基于机器学习和生物信息学分析的氧化应激特征基因在类风湿关节炎中的作用研究OA

目的利用生物信息学和机器学习方法,探究类风湿关节炎(RA)氧化应激特征基因的潜在诊断价值。方法从基因表达综合数据库获取RA相关基因表达数据集(GSE29746、GSE55235为训练集,GSE1919为验证集),经数据预处理、合并及批次效应校正后筛选差异表达基因(DEGs),与GeneCards数据库氧化应激相关基因取交集获得差异表达氧化应激相关基因(DEOSGs);对DEOSGs进行基因本体功能与京都基因与基因组百科全书(KEGG)通路富集分析,构建蛋白质-蛋白质相互作用网络并通过Cyto-Hubba筛选前20位关键基因,联合最小绝对收缩和选择算子、支持向量机递归特征消除、随机森林3种机器学习算法筛选特征基因;采用单样本基因集富集分析免疫细胞浸润及特征基因相关性,基于特征基因构建诊断列线图,经ROC曲线、AUC及校准曲线评估效能并通过外部数据集验证。结果共鉴定出351个DEGs,交集后获得79个DEOSGs;KEGG通路分析显示,DEOSGs主要富集于破骨细胞分化、核因子-κB信号通路、趋化因子信号通路及中性粒细胞胞外陷阱形成等通路。机器学习筛选出4个特征基因:蛋白酪氨酸磷酸酶受体C型(PTPRC)、C-C基序趋化因子配体5(CCL5)、淋巴细胞特异性蛋白酪氨酸激酶(LCK)、前列腺素内过氧化物合酶2(PTGS2)。免疫细胞浸润分析显示,RA组活化B细胞、活化分化簇(CD)4^(+)T细胞、活化CD8^(+)T细胞等浸润增加,嗜酸性粒细胞浸润减少,且4个特征基因与多数免疫细胞浸润水平密切相关。基于特征基因构建的列线图诊断模型效能优异(AUC=0.990);验证集结果显示,RA样本CCL5、PTPRC、LCK mRNA相对表达水平均高于健康对照样本(均P<0.05),而PTGS2表达差异无统计学意义(P>0.05)。结论本研究筛选出4个RA氧化应激特征基因,可作为潜在诊断标志物和治疗靶点,同时预测了潜在的治疗中药,为RA的机制解析及精准干预提供新方向。