目的:基于GEO公共数据库中自身抗体相关性先天性房室传导阻滞(autoantibodyrelated congenital heart block,ACHB)的数据,通过生物信息学分析方法找寻在ACHB中差异表达的m RNA和Lnc RNA,构建竞争性内源RNA(competitive endogenous RNA,ce RNA)调控网络,并筛选相关Lnc RNA,以预测非编码RNA影响ACHB发病的分子机制。方法:在GEO数据库NSC125066研究购买中下载与疾病相关的数据集。利用R语言“limma”包对数据集进行m RNA和Lnc RNA的差异性分析,利用“cluster Profiler”包对差异m RNA进行GO和KEGG功能富集分析。利用ENCORI预测可能与差异m RNA相互作用的mi RNA,再次利用ENCORI预测与相关mi RNA相互作用的Lnc RNA,并将预测结果与数据集中差异Lnc RNAs取交集。运用Cytoscape软件构建相关Lnc RNA-mi RNA-m RNA的ce RNA调控网络,并使用Cyto NCA插件根据degree值筛选网络中关键的Lnc RNA。结果:在GEO数据库中找到ACHB相关数据集GSE121699。通过差异分析得到519个差异m RNAs和27个差异Lnc RNAs。通过功能富集分析得到包含生物过程、细胞组分和分子功能在内的1106个GO条目和50条KEGG信号通路,并筛选出20条可能与疾病相关的功能条目或通路。ENCORI预测的Lnc RNA与数据集中差异Lnc RNA取交集,得到9个Lnc RNAs,根据与9个Lnc RNAs相关的121个mi RNAs和100个m RNAs,构建ce RNA网络。对网络进行拓扑结构分析,通过degree值排序得到前3个Lnc RNAs获悉更多,即NUTM2A-AS1、DHRS4-AS1和ARHGAP5-AS1。结论:本研究基于ACHB相关数据集成功构建了Lnc RNA-mi RNA-m RNA调控网络,有助于研究非编码RNA对ACHB发病的作用机Laboratory biomarkers制。网络中的NUTM2A-AS1、DHRS4-AS1和ARHGAP5-AS1是重要节点,可能调控了心肌细胞凋亡和炎症纤维化反应,从而参与ACHB发生发展,但该结果尚需开展后续实验进一步验证。