目的は、バイオインフォマティクス手法を用いて関節リウマチ（RA）と代謝症候群（Mets）の共存遺伝子の発現特性を分析し、潜在的なバイオマーカーを発掘してその診断価値を評価することである。方法は、遺伝子発現総合データベース（GEO）のマイクロアレイデータセットを利用して、RAおよびMetsの遺伝子発現パターンを探求した。差次的発現遺伝子（DEGs）解析と加重遺伝子共発現ネットワーク解析（WGCNA）を用いて、RAとMetsに共通する遺伝子を特定し、遺伝子オントロジー（GO）および京都遺伝子・ゲノム百科事典（KEGG）解析、ならびにタンパク質相互作用ネットワークによりこれらの遺伝子の機能を明らかにした。ランダムフォレストおよび最小絶対収縮および選択演算子（LASSO）アルゴリズムを用いて重要な共有ハブ遺伝子を特定し、メンデル無作為化解析により重要遺伝子とRAとの因果関係を検証し、さらにXGBoost機械学習技術を用いて診断予測モデルを構築した。CIBERSORTおよび遺伝子セット変異解析（GSVA）によりハブ遺伝子と免疫細胞浸潤および代謝経路との関連性を評価し、単一細胞トランスクリプトームシーケンスデータと臨床血液サンプルを使用してこれらの重要なハブ遺伝子の役割と発現を検証した。結果はlimma Rパッケージを使用してGSE93777およびGSE98895データセットを解析し、それぞれ259個および280個のDEGsを同定し、WGCNA技術を組み合わせて、RAおよびMetsに共発現する特徴的な遺伝子88個を同定した。これらの遺伝子は免疫応答と代謝調節の生物学的過程に著しく富んでいた。機械学習により24個の重要な共有ハブ遺伝子をさらに抽出し、予後予測モデルの開発に有効に応用した。CIBERSORTおよびGSVAの評価結果は、これらハブ遺伝子が末梢血中の免疫機能および代謝活動と密接に関連していることを示し、メンデル無作為化解析はSTAT3がRAリスクに潜在的な因果関係を有することを示唆した。単一細胞RNAシーケンスの結果は、グランザイムA（GZMA）およびシグナル伝達および転写活性化因子3（STAT3）遺伝子が最も顕著な診断能を有することを検証した。結論として、RAとMets間の共有する重要な調節遺伝子を成功裏に同定し、GZMAおよびSTAT3遺伝子はエネルギー代謝過程と正に相関し、それらが関与する代謝経路は細胞活動と密接に関連している可能性がある。

関節リウマチ;バイオインフォマティクス;機械学習;単一細胞;代謝症候群