목적은 생물정보학 방법을 사용하여 류마티스 관절염(RA)과 대사 증후군(Mets)의 공존 유전자 발현 특성을 분석하고 잠재적 생체표지자를 발굴하며 진단적 가치를 평가하는 것이다. 방법은 유전자 발현 통합 데이터베이스(GEO)의 마이크로어레이 데이터 세트를 이용하여 RA와 Mets의 유전자 발현 패턴을 탐구하는 것이다. 차등 발현 유전자(DEGs) 분석과 가중 유전자 공동 발현 네트워크 분석(WGCNA)을 통해 RA와 Mets에서 공통으로 발현되는 유전자를 확인하고, 유전자 온톨로지(GO), 교토 유전자 및 게놈 백과사전(KEGG) 분석과 단백질-단백질 상호작용 네트워크를 통해 이러한 유전자의 기능을 설명하였다. 랜덤 포레스트와 최소 절대 수축 및 선택 연산자(LASSO) 알고리즘을 사용하여 주요 공유 허브 유전자를 식별하고, 멘델 무작위화를 통해 주요 유전자와 RA 간의 인과관계를 검증하였으며, XGBoost 기계 학습 기법을 활용하여 진단 예측 모델을 구축하였다. CIBERSORT와 유전자 집합 변이 분석(GSVA)을 통해 허브 유전자와 면역 세포 침윤 및 대사 경로의 상관관계를 평가하였고, 단일 세포 전사체 시퀀싱 데이터와 임상 혈액 샘플을 활용하여 이들 주요 허브 유전자의 역할 및 발현을 검증하였다. 결과는 limma R 패키지를 사용하여 GSE93777과 GSE98895 데이터 세트를 분석하여 각각 259개와 280개의 DEGs를 확인하였으며, WGCNA 기술과 함께 RA와 Mets에서 공통으로 발현되는 88개의 특징 유전자를 확인하였고, 이들 유전자는 면역 반응 및 대사 조절 생물학적 과정에 유의하게 풍부하였다. 기계 학습을 통해 24개의 주요 공유 허브 유전자를 추가로 선별하였으며, 이들은 예후 예측 모델 개발에 효과적으로 적용되었다. CIBERSORT 및 GSVA 평가 결과 이들 허브 유전자는 말초혈액 내 면역 기능 및 대사 활성과 밀접한 관련이 있으며, 멘델 무작위화 분석에서는 STAT3가 RA 위험과 잠재적 인과관계가 있음을 시사했다. 단일 세포 RNA 시퀀싱 결과는 과립효소 A(GZMA)와 신호 전달 및 전사 활성화 인자 3(STAT3) 유전자가 가장 뛰어난 진단 효능을 지님을 검증하였다. 결론 RA와 Mets 간의 공동 주요 조절 유전자를 성공적으로 확인하였으며, GZMA와 STAT3 유전자는 에너지 대사 과정과 양의 상관관계를 가지며, 이들이 참여하는 대사 경로는 세포 활동과 밀접한 관련이 있을 것으로 보인다.

류마티스 관절염; 생물정보학; 기계 학습; 단일 세포; 대사 증후군