基于生物信息学与机器学习整合分析骨关节炎外泌体相关诊断标志物及免疫细胞浸润特征的研究

这篇研究通过整合生物信息学与机器学习方法，鉴定出TOLLIP、ALB等7个骨关节炎（OA）外泌体相关差异基因（ERDEGs），构建了高诊断价值的预测模型（AUC>0.75），并揭示其通过调控免疫细胞浸润（如MDSC、Tfh细胞）参与OA病理进程，为OA的早期诊断和靶向治疗提供了新思路。

　　

引言

骨关节炎（OA）作为最常见的肌肉骨骼疾病，全球发病率逐年上升且呈现年轻化趋势。该疾病以关节软骨退变为核心特征，伴随滑膜炎症和骨赘形成，但目前临床诊断依赖影像学检查，缺乏早期分子标志物。近年来，外泌体（Exosomes）作为携带蛋白质、miRNA等生物活性分子的细胞间通讯载体，在OA中的作用逐渐受到关注。研究表明，间充质干细胞（MSCs）来源的外泌体可通过激活Nrf2信号通路促进软骨再生，而炎症性滑膜细胞外泌体则可能加剧OA进展。

方法

研究团队从GEO数据库获取正常与OA软骨组织的基因表达谱（GSE113825等数据集），整合生物信息学与机器学习算法展开多维度分析。通过GeneCards筛选外泌体相关基因（ERGs），结合差异表达基因（DEGs）鉴定出105个OA外泌体相关差异基因（ERDEGs）。利用LASSO回归、支持向量机（SVM-RFE）和随机森林（RF）三种机器学习模型交叉筛选关键基因，并通过qRT-PCR在小鼠软骨细胞模型（IL-1β诱导）中进行验证。此外，采用单样本基因集富集分析（ssGSEA）解析免疫细胞浸润特征，并建立诊断列线图（Nomogram）评估临床预测效能。

结果

1. 1.

   关键基因鉴定：机器学习筛选出7个Hub OA-ERDEGs，包括调控TLR通路的TOLLIP、抗氧化基因GSTM2、炎症标志物S100A8等。qRT-PCR证实AKR1B1、S100A8在OA软骨中显著上调，而RHOBTB3下调。

2. 2.

   诊断价值：构建的Nomogram模型显示ALB诊断效能最高（AUC=0.866），其余基因AUC均>0.75。

3. 3.

   免疫机制：ssGSEA发现髓系来源抑制细胞（MDSC）、滤泡辅助T细胞（Tfh）等8类免疫细胞在OA中显著浸润，且与Hub基因呈强相关性（如S100A8与M1型巨噬细胞激活正相关）。动物实验进一步验证OA关节组织中炎症标志物iNOS和ARG1的表达升高。

讨论

该研究首次系统揭示了外泌体相关基因通过免疫调控网络参与OA的分子机制。例如，S100A8/S100A9复合物可能通过上调基质金属蛋白酶（MMPs）促进早期软骨降解，而TOLLIP则通过抑制NF-κB通路减轻炎症反应。局限性包括样本量较小和细胞特异性外泌体数据缺失，未来需通过多中心队列和功能实验深化验证。

结论

研究明确了7个具有诊断潜力的OA外泌体相关生物标志物，其与免疫微环境的交互作用为开发靶向疗法提供了新方向。后续需结合外泌体分离技术和多组学分析推动临床转化。