基于生物信息与机器学习分析类风湿关节炎疾病特征基因与免疫细胞的关系

目的：利用生物信息学与机器学习方法探求类风湿关节炎（RA）的发病机制、特征基因与免疫浸润表现，并寻找特征基因与免疫细胞的相关性。方法：从GEO数据库获取RA相关芯片，利用R语言分析基因差异，并对其进行GO与KEGG富集分析；使用机器学习方法，即LASSO回归与SVM-RFE法筛选疾病特征基因，运用ROC曲线与样本芯片检测特征基因准确性，利用CIBERSORT算法分析RA免疫浸润情况，并分析特征基因与免疫细胞的相关性。结果：GSE12021和GSE55235共获得90个差异基因，包含64个上调和26个下调差异表达基因；GO分析共得到主要条目209个，主要涉及机体白细胞激活、淋巴细胞活化、B细胞受体信号通路等；KEGG分析显示趋化因子信号通路、IL-17信号通路、Toll样受体信号通路、PPAR信号通路等通路与RA密切相关；机械学习方法筛选出IGHM、SLAMF8、CXCL10、FNDC4、AIM2、EGR1、AKR1B10等10个关键基因，ROC曲线与样本芯片检测疾病特征基因为IGHM、SLAMF8、CXCL10、AIM2、AKR1B10；免疫浸润结果显示RA滑膜组织与正常组织中的浆细胞...