果。我们列线图的 AUC 可以区分神经性疼痛和对照IL2、SELL、CXCL1、CCL4、CCR3的AUC值分别为0.940、0.950、0.870、0.990。

神经性疼痛中免疫细胞浸润的评估

由于 KEGG 通路分析和 GO 富集表明，这些中枢基因主要与趋化因子介导的通路相关。结果显示，与 IL2-low 组相比，IL2-high 组的 CD4+ 静息记忆 T 细胞、活化的 CD4+ 静息记忆 T 细胞和静息树突状细胞的浸润水平更高，而活化的 NK 细胞和嗜酸性粒细胞的浸润水平IL2-high 组低于 IL2-low 组 这些结果证明了免疫细胞浸润与中枢基因 IL2 在神经性疼痛中的直接关系。

 IL2 与神经性疼痛的风险存在因果关系

补充表 S3显示了 IL2 和三叉神经痛的 SNP 特征。所有 SNP 都不是弱工具变量。每种遗传变异对神经性疼痛的因果影响. 我们评估了 IL2 水平与三叉神经痛之间的因果关系。使用 IVW 方法，我们发现 IL2 与三叉神经痛的风险相关，OR 为 1.203（95% CI = 1.004–1.443，p = 0.045）。MR-Egger 方法未显示出显着的统计学意义 [OR = 1.023, 95% CI = 0.636–1.647, p = 0.925]。漏斗图的因果效应大致对称, MR Egger 回归的截距没有观察到水平多效性 ( p = 0.480), 进一步表明多效性没有使因果效应产生偏差，我们在去除每个 SNP 后，系统地对剩余的 SNP 再次进行 MR 分析。结果保持一致，表明所有 SNP 的计算结果使因果关系显着。这也说明IL2水平和三叉神经痛没有显性SNP，之前的MR结果是有效的。