编辑推荐：
深静脉血栓（DVT）是骨科手术严重并发症，增加骨折患者死亡率。为筛选特征基因，研究人员对 36 例髋部骨折患者（18 例合并 DVT）行转录组测序，经多算法筛选出 5 个特征基因（RGS1、HSF2、ARL4A、AAED1、WDR81），为 DVT 诊断提供新方向。
随着人口老龄化加剧，髋部骨折（HF）已成为威胁老年人群健康的重要公共卫生问题。这类骨折患者常因长期卧床引发深静脉血栓（DVT），其发生率高达 50%，而血栓脱落导致的肺栓塞（PE）更是临床猝死的主要原因之一。尽管抗凝治疗已常规应用，但 DVT 的发病机制仍未完全阐明，尤其是新型基因靶点的挖掘不足，导致精准诊疗手段有限。因此，寻找能够预测 DVT 发生的生物标志物，揭示其背后的分子机制，成为骨科领域亟待解决的关键问题。
为攻克这一难题，山西医科大学第二医院的研究团队开展了一项基于生物信息学与实验验证结合的研究。该团队从临床样本出发，通过高通量测序和多维度数据分析，筛选出与 DVT 密切相关的特征基因，并深入探讨其在免疫调控、信号通路中的作用。研究成果发表在《Journal of Orthopaedic Surgery and Research》，为髋部骨折合并 DVT 的早期诊断和治疗提供了新的科学依据。
研究人员首先收集了 18 例髋部骨折合并 DVT 患者（YES_thrombus 组）和 18 例单纯骨折患者（NO_thrombus 组）的全血样本，进行转录组测序。通过数据质控和差异表达基因（DEGs）分析，筛选出 42 个差异基因。随后利用加权基因共表达网络分析（WGCNA）识别出与血栓形成高度相关的模块，结合 DEGs 与模块基因的交集，初步确定 7 个候选基因。进一步通过三种机器学习算法（LASSO、SVM-RFE、RF）交叉验证，最终筛选出 5 个特征基因：RGS1、HSF2、ARL4A、AAED1 和 WDR81。
特征基因的筛选与功能富集分析
通过整合 DEGs 和 WGCNA 结果，研究人员筛选出 7 个候选基因，包括 RGS1、HSF2、ARL4A 等。功能富集分析显示，这些基因主要参与自噬体形成、PPAR 信号通路等生物学过程，提示其在血栓形成的能量代谢和细胞稳态调控中发挥作用。
机器学习模型构建与诊断效能评估
三种机器学习算法交叉验证后，5 个特征基因被确定为核心标志物。ROC 曲线分析显示，单个基因的 AUC 值均超过 0.75，而构建的人工神经网络（ANN）模型 AUC 达 0.917，表明其优异的诊断效能。混淆矩阵验证了模型在区分血栓与非血栓样本中的准确性。
免疫微环境与调控网络分析
免疫浸润分析发现，活化树突状细胞（aDC）与特征基因存在显著相关性：WDR81 与 aDC 呈最强负相关，RGS1 则呈正相关。此外，研究构建了包含 3 个特征基因、5 个 miRNA 和 236 个 lnRNA 的竞争性内源 RNA（ceRNA）调控网络，揭示了转录后调控在 DVT 中的潜在机制。
实验验证与临床关联
qRT-PCR 实验证实，除 WDR81 外，其余特征基因在 NO_thrombus 组中显著高表达，与测序结果一致。临床指标相关性分析显示，RGS1 与血细胞比容呈正相关，ARL4A 与血小板体积分布宽度（PDW）呈负相关，提示其与血栓形成的血液学特征密切相关。
研究通过多组学整合分析，首次系统揭示了髋部骨折合并 DVT 的分子特征，鉴定出 5 个具有诊断价值的特征基因（RGS1、HSF2、ARL4A、AAED1、WDR81）。这些基因不仅参与氧化磷酸化、NF-κB 信号通路等关键生物学过程，还通过调控免疫细胞浸润和 ceRNA 网络影响血栓形成。其中，ARL4A 与 PDW 的负相关性及其在自噬体通路中的作用，为 DVT 的早期预警提供了新靶点。
该研究不仅拓展了对骨折后血栓形成机制的认识，还为临床开发新型诊断工具和治疗策略奠定了基础。未来，通过进一步验证这些特征基因的功能机制，有望实现 DVT 的精准风险分层和个体化干预，降低老年骨折患者的并发症发生率和死亡率。研究中建立的多算法整合分析框架，也为其他复杂疾病的生物标志物筛选提供了方法论参考。
