WGCNA和机器学习识别骨关节炎铁死亡特征基因及实验验证

作者：徐文飞; 明春玉; 段戡; 袁长深; 郭锦荣; 胡琪; 曾超; 梅其杰^*

来源：中国组织工程研究, 2024, 28(30): 4909-4914.

• WGCNA分析
• 机器学习
• 骨关节炎
• 铁死亡
• 特征基因
• 免疫浸润分析
• 体外细胞实验

背景：铁死亡与骨关节炎发生、发展密切相关，但具体特征基因及调控机制尚不清楚。目的：运用WGCNA及多种机器学习方法识别骨关节炎铁死亡特征基因及免疫浸润分析。方法：从GEO数据库下载骨关节炎相关数据集，同时在Ferr Db网站中获取铁死亡相关基因，采用R语言对骨关节炎数据集进行批次校正、提取骨关节炎铁死亡基因并进行差异分析，对差异基因进行GO功能及KEGG信号通路分析；同时运用WGCNA分析及机器学习(随机森林、LASSO回归及SVM-RFE分析)筛选骨关节炎铁死亡特征基因，并进行体外细胞实验，将软骨细胞分为正常组和骨关节炎组，运用数据集及q PCR验证表达并行相关免疫浸润分析。结果与结论：(1)经批次校正及PCA分析获得骨关节炎基因12 548个，同时获得铁死亡基因484个，进而得到24个骨关节炎铁死亡差异基因；(2)GO分析主要涉及对氧化应激反应、对有机磷反应等生物过程；涉及细胞顶端、顶端质膜等细胞组分；涉及血红素结合、四吡咯结合等分子功能；(3)KEGG分析显示，骨关节炎铁死亡差异基因与白细胞介素17信号通路、肿瘤坏因子信号通路等信号通路有关；(4)运用WGCNA分析及机器学习筛选后获得特征基因KLF2；通过基因芯片验证后发现实验组半月板组织中KLF2基因表达高于对照组(P=0.000 14);(5)体外细胞实验显示，骨关节炎组软骨细胞中Ⅱ型胶原、KLF2基因表达低于对照组(P <0.05)，同时在骨关节炎铁死亡中肥大细胞与树突状细胞密切相关(r=0.99),KLF2与自然杀伤细胞(r=-1,P=0.017)、滤泡辅助性T细胞(r=-1,P=0.017)等密切相关；(6)结果显示，运用WGCNA分析及机器学习方法证实KLF2可作为骨关节炎铁死亡的特征基因，可能通过干预KLF2来改善骨关节炎铁死亡。

• 单位
  广西中医药大学附属瑞康医院; 广西中医药大学第一附属医院