的类风湿关节炎滑膜差异基因研究 多种机器学习算法

目的：本研究的目的是将各种机器学习算法与生物信息学技术相结合，深入分析类风湿关节炎 （RA） 患者滑膜细胞中的差异表达基因，揭示这些基因与 RA 滑膜细胞相关的潜在分子机制，为临床治疗策略的创新提供新思路。
方法：我们从公共数据库 GEO 中下载了 GSE1919、GSE12021、GSE55457 和 GSE77298 数据集作为训练集，GSE89408 数据集被用作独立的验证集。我们对训练集进行了标准化，并应用了 ComBat 算法来消除批量效应，从而获得了一个合并的基因表达数据集。随后，我们进行差异表达分析，筛选出在疾病条件下发生显著变化的基因，并进行富集分析。为了更准确地识别与疾病特征密切相关的基因，我们使用了三种机器学习算法：Lasso 回归、随机森林和 SVM 来独立分析合并的基因表达数据集，并采用三种方法的结果的交集来构建与疾病特征相关的更稳健的基因列表。此外，我们在训练集上验证了这些重要的疾病特征相关基因，并使用 GSE89408 数据集进行了独立的外部验证。同时，我们还进行了免疫浸润分析，深入探讨了这些基因在类风湿关节炎发生发展中的作用机制。
结果和结论：本研究显示，RA 患者滑膜细胞中的基因表达模式与对照组相比存在显著差异，尤其是 HCP5 和 WISP3 等疾病特征相关基因的表达显著上调。这些发现为理解 RA 的基因表达调控机制提供了新的视角，为探索未来的治疗策略提供了重要的科学证据。