《Frontiers in Immunology》：Unveiling potential diagnostic biomarkers for rheumatoid arthritis through integrated gene expression analysis
编辑推荐：
本文通过整合多个GEO数据库的类风湿关节炎（RA）患者数据，结合WGCNA分析和差异表达基因（DEGs）筛选，运用多种机器学习算法（如SVM-RFE、LASSO、随机森林、CNN）鉴定出11个核心基因，并最终筛选出五个具有高诊断价值（AUC值最高）的基因（GABARAPL1， FKBP5， MREG， PCDH9， SLAMF8），以此构建了预测RA的列线图模型。研究通过免疫浸润分析和临床样本验证，证实了这些基因与RA免疫微环境的关联及表达差异，并预测了靶向这些关键基因的潜在治疗药物，为RA的早期诊断和精准治疗提供了新的生物标志物（biomarker）与策略。
类风湿关节炎（RA）是一种慢性自身免疫性疾病，以全身性炎症和持续性滑膜炎为特征，可导致关节软骨和骨骼破坏，严重影响患者生活质量。尽管治疗手段不断进步，RA的早期诊断仍然面临挑战，因此发现新的、可靠的生物标志物对于RA的治疗和早期诊断至关重要。
差异表达基因筛选与数据预处理
研究从GEO数据库获取了三个基于GPL96平台的RA基因表达谱数据集（GSE12021， GSE55457， GSE55235），整合并去除了批次效应。通过差异表达分析，共鉴定出543个差异表达基因（DEGs），其中323个上调，220个下调。热图和主成分分析（PCA）结果证实了数据集的整合有效性。
数据收集与模块分析
研究利用加权基因共表达网络分析（WGCNA）方法构建了基因共表达网络。通过设定软阈值功率为8，获得了21个共表达模块。分析发现，“粉红色”模块与正常样本呈正相关（r=0.83），与RA样本呈负相关（r=-0.83），被确定为与RA最相关的关键模块。
关键模块基因与DEGs的功能分析
通过维恩图将WGCNA鉴定的关键模块基因与差异表达基因取交集，获得了273个关键基因。对这些基因进行功能富集分析（GSEA， KEGG， GO）表明，它们主要富集于免疫和炎症相关通路。基因集富集分析（GSEA）结果显示这些基因与同种异体移植排斥、自身免疫性甲状腺疾病、丙酮酸代谢和酪氨酸代谢相关。KEGG通路分析显示其参与细胞因子-细胞因子受体相互作用、Th17细胞分化、趋化因子信号传导和T细胞受体信号通路。GO功能分析进一步揭示了这些基因在淋巴细胞活化、单核细胞分化、白细胞活化、T细胞活化以及趋化因子、细胞因子和G蛋白偶联受体活性等方面发挥作用。
特征基因的选择
为了筛选出最能区分RA患者与健康对照的特征基因，研究采用了四种机器学习算法：LASSO回归、随机森林（RandomForest）、支持向量机递归特征消除（SVM-RFE）以及卷积神经网络（CNN）。通过综合四种算法的结果，最终筛选出11个交叉重叠的核心基因。随后，利用受试者工作特征（ROC）曲线评估了这11个基因的诊断效能，其中五个基因（FKBP5， GABARAPL1， MREG， PCDH9， SLAMF8）展现出最高的曲线下面积（AUC）值，分别为0.821， 0.955， 0.848， 0.857和0.973。
RA诊断列线图模型的构建与验证
基于上述五个AUC值最高的基因，研究使用“rms”包构建了用于诊断RA的列线图模型。该模型通过校准曲线、决策曲线分析（DCA）和额外的ROC曲线验证，显示出较高的预测准确性。在独立数据集（GSE77298）以及合并的训练数据集（GSE12021， GSE55235， GSE55457）中，模型均表现出稳定的诊断性能。
特征基因的相互作用分析
对五个特征基因的相关性分析揭示了它们之间存在正相关或负相关的关系。通过GeneMANIA平台构建的蛋白质-蛋白质相互作用（PPI）网络图进一步展示了这些基因之间紧密的功能联系，表明它们可能协同参与了RA的病理过程。
单样本基因集富集分析（ssGSEA）与相关性分析
采用ssGSEA方法量化了16种免疫细胞类型和13条免疫相关通路的浸润分数。研究发现，除肥大细胞外，RA患者组的大多数免疫相关通路活性均高于健康对照组。相关性分析进一步表明，特征基因FKBP5， GABARAPL1和PCDH9与多种免疫功能（如CD8+T细胞、检查点、细胞溶解活性、炎症促进、MHC-I类分子、中性粒细胞等）呈负相关；而MREG和SLAMF8则与I型干扰素反应、滤泡辅助T细胞（Tfh）、肿瘤浸润淋巴细胞（TIL）、Th1/Th2细胞等功能呈正相关。这提示这些特征基因可能通过调节免疫机制参与了RA的进展。
枢纽基因表达的验证
为了验证生物信息学分析结果，研究收集了9例RA患者和9例外伤对照组（TC）的滑膜组织样本。磁共振成像（MRI）显示RA患者存在滑膜增厚，苏木精-伊红（H&E）染色显示RA滑膜组织中细胞密度增加、细胞核数量和染色强度显著增强，提示明显的细胞增殖和炎性细胞浸润。
通过实时定量聚合酶链反应（qRT-PCR）检测，发现与TC组相比，RA滑膜组织中FKBP5， GABARAPL1和PCDH9的mRNA表达水平显著降低，而SLAMF8的表达显著升高，MREG的表达变化无统计学意义。蛋白质印迹（Western blot）和免疫荧光（IF）检测进一步在蛋白水平上证实了FKBP5， GABARAPL1和PCDH9的下调以及SLAMF8的上调。此外，斯皮尔曼秩相关分析表明，FKBP5， GABARAPL1和PCDH9的表达水平与炎症活动指标呈负相关，而SLAMF8呈正相关。这些结果共同证实了这四个基因在RA滑膜组织中的表达存在显著差异。
候选药物的鉴定
利用DSigDB数据库和Enrichr工具，研究对筛选出的核心基因进行了蛋白质-药物相互作用分析，以寻找潜在的靶向治疗药物。分析共识别出244种候选化合物。根据P值排名，最受关注的十种化合物包括（+）-白屈菜红碱（(+)-chelidonine）、柔红霉素（daunorubicin）和比沙可啶（bisacodyl）等。这些化合物被预测可能通过调节枢纽基因的活性而对RA产生治疗作用，但其在RA中的实际疗效和机制尚需进一步的实验验证。
综上所述，本研究通过综合运用生物信息学与机器学习方法，并结合临床样本验证，成功鉴定出FKBP5， GABARAPL1， PCDH9和SLAMF8这四个与免疫浸润密切相关的RA诊断生物标志物。这些发现不仅为RA的早期诊断提供了新的潜在工具，也为探索靶向这些基因的精准治疗策略开辟了新的方向。
