《Frontiers in Bioinformatics》：Machine learning-based identification of CXCL13 and CXCL10 as key biomarkers in rheumatoid arthritis
编辑推荐：
摘要专业翻译
背景： 类风湿关节炎（Rheumatoid Arthritis，RA）是一种涉及关节损伤和滑膜炎症的自身免疫性疾病。尽管已有许多研究尝试评估生物标志物在RA诊断中的效用，但由于其异质性，目前尚无临床公认的RA诊断生物标志物。因此，本研究尝试利用机
摘要专业翻译
背景： 类风湿关节炎（Rheumatoid Arthritis，RA）是一种涉及关节损伤和滑膜炎症的自身免疫性疾病。尽管已有许多研究尝试评估生物标志物在RA诊断中的效用，但由于其异质性，目前尚无临床公认的RA诊断生物标志物。因此，本研究尝试利用机器学习和生物信息学方法寻找RA生物标志物。
方法： 从基因表达综合数据库（Gene Expression Omnibus，GEO）下载了三个相应的基因表达数据集（GSE55457、GSE12021和GSE77298）。使用R中sva包的ComBat函数进行批次效应校正。利用limma包鉴定与对照组相比的差异表达基因（Differentially Expressed Genes，DEGs）。为鉴定DEGs的生物学功能和通路，进行了基因本体论（Gene Ontology，GO）、京都基因与基因组百科全书（KEGG）和基因集富集分析（Gene Set Enrichment Analysis，GSEA）。利用STRING数据库在Cytoscape中构建了蛋白质-蛋白质相互作用（Protein-Protein Interaction，PPI）网络。通过PPI分析鉴定并经LASSO和SVM-RFE回归进一步筛选的基因被视为诊断生物标志物。使用GSE89408数据集对枢纽基因进行了额外分析。使用CIBERSORTx评估RA中的免疫细胞浸润。
结果： 共筛选出440个DEGs，包括197个下调和243个上调基因。功能富集分析表明，这些DEGs参与了与免疫系统相关的生物学过程和通路。GSEA富集于细胞因子-细胞因子受体相互作用、造血细胞谱系、原发性免疫缺陷和RA通路。借助机器学习算法筛选出枢纽基因CXCL13和CXCL10。对枢纽基因进行了外部独立验证。此外，受试者工作特征（Receiver Operating Characteristic，ROC）分析显示这两个基因具有良好的诊断价值。免疫细胞浸润分析显示，CXCL13与多种免疫细胞群相关，包括浆细胞、T细胞亚群和M1巨噬细胞，而CXCL10与M1巨噬细胞、浆细胞和特定T细胞亚群显著相关。相关性分析显示趋化因子CXCL13和CXCL10与多种浸润免疫细胞之间存在高度相关性。
结论： 本研究提示CXCL13和CXCL10基因作为RA诊断生物标志物的潜在价值。RA中的滑膜炎症与许多参与将各种免疫细胞募集至炎症部位的基因的协同作用有关。尽管使用趋化因子这一术语来命名它们，但这些基因编码的分子与特定免疫细胞类型的迁移相关，CXCR5和CXCR3可被视为未来研究的潜在靶点。
论文解读
一、研究背景与意义
类风湿关节炎是一种慢性系统性自身免疫性疾病，以持续性滑膜炎症为特征，导致局部关节损伤和全身性表现。RA中的滑膜增生与血管翳形成相关，血管翳侵袭软骨和骨骼，最终导致进行性且不可逆的关节破坏。此外，RA还与影响肺、心脏和血管等器官的关节外并发症相关。RA是全球主要的自身免疫性疾病之一，基于人群的研究估计全球约0.4%–1%的人口受到影响。
早期疾病活动的识别和及时干预对于防止关节不可逆结构损伤和残疾至关重要。然而，目前使用的生物标志物，包括类风湿因子和抗环瓜氨酸肽抗体，敏感性有限，且无法可靠反映疾病活动的波动。这些局限性凸显了对更可靠、更稳健的RA诊断和进展监测分子生物标志物的需求。
基因组平台和技术的快速发展，如微阵列，已实现全基因组范围的表达分析。整合基因表达综合数据库等公开可用的存储库可增强统计效力并减少批次效应，有助于在RA中稳健地鉴定差异表达基因和疾病相关分子特征。RA的发病机制与滑膜微环境中的免疫失调密切相关，其特征常表现为T淋巴细胞、B淋巴细胞、巨噬细胞和树突状细胞。这些驻留免疫细胞分泌一系列促炎细胞因子，包括TNF-α、IL-1β、GM-CSF和干扰素-γ，以及CXCL9、CXCL10和CXCL13等趋化因子，这些因子参与炎症滑膜组织中免疫细胞的募集和滞留。本研究整合了三个基因表达数据集，应用生物信息学工作流程和机器学习分类方法，旨在识别RA的潜在诊断生物标志物，并阐明滑膜中免疫细胞浸润和免疫失调的功能维度。
二、主要技术方法
研究人员从GEO数据库获取了三个滑膜组织基因表达数据集（GSE55457、GSE12021和GSE77298）作为训练集，另以独立RNA-seq数据集GSE89408作为外部验证队列。数据预处理后，使用sva包的ComBat函数进行批次效应校正。利用limma包鉴定差异表达基因，筛选标准为|log2FC|>1且校正后p值<0.05。随后进行GO、KEGG和GSEA功能富集分析。利用STRING数据库构建PPI网络，并通过Cytoscape的cytoHubba插件中最大团中心性（MCC）算法鉴定枢纽基因。采用LASSO逻辑回归和SVM-RFE两种机器学习算法对候选基因进行特征筛选，取两种方法的交集作为最终诊断生物标志物。使用CIBERSORTx基于LM22特征矩阵评估22种免疫细胞亚群的浸润比例，并进行Spearman相关性分析。
三、研究结果
3.1 数据整合与批次校正： 三个GEO数据集合并后共保留13，237个共有基因。PCA分析显示校正前三个数据集因研究来源不同而明显分离，存在显著批次效应；经ComBat校正后，不同研究来源的样本实现良好整合，同时RA与对照组之间的生物学差异得以保留，表明批次效应校正成功去除了大部分技术变异而未显著影响生物学信号。
3.2 差异表达基因鉴定： 通过limma分析共鉴定出440个DEGs，其中243个上调、197个下调。RA滑膜组织中与免疫应答相关的基因（如趋化因子和细胞因子受体）大多上调，而与代谢和结构蛋白相关的基因大多下调。火山图和热图均显示RA与对照组样本间基因表达模式存在清晰差异。
3.3 功能富集分析： GO富集分析显示DEGs显著富集于免疫相关生物学过程，包括炎症反应、T细胞活化和B细胞受体信号通路。KEGG通路分析显示DEGs显著富集于细胞因子信号传导、细胞因子-细胞因子受体相互作用和趋化因子介导的信号传导等免疫相关通路。GSEA分析进一步富集到趋化因子信号通路、细胞因子-细胞因子受体相互作用、原发性免疫缺陷和RA等通路，均与RA发病机制密切相关。
3.4 PPI网络与枢纽基因鉴定： 基于排名前100的DEGs构建PPI网络，通过MCC算法鉴定出20个枢纽基因，这些基因大多与免疫细胞、趋化因子信号传导和炎症反应相关，提示其在RA发病机制中的关键作用。
3.5 机器学习分析： LASSO逻辑回归在lambda.1se准则（λ=0.1015）下仅保留CXCL13和CXCL10两个具有非零回归系数的基因。SVM-RFE通过五折重复十次交叉验证，同样选择CXCL13和CXCL10作为最优特征集。两种算法的交集最终确定CXCL13和CXCL10为候选诊断生物标志物。
3.6 ROC分析： 在训练集中，CXCL13的AUC值为0.954，准确率89.6%，敏感性85.4%，特异性96.2%；CXCL10的AUC值为0.925，准确率88.1%，敏感性87.8%，特异性88.5%。在独立验证数据集GSE89408中，CXCL13的AUC为0.901，CXCL10的AUC为0.886，虽略低于训练集但仍保持良好的诊断性能，表明这两个基因作为RA诊断生物标志物具有潜在价值。
3.7 RA滑膜免疫细胞浸润： CIBERSORTx分析显示，与健康对照相比，RA患者滑膜中浆细胞、滤泡辅助T细胞、γδ T细胞、单核细胞和M1巨噬细胞显著增加，而静息肥大细胞浸润减少。枢纽基因与多种免疫细胞群显著相关，其中CXCL13与浆细胞、T细胞亚群和M1巨噬细胞相关，CXCL10与M1巨噬细胞、浆细胞和特定T细胞亚群显著相关。
3.8 枢纽基因与免疫细胞相关性分析： Spearman相关性分析显示，CXCL10与M1巨噬细胞呈最强正相关（r=0.833），CXCL13与M1巨噬细胞（r=0.752）、γδ T细胞（r=0.718）和CD4初始T细胞（r=0.680）均呈显著正相关，表明这两个趋化因子与RA中活化免疫细胞的浸润模式密切相关。
四、讨论与结论总结
讨论部分指出，本研究通过整合多队列基因表达数据并结合双重机器学习特征选择算法，降低了选择数据集特异性生物标志物的可能性，提高了最终候选基因的可靠性。CXCL13已被报道与B细胞迁移和滑膜组织中异位淋巴样结构的形成相关，CXCL10则与炎症过程中T细胞和巨噬细胞的迁移相关。CXCL13-CXCR5和CXCL10-CXCR3信号轴可能代表值得进一步研究的潜在靶点通路。与既往研究相比，本研究的不同之处在于将CXCL13和CXCL10确立为来源于滑膜组织转录组学的诊断生物标志物，而非外周血中的治疗反应预测因子，并通过CIBERSORTx去卷积将生物标志物与特定免疫细胞浸润模式相关联，提供了既往单队列蛋白研究未涉及的机制维度。
研究结论为：通过整合基因表达模式并减少批次效应，鉴定出与免疫功能障碍和RA发展密切相关的DEGs。经PPI网络分析和机器学习（LASSO和SVM-RFE）技术，CXCL13和CXCL10被确定为在RA滑膜组织中上调的枢纽基因，并显示出较高的ROC曲线下面积（AUC）。免疫浸润分析揭示了由高浓度活化免疫细胞（包括巨噬细胞和浆细胞）驱动的促炎状态。趋化因子CXCL13和CXCL10在RA中的潜在作用已通过相关性分析得到评估，而通过CXCR5和CXCR3的受体通路可作为未来研究的潜在靶点。
