柴晏，赵玉青，郭旭男，王东英，边云飞

    动脉粥样硬化(atherosclerosis，AS)导致的心血管疾病(cardiovascular disease，CVD)是全球死亡的主要原因，世界卫生组织预测2030年将有2 360万人死于CVD[1]。AS形成机制复杂，主要涉及血管内皮损伤、单核巨噬细胞黏附、脂质沉积等[2]，但这些因素如何影响AS进程，其机制尚未完全清楚。因此找寻AS新的诊断靶点，预防AS的发生，延缓其进展尤为重要。利用基因芯片技术对临床患者标本进行检测分析，筛选出一些具有价值的基因，进而深入研究冠状动脉粥样硬化性心脏病(coronary artery disease，CAD)的发病机制具有重要的临床意义。肥胖是CVD的独立危险因素，但肥胖的主要评价指标体质指数(BMI)与AS患者死亡率呈“U”型关联，这种现象被称为肥胖悖论，因此脂肪组织不再被认为是单纯的“能量仓库”，而是一种代谢活跃的内分泌和旁分泌器官[3]。心外膜脂肪组织(epicardial adipose tissue，EAT)在解剖上与冠状动脉紧密相连，同AS、心房颤动、心力衰竭等CVD密切相关[4-6]。多项研究发现功能失调的EAT通过分泌外泌体(exosome，EXO)和生物活性物质促进AS疾病进展[7]，但其作用机制仍需进一步研究。本研究通过对美国国家生物技术信息中心(NCBI)的基因表达综合数据库(Gene Expression Omnibus database，GEO)中 CAD患者EAT和EXO的基因测序数据进行生物信息学分析，探讨EAT参与AS的分子机制及其与EXO的联系，旨在为CAD的诊断和治疗提供新的理论基础。

    1 材料与方法

    1.1 数据集的下载与预处理 以“epicardial adipose tissue OR EAT”为关键词，选择“Homo sapiens”为研究对象检索GEO数据库，根据数据集提供的相关信息，获得所需芯片GSE64554、GSE120774，根据临床信息将EAT的测序数据分为CAD组和健康对照组。下载series matrix的数据，采用“sva”包“ComBat”方法去除批次效应，合并基因表达矩阵。通过exoRBase 2.0数据库获取CAD组与健康对照组血液EXO基因表达谱。

    1.2 差异基因的筛选 通过“limma”R语言包[8]对合并后数据集中CAD组与健康对照组EAT间差异表达基因(differentially expressed genes，DEGs)和CAD组与健康对照组EXO间DEGs进行筛选 ......