文章标题：Bioinformatics-Led Discovery of Osteoarthritis Biomarkers and Inflammatory Infiltrates
中文标题：生物信息学主导的骨关节炎生物标志物和炎性浸润的发现
发表期刊：Frontiers in Immunology
发表时间：2022年6月
影响因子：5.7/Q1
骨关节炎是一种退行性关节疾病，对老年人影响最大。它是导致残疾的主要原因，其特征是关节软骨破坏和骨碎裂。骨关节炎的治疗费用给患者和社会造成了经济负担，对人类健康造成了严重威胁。然而，该病的病因和发病机制仍不清楚。为了制定有效的治疗策略，有必要研究骨关节炎发展的潜在机制。
研究方法
基因表达谱 （GSE55235、 GSE55457、 GSE77298 和 GSE82107） 选自 Gene Expression Omnibus 数据库。创建蛋白质-蛋白质相互作用网络，并使用基因本体论 （GO） 和京都基因与基因组百科全书 （KEGG） 数据库进行功能富集分析和基因组富集分析。使用 CIBERSORT 方法分析骨关节炎组织和对照组织之间的免疫细胞浸润。使用 R 软件中的 ConsensusClusterPlus 包，使用一致的聚类方法识别免疫模式。
结果分析
1. GEO 数据批处理
从 GEO 数据集中删除批量效应以获得集成数据集 （图 2），其中包括 69 个关节炎样本和 34 个对照样本。关节炎样本和对照样本的差异研究显示 105 个 DEGs;其中 83 例上调，22 例下调。
2. 风险模型的构建
采用 LASSO 算法在 28 个 Imm-DEGs 中鉴定出 16 个特征基因，对关节炎影响显著 （图 5A、B).基于 16 个特征基因的系数 （图 5C），将基因表达乘以相应的系数并求和得出关节生成评分 （图 5D).同样，研究了 16 个基因特征的受试者工作特征 （ROC） 曲线以预测关节炎，研究结果揭示了所有 16 个基因特征的预测功效 （图 5E)。
3. 基因特征的不同免疫学模式
对两类单独预测的 16 个基因特征的 ROC 曲线进行了评估，结果表明所有 16 个基因特征都具有良好的分类效能。
4. 免疫基因的 PPI 网络
为了探讨差异表达免疫基因之间的关系，我们提取了 DEGs 、 Imm-DEGs 和基因特征的 PPI 网络。如 Cytoscape 中所示，DEGs 的 PPI 网络有 211 个配对相互作用和 75 个基因;MMP9 与 19 个 DEGs 强相关，而 CXCL10 与 16 个 DEGs 相关。
5. 两种不同免疫模式的差异分析
我们分析了两种免疫方式之间 DEGs 在患者生物学相关功能中的作用。首先，对 DEG 进行功能注释 （图 11A其次，这些 DEGs 富集于细胞因子-细胞因子受体相互作用、趋化因子信号传导、疟疾和肿瘤坏死因子 （TNF） 信号传导，以及 KEGG 通路分析的 NOD 样受体信号通路 （图 11B)。
6. 两种模型之间免疫特性的差异
CIBERSORT 算法用于评估两种不同免疫方式之间的免疫细胞浸润水平。CIBERSORT 分析显示，A 组患者的静息树突状细胞、M2 巨噬细胞、静息肥大细胞、活化的 NK 细胞和调节性 T 细胞水平显著低于 B 组患者 （图 13A).然而，M1 巨噬细胞、活化的肥大细胞、浆细胞、T 滤泡辅助细胞和 γ δ T 细胞的水平显著高于 B 簇 （图 13B)。
文章小结
基于生物信息学研究，比较骨关节炎组和对照组的生物标志物和免疫浸润表达情况，发现了7个与骨关节炎相关的生物标志物（TCA1、TLR7、MMP9、CXCL10、CXCL13、HLA-DRA和ADIPOQSPP1），除此之外，骨关节炎可能与免疫反应、趋化因子介导的信号通路和炎症反应有关。分析骨关节炎组织和正常组织之间免疫浸润的差异有助于分析骨关节炎的发展，从而研究出有效的治疗方法。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！
