目的 基于基因表达综合数据库（GEO）信息，筛选与肝细胞癌（HCC）相关的核心基因，评估其在预测HCC发病方面的临床应用价值。方法 从GEO数据库下载HCC基因表达谱GSE14520、GSE63898，将数据合并后作为内部数据集。以P<0.05且|log2 FC|>3.5为条件筛选HCC的差异基因，并与加权基因共表达网络分析（WGCNA）特征基因取交集后，筛选与HCC相关的核心基因。利用基因本体论（GO）和京都基因与基因组百科全书（KEGG）通路富集分析核心基因的潜在功能。利用机器学习算法构建HCC的最优预测模型，并使用外部数据集GSE46444和GSE76427进行模型验证。通过Cytoscape和PPI软件筛选关键核心基因，开展细胞增殖和侵袭实验验证。结果 通过差异表达分析和WCGNA分析筛选出6个核心基因，分别为CYP1A2、HAMP、MT1H、MT1M、GPC3、SPINK1。通过GO和KEGG通路富集分析，核心基因与金属离子反应、无机物质反应、矿物质吸收相关。机器学习算法筛选出Stepglm[both]与XGBoost算法确定HCC的最优模型，在内部数据集的AUC值为0.996（95%CI:0.991～0.998），在外部数据集GSE46444组和GSE76427组的AUC值分别为0.808（95%CI:0.727～0.877）和0.985（95%CI:0.971～0.996）。通过Cytoscape软件分析鉴定出的3个基因分别是MT1M、MT1H、GPC3，并且MT1H为HCC的关键核心基因。细胞实验发现敲除MT1H促进了肝癌细胞的增殖能力及侵袭能力（F=261.2、37.54，均P<0.001），表明MT1H具有抑癌作用。结论 通过生物信息学筛选出CYP1A2、HAMP、MT1H、MT1M、GPC3、SPINK1可能是HCC潜在的生物诊断标志物，为HCC的临床诊疗提供思路。并且MT1H为HCC的关键核心基因,可以抑制HCC进展。
(8.0+极速模式)