6.6/Q1，再不追上热点“共病”，你就out了，多组学＋机器学习分析类风湿关节炎到骨质疏松症转变中的凋亡相关机制

如果您对骨科疾病生信临床研究感兴趣，请为小骨点点关注，持续解读骨科前沿生信文献和思路。如果您需要定制化服务，欢迎扫码联系小骨~

研究亮点

1. 多组学整合分析：通过WGCNA和差异表达分析，筛选RA和OP相关基因。

2. 功能与通路分析：结合GSEA和PPI网络，揭示凋亡相关机制。

3. 机器学习验证：利用Lasso和随机森林算法，精准筛选关键基因。

4. 跨疾病机制探索：首次揭示RA向OP转变的遗传联系。

5. 临床转化价值：为早期诊断和联合治疗提供新靶点。

从难易程度来看，本研究技术难度较高，主要体现在多组学数据分析、机器学习应用和功能验证等方面。需要掌握生物信息学工具、统计分析方法和机器学习算法，并具备跨学科知识背景。研究涉及大量数据处理和复杂的参数调整，对初学者有一定挑战性，但逻辑清晰，可用服务器解决数据难题，如果各位老师需要生信服务，欢迎扫描上方二维码，联系小骨哦

下面让我们一起来看看具体文章内容吧！

文章标题：Apoptosis-associated genetic mechanisms in the transition from rheumatoid arthritis to osteoporosis：A bioinformatics and functional analysis approach

中文标题： 从类风湿关节炎到骨质疏松症转变过程中的凋亡相关遗传机制：生物信息学和功能分析方法

发表期刊：APL Bioengineering

发表时间：2024年11月

影响因子：6.6/Q1

研究背景

类风湿关节炎（RA）是一种常见的自身免疫性疾病，影响全球约1700万人，其特征是免疫细胞攻击关节，导致疼痛、肿胀以及软骨和骨骼损伤。RA患者常因免疫细胞对骨骼的破坏以及某些药物的副作用而继发骨质疏松症（OP），这是一种更为严重的骨骼疾病。凋亡（程序性细胞死亡）是免疫细胞清除功能失调或多余细胞的关键机制，但在RA中，骨形成细胞的过度凋亡会导致关节破坏和炎症，这一过程同样会导致OP中骨质的减弱。因此，研究凋亡相关基因在RA和OP之间的联系对于同时管理这两种疾病具有重要意义。

研究思路

1.基因选择过程和差异分析结果

通过差异分析和WGCNA来识别RA和OP中与凋亡相关的基因。在RA数据集GSE12021中，识别出2660个差异表达基因（图A，B）；通过WGCNA分析在RA数据集中筛选出1571个与RA相关的模块基因（图C，D）；在OP数据集GSE56814中，识别出418个关键基因；将来自RA的差异表达基因、与RA的WGCNA模块相关的基因以及来自OP的差异表达基因相交，最终确定了23个在RA和OP中均显著的关键基因。

2.富集分析

3.机器学习筛查

在OP数据集上使用Lasso回归分析进一步筛选上述10个基因，并确定6个关键基因：BRD4、MMP14、NR4A1、ATXN2L、NFKB2和ACIN1（图A，B）；在OP数据集中使用随机森林分析筛选出10个关键基因（图C，D）；在RA数据集中使用Lasso回归分析进一步筛选上述10个基因，确定了4个关键基因（图A，B）；在RA数据集中使用随机森林分析筛选出10个关键基因（图D，E）；通过交集分析，最终确定了两个关键基因：ATXN2L和MMP14（图C）；GSEA分析显示，ATXN2L在血小板脱颗粒和嗜中性粒细胞颗粒中显著富集，MMP14在化学刺激检测和髓系白细胞介导的免疫中显著富集。

4.免疫相关性分析

通过对所选关键基因与GSE56814的免疫浸润结果进行相关性分析，发现ATXN2L与naïve B细胞、CD4记忆激活T细胞和调节性T细胞呈正相关，而MMP14与与记忆B细胞呈正相关，与CD4记忆静息T细胞呈负相关（图A，B）；疾病组与正常组之间的T细胞（CD4记忆静息）和肥大细胞（静息）存在显著差异（图C）。