Целью является применение методов биоинформатики для анализа характеристик экспрессии общих генов при ревматоидном артрите (РА) и метаболическом синдроме (Mets), выявление потенциальных биомаркеров и оценка их диагностической ценности. Метод основан на анализе данных микрочипов из базы данных экспрессии генов (GEO) для исследования моделей экспрессии генов при РА и Mets. Использовались анализ дифференциально экспрессируемых генов (DEGs) и анализ взвешенной сети коэкспрессии генов (WGCNA) для идентификации общих генов при РА и Mets, а также функциональный анализ этих генов с помощью онтологии генов (GO), базы данных Kyoto Encyclopedia of Genes and Genomes (KEGG) и сети взаимодействия белок-белок. Ключевые общие ген-губы были выявлены с помощью алгоритмов случайного леса и метода LASSO, при этом причинно-следственная связь между ключевыми генами и РА была проверена с помощью менделевской рандомизации, а диагностическая модель прогнозирования была построена с использованием техники машинного обучения XGBoost. Взаимосвязь ключевых генов с иммуноцитарной инфильтрацией и метаболическими путями была оценена с помощью CIBERSORT и анализа вариаций генетических наборов (GSVA), а роль и экспрессия этих ключевых генов были подтверждены с помощью данных одноцелочной транскриптомики и клинических образцов крови. Результаты показали, что при анализе наборов данных GSE93777 и GSE98895 с использованием пакета limma для R было выявлено 259 и 280 DEGs соответственно, совместно с использованием WGCNA было идентифицировано 88 характерных генов с общей экспрессией при РА и Mets, которые были значительно обогащены биологическими процессами иммунного ответа и регуляции метаболизма. С помощью машинного обучения было дополнительно отобрано 24 ключевых общих гена-губы, которые успешно применялись при разработке прогностической модели. Оценка CIBERSORT и GSVA показала, что эти гены-губы тесно связаны с иммунной функцией и метаболической активностью в периферической крови, при этом менделевская рандомизация указала на потенциальную причинно-следственную связь STAT3 с риском РА. Результаты одноцелочного RNA-секвенирования подтвердили высокую диагностическую эффективность генов гранзим A (GZMA) и фактора сигнальной трансдукции и активации транскрипции 3 (STAT3). Заключение: успешно идентифицированы ключевые регулирующие гены, общие для РА и Mets; гены GZMA и STAT3 положительно коррелируют с энергетическим метаболизмом, а вовлеченные метаболические пути, возможно, тесно связаны с активностью клеток.

ревматоидный артрит; биоинформатика; машинное обучение; одноячеечный; метаболический синдром