题目：Mendelian randomization and transcriptome analysis identified immune-related biomarkers for osteoarthritis
题目：孟德尔随机化和转录组分析确定了骨关节炎的免疫相关生物标志物
期刊：Front Immunol.
分数：7.3/Q1
发表时间：202404
研究背景
免疫微环境在骨关节炎（OA）的发病机制中起着重要作用。然而，目前用于OA诊断和治疗的生物标志物并不令人满意。我们的研究旨在确定新的 OA 免疫相关生物标志物，以利用多组学数据指导 OA 的预防和治疗。
研究方法
发现数据集整合了 GSE89408 和 GSE143514 数据集，通过多种机器学习方法和加权基因共表达网络分析 （WGCNA） 识别出与 OA 免疫微环境显著相关的生物标志物。使用两个独立的验证数据集确认了已鉴定的特征基因。我们还进行了一项双样本孟德尔随机化 （MR） 研究，使用 OA 全基因组关联研究 （GWAS） 汇总数据（病例 n = 24,955，对照 n = 378,169）在生物标志物和 OA 之间建立因果关系。采用逆方差加权（IVW）法作为因果估计的主要方法。进行了敏感性分析以评估IVW结果的稳健性和可靠性。
研究思路
结果分析
1. OA患者免疫浸润的评估
鉴于免疫微环境的变化对 OA 进展的重要性，我们比较了发现数据集中 OA 和正常个体的免疫评分，这提供了对免疫微环境的定性评估。
2. 免疫相关特征基因的鉴定
使用WGCNA算法,基于免疫细胞特征提取共表达基因模块。绿黄、紫色、绿色模块与不同免疫细胞显著相关。选择绿黄、紫色、绿色模块基因进行分析,发现44个与免疫微环境相关的DEGs。这些DEGs富集在细胞因子产生、炎症反应等通路,与OA发病机制有关。LASSO算法从44个DEGs中鉴定出7个特征基因,在OA中均上调。
3. 特征基因的验证和评估
与OA免疫微环境相关的这三个特征基因可以作为OA的潜在生物标志物。随后，使用ROC曲线分析评估了3个特征基因诊断OA的准确性。
4. 特征基因的GSEA分析
我们进行了GSEA，以探索3个特征基因基于其表达值。与OA免疫微环境相关的3个特征基因的基因集富集分析。
5. OA免疫微环境相关特征基因的单细胞分析
基于标记基因，共鉴定出9个细胞簇：滑膜下成纤维细胞（SSFs）、滑膜内膜成纤维细胞（SIFs）、巨噬细胞、树突状细胞（DCs）、内皮细胞（EC）、平滑肌细胞（SMCs）、T细胞、增殖免疫细胞（ProICs）和肥大细胞。
6. 生物标志物对OA的因果效应
使用cis-eQTL工具进行IVW分析，WM方法的MR结果与IVW方法的MR结果一致。使用MR-Egger分析，我们没有观察到3种生物标志物与OA之间存在因果关系的证据。
文章小结
利用多组学数据结合生物信息学和MR方法，确定了三种有前途的OA生物标志物（FCER1G、HLA-DMB 和 HLA-DPA1）。使用大规模GWAS汇总数据的MR研究表明，三种生物标志物对OA有因果关系。这些发现可为未来揭示OA的分子机制提供指导。对这篇文章的思路感兴趣的老师，欢迎扫码咨询！
