如果您对骨科疾病生信临床研究感兴趣，请为小骨点点关注，持续解读骨科前沿生信文献和思路。如果您需要定制化服务，欢迎扫码联系小骨~
文章标题：Identification of immune-related genes in diagnosing atherosclerosis with rheumatoid arthritis through bioinformatics analysis and machine learning
中文标题：通过生物信息学分析和机器学习鉴定免疫相关基因诊断动脉粥样硬化与类风湿关节炎
发表期刊：Front Immunol
发表时间：2023年3月
影响因子：8.7/Q1
研究背景
越来越多的证据表明，类风湿性关节炎（RA）会加重动脉粥样硬化（AS），我们旨在探索AS和RA患者的潜在诊断基因。
研究方法
公共数据库中获取数据，包括基因表达综合数据库（GEO）和STRING，并通过Limma和加权基因共表达网络分析（WGCNA）获得差异表达基因（DEGs）和模块基因。采用《京都基因与基因组百科全书》（KEGG）和基因本体（GO）富集分析、蛋白-蛋白相互作用（PPI）网络和机器学习算法。我们使用列线图和受试者工作特征（ROC）曲线来评估诊断效果，该曲线已通过GSE55235和GSE73754进行验证。最后，在AS中发展了免疫浸润。
研究结果
1.差异表达基因的鉴定
从 RA 组合数据集中共鉴定出 2,705 个 DEG，p 值< 0.05 和 |log2FC|> 1.2.图2A、B中分别显示的火山图和热图说明了这些DEGs的差异表达模式。同样，对于 AS，使用相同的 p <值 0.05 和 |log2FC|> 1.2描述了这些 DEG 对 AS 的差异表达模式。
2.加权基因共表达网络分析和关键模块识别
我们使用加权基因共表达网络分析（WGCNA）构建了一个无标度共表达网络，以识别RA中最相关的模块。
3.RA的功能富集分析
为了验证GSE55457的可靠性，我们对来自Limma的基因和模块基因的交叉进行了富集分析。共获得164个常见基因4.AS与RA的富集分析，通过蛋白-蛋白相互作用网络筛选节点基因。
文章小结
该研究通过WGCNA，PPI和富集分析鉴定免疫相关基因诊断动脉粥样硬化与类风湿关节炎。为其诊断做出了卓越贡献。如果您对生信分析和公共数据库挖掘感兴趣，但时间和精力有限或者缺乏相关经验，小骨非常乐意为您提供如下服务：免费思路评估、付费方案设计和生信分析等，有意向的老师欢迎联系小骨哦！
