基于机器学习的方法，识别并验证类风湿性关节炎中与乳酰化相关的基因特征以及免疫细胞浸润的分布情况

《Hereditas》：Identification and validation of lactylation-related genes signature and immune infiltration landscape of rheumatoid arthritis based on machine learning

　　

摘要

背景

类风湿性关节炎（RA）的发病机制仍不清楚。乳酰化是一种新的翻译后修饰方式，可能调节免疫和代谢重编程，这突显了识别与乳酰化相关的基因（LRGs）以了解RA进展的必要性。

方法

从GEO数据集中分析了RA患者和健康对照组的LRG表达谱。评估了免疫浸润和LRG与免疫系统的关联。通过机器学习框架识别出一个核心LRG特征，通过功能富集和药物可行性分析评估了其代谢和治疗相关性。qRT-PCR在RA MH7A细胞模型中验证了这些核心基因的表达。

结果

转录组分析确定了36个在RA中调节细胞因子网络和免疫信号的差异表达LRGs。疾病分层显示了两种分子亚型，其中亚型B通过基因集变异分析（GSVA）表现出p53信号通路激活和先天免疫通路激活。加权相关网络分析（WGCNA）识别出与亚型B相关的模块（504个基因）。由机器学习得出的7个LRG特征（Sdc1、Pfkfb1、Fut8、Adh1b、Kif23、Adh1c、Pkc1）能够区分RA和对照组（AUC 0.92）。单细胞分辨率分析将Sdc1定位到浆细胞簇中，这与记忆B细胞扩增和巨噬细胞极化相关。RA中的核心LRGs在葡萄糖代谢通路中富集，且< />、Adh1b和Adh1c具有药物可行性，表明它们可能是潜在的治疗靶点。qRT-PCR验证确认了RA细胞模型中这些LRGs的显著上调。

结论

我们的发现表明乳酰化是RA发病机制中免疫失调的关键调节因子。我们识别并验证了7个LRG生物标志物，它们通过乳酰化驱动的通路调节在RA中具有作为预后指标和治疗靶点的双重潜力。