基于Harris Hawks优化的新型聚类算法揭示骨关节炎与多种癌症的遗传关联机制

本研究针对骨关节炎(OA)与膀胱癌、肾癌、乳腺癌、前列腺癌的遗传关联机制不明问题，创新性提出Harris Hawks优化聚类算法(HHO-C)，首次将机器学习应用于该领域遗传数据分析。研究构建了高质量遗传数据集，发现关键基因互作网络，为理解疾病共发病机制及开发靶向治疗策略提供新视角。

　　

骨关节炎(OA)作为全球第11大致残性疾病，与心血管疾病、糖尿病等多种慢性病存在复杂关联，但其与癌症的遗传联系长期未被系统探索。现有研究多局限于流行病学统计，如瑞典膝关节置换队列显示胃肠道癌风险增加而肺癌风险降低，芬兰髋关节置换研究则发现前列腺癌高发。更矛盾的是，GWAS(全基因组关联分析)显示骨关节炎可能通过抑郁障碍中介增加12.2%乳腺癌风险，而卵巢癌患者OA发病率却显著降低。这些矛盾现象暗示着潜在而复杂的遗传机制，但传统统计方法难以解析高维遗传数据的非线性关系。

为此，研究人员在《Computers in Biology and Medicine》发表创新研究，首次将Harris Hawks优化算法(HHO)引入遗传聚类分析，开发出HHO-C方法。研究整合英国生物银行等公开遗传数据集，涵盖OA和四种癌症的基因表达谱。关键技术包括：1) Harris Hawks优化算法模拟猛禽捕猎行为实现高效聚类；2) 加权基因共表达网络分析(WGCNA)识别功能模块；3) LASSO回归筛选特征基因；4) 免疫浸润分析揭示微环境特征。

【Dataset】
研究构建了包含1422个OA与癌症共享基因的核心数据集，其中58个基因富集于上皮间质转化(EMT)通路。通过HHO-C算法将样本划分为具有显著差异表达的亚群，每个亚群呈现独特的免疫特征和通路激活模式。

【Results】
关键发现包括：1) HDAC2和TGFBR1基因在OA-乳腺癌共病群体中表达异常，与患者生存率显著相关；2) 鉴定出RTN4等6个枢纽基因，实验验证其在小鼠模型中促进肿瘤转移；3) NSAIDs(非甾体抗炎药)使用人群显示结直肠癌保护效应，但与总体癌症风险无统计学关联。

【Discussion】
HHO-C算法展现出三大优势：1) 动态平衡探索-开发机制优于传统k-means算法，聚类准确度提升23.6%；2) 成功识别出被常规分析忽略的EMT相关基因簇；3) 构建的诊断模型AUC达0.89。研究首次揭示OA可能通过m⁶A RNA修饰调控衰老基因促进癌症进展。

【Conclusions】
该研究建立了OA与四种癌症的遗传关联图谱，证实HHO-C在复杂疾病遗传解析中的优越性。发现的57个潜在治疗靶点(如HDAC2抑制剂)为药物重定位提供新思路。未来研究可拓展至其他炎症性疾病与肿瘤的共病机制探索。

【Ethics statement】
研究严格遵循伦理规范，所有数据来源于已匿名公开数据库。

【Declaration of competing interest】
作者声明无利益冲突。这项开创性工作为理解慢性病与癌症的分子桥梁树立了新范式，其开发的HHO-C算法将成为生物信息学领域的重要工具。