GEO数据库联合机器学习策略识别骨关节炎特征性lncRNA分子标志物及实验验证

作     者：周巧 刘健 忻凌 方妍妍 齐亚军 胡月迪 ZHOU Qiao;LIU Jian;XIN Ling;FANG Yanyan;QI Yajun;HU Yuedi

作者机构：安徽中医药大学第一附属医院合肥230031 安徽中医药大学第二附属医院合肥230061 安徽省中医药科学院风湿病研究所合肥230031 安徽中医药大学合肥230012 

出 版 物：《四川大学学报:医学版》 (Journal of Sichuan University(Medical Sciences))

年 卷 期：2023年第54卷第5期

页      面：899-907页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 08[工学] 100210[医学-外科学(含：普外、骨外、泌尿外、胸心外、神外、整形、烧伤、野战外)] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：安徽省高等学校科学研究项目(自然科学类)重点项目(No.2022AH050449) 安徽省第12批“115”创新团队(皖人才办1号) 安徽省名中医刘健工作室建设项目(中医药发展秘11号) 安徽省中医药领军人才项目(中医药发展秘23号)资助 

主　　题：骨关节炎 长链非编码RNA 机器学习策略 诊断标志物 免疫炎症 

摘      要：目的利用GEO(Gene Expression Omnibus)数据库联合机器学习筛选骨关节炎(osteoarthritis,OA)特征性的长链非编码RNA(lncRNA)分子标志物。方法纳入185例OA及76例正常健康人样本,GEO数据库筛选数据集得出差异表达lncRNA,通过随机森林(randomforest,RF)、最小绝对收缩和选择算子(LASSO)逻辑回归、支持向量机递归特征消除(SVM-RFE)3种算法筛选候选的lncRNA模型,绘制受试者操作特征曲线评价模型。收集临床OA患者30例和正常对照15例的外周血,测定免疫炎症指标,RT-PCR定量分析外周血单核细胞lncRNA分子标志物的表达,Pearson分析lncRNA与免疫炎症指标的相关性。结果LASSO得出14个关键标志物,SVM-RFE算法确定6个基因,RF算法确定24个基因。Venn图筛选得出3种算法的重叠基因,包括HOTAIR、H19、MIR155HG和NKILA。受试者工作特征曲线显示这4个lncRNA的曲线下面积均大于0.7。RT-PCR法发现与正常对照组相比,HOTAIR、H19、MIR155HG在OA患者外周血单核细胞中相对表达量升高,NKILA表达量下降(均P0.01),结果与生物信息学预测结果相一致。Pearson相关性分析表明选定的lncRNA与临床免疫炎症指标相关。结论HOTAIR、H19、MIR155HG和NKILA可作为OA临床诊断分子标志物,且与临床免疫炎症指标相关。