2.1   差异表达基因的筛选   
2.1.1   数据集的标准化   使用R软件将3个数据集GSE55235、GSE55457和GSE206848合并去除批次效应，见图1A，B；并标准化处理基因表达数据，见图1C；对处理前后的数据集进行主成分分析(principal component analysis，PCA)，见图1D，E。
2.1.2   加权相关网络的构建   利用加权基因共表达网络分析筛选与疾病相关的模块和探索潜在的枢纽基因被认为是一种有效的方法[13]。在R软件中使用加权基因共表达网络分析包来分析合并后数据集中13 424个基因与骨关节炎之间的相关性。对54个样本进行聚类后，剔除5个离群样本，见图2A，B；并确定软阈值为5，见图2C；随后将13 424个基因聚类到18个模块中，见图2D；通过热图展示这些模块与临床信息之间的相关性，见图2E；选择了两个拥有最强相关性的模块，筛选标准为：|GS| > 0.5和|MM| > 0.8，从这两个模块中筛选出了42个基因作为初步得到的枢纽基因，见图2F，G。
2.1.3   差异表达基因的鉴定与富集分析   在消除5个离群样本后，共鉴定出340个差异表达基因，包括159个上调基因和181个下调基因，见图3A，B。根据KEGG通路富集分析，差异表达基因主要富集在与类风湿性关节炎、白细胞介素17信号通路、肿瘤坏死因子信号通路、病毒蛋白与细胞因子及其受体的相互作用、核因子κB信号通路、脂质和动脉粥样硬化、癌症中的转录失调、结直肠癌及破骨细胞分化相关的通路中，见图3C；GO分析结果主要体现在以下3个方面，见图3D。在生物过程方面，差异表达基因在白细胞迁移反应、细胞外基质组织、细胞外结构组织、外包封结构组织、脂肪细胞分化、白细












胞趋化、皮质类固醇反应、有机磷反应、糖皮质激素反应及cAMP反应中起着重要作用；在细胞组分方面，差异表达基因主要富集在含胶原的细胞外基质、膜筏、膜微域、细胞前缘及内吞小泡中；在分子功能方面，差异表达基因在信号受体激活活性、受体配体活性、DNA结合转录激活活性-RNA聚合酶Ⅱ特异性、细胞因子活性及细胞因子受体结合中显示出最强的相关性。
2.1.4   蛋白质-蛋白质相互作用网络构建与枢纽基因的筛选   使用在线平台STRING(https://string-db.org/)构建了一个可视化的蛋白质-蛋白质相互作用网络，旨在研究差异表达基因之间的关系。使用Cytoscape软件中的MCODE插件，在蛋白质-蛋白质相互作用网络中筛选出了两个高度显著的模块，分别包含16个基因(score=9.867)和17个基因(score=9.000)，见图4A，B；此外，使用







Cytohubba插件中的最大团中心性算法鉴定了蛋白质-蛋白质相互作用网络中得分最高的前20个基因，见图4C；通过MCODE插件筛选出的33个基因和通过Cytohubba插件筛选获得的20个基因与初步筛选出的42个基因相结合，最终筛选出6个基因，即CDKN1A、MYC、NFKBIA、前列腺素内过氧化物合酶2(prostaglandin-endoperoxide synthase 2，PTGS2)、CXC趋化因子配体2(CXCL2)和血管内皮生长因子A，见图4D。这些基因在骨关节炎组中的表达水平均呈下调趋势。
2.2   免疫细胞浸润及相关性分析   在R软件中使用
CIBERSORT算法计算了骨关节炎组26个样本和正常组23个样本中22种免疫细胞的比例，见图5A。与正常组中的免








疫细胞比例相比，发现骨关节炎组中的静息记忆CD4+ T细胞(P < 0.001)、活化肥大细胞(P < 0.01)、嗜酸性粒细胞(P < 0.01)和活化NK细胞(P < 0.05)水平较低，而静息肥大细胞的比例较高，见图5B；进一步分析了6个枢纽基因的表达水平与免疫细胞比例之间的相关性，见图5C。结果表明，所有6个枢纽基因的表达水平与静息记忆CD4+ T细胞、活化NK细胞、活化肥大细胞和嗜酸性粒细胞呈正相关，而与静息肥大细胞呈负相关。
2.3   验证枢纽基因的表达   
2.3.1   外部独立数据集验证枢纽基因   结果显示，CDKN1A、MYC、NFKBIA、前列腺素内过氧化物合酶2、CXC趋化因子配体2和血管内皮生长因子A在骨关节炎组中呈下调趋势，见图6A，与之前的结果一致。
利用ROC曲线评估枢纽基因在诊断骨关节炎中的临床效能，结果表明，在外部独立数据集GSE12021中，所有6个枢纽基因的AUC值均超过0.8，表明这些枢纽基因均具有很强的区分骨关节炎患者和对照组的能力，见图6B。
2.3.2   体外RT-qPCR实验验证枢纽基因   如图7所示，6个枢纽基因CDKN1A、MYC、NFKBIA、前列腺素内过氧化物合酶2、CXC趋化因子配体2和血管内皮生长因子A的相对表达水平与微阵列杂交的结果一致。但是，NFKBIA和前列腺素内过氧化物合酶2的表达差异未显示出统计学上的显著性意义(P > 0.05)。

[1] GLYN-JONES S, PALMER AJ, AGRICOLA R, et al. Osteoarthritis. Lancet. 2015;386(9991):376-387. [2] BARNETT R. Osteoarthritis. Lancet. 2018;391(10134):1985.  [3] MARTEL-PELLETIER J, BARR AJ, CICUTTINI FM, et al. Osteoarthritis. Nat Rev Dis Primers. 2016;2:16072.  [4] 中华医学会骨科学分会关节外科学组, 中国医师协会骨科医师分会骨关节炎学组, 国家老年疾病临床医学研究中心(湘雅医院), 等. 中国骨关节炎诊疗指南(2021年版)[J]. 中华骨科杂志,2021，41(18):1291-1314. [5] ABRAMOFF B, CALDERA FE. Osteoarthritis: Pathology, Diagnosis, and Treatment Options.Med Clin North Am. 2020;104(2):293-311.  [6] CHO Y, JEONG S, KIM H, et al. Disease-modifying therapeutic strategies in osteoarthritis: current status and future directions. Exp Mol Med. 2021;53(11):1689-1696.  [7] YUE L, BERMAN J. What Is Osteoarthritis? JAMA. 2022;327(13):1300. [8] JANSEN MP, MASTBERGEN SC. Joint distraction for osteoarthritis: clinical evidence and molecular mechanisms. Nat Rev Rheumatol. 2022;18(1):35-46. [9] MOLNAR V, MATIŠIĆ V, KODVANJ I, et al. Cytokines and Chemokines Involved in Osteoarthritis Pathogenesis. Int J Mol Sci. 2021;22(17):9208. [10] ROBINSON WH, LEPUS CM, WANG Q, et al. Low-grade inflammation as a key mediator of the pathogenesis of osteoarthritis. Nat Rev Rheumatol. 2016;12(10):580-592. [11] ZHANG R, YANG X, WANG J, et al. Identification of potential biomarkers for differential diagnosis between rheumatoid arthritis and osteoarthritis via integrative genome‑wide gene expression profiling analysis. Mol Med Rep. 2019;19(1):30-40. [12] LOUGHLIN J. Translating osteoarthritis genetics research: challenging times ahead. Trends Mol Med. 2022;28(3):176-182. [13] WANG T, DAI L, SHEN S, et al. Comprehensive Molecular Analyses of a Macrophage-Related Gene Signature With Regard to Prognosis, Immune Features, and Biomarkers for Immunotherapy in Hepatocellular Carcinoma Based on WGCNA and the LASSO Algorithm.Front Immunol. 2022;13:843408. [14] POSTLER AE, LÜTZNER C, GORONZY J, et al. When are patients with osteoarthritis referred for surgery?. Best Pract Res Clin Rheumatol. 2023;37(2):101835.  [15] MOSSER DM, EDWARDS JP. Exploring the full spectrum of macrophage activation. Nat Rev Immunol. 2008;8(12):958-969. [16] WARMINK K, VINOD P, KORTHAGEN NM, et al. Macrophage-Driven Inflammation in Metabolic Osteoarthritis: Implications for Biomarker and Therapy Development. Int J Mol Sci. 2023;24(7):6112.  [17] YUNNA C, MENGRU H, LEI W, et al. Macrophage M1/M2 polarization.Eur J Pharmacol. 2020;877:173090. [18] XIE J, HUANG Z, YU X, et al. Clinical implications of macrophage dysfunction in the development of osteoarthritis of the knee. Cytokine Growth Factor Rev. 2019;46:36-44.  [19] SCHAIBLE HG.Nociceptive neurons detect cytokines in arthritis. Arthritis Res Ther. 2014;16(5):470.  [20] SELLAM J, BERENBAUM F. The role of synovitis in pathophysiology and clinical symptoms of osteoarthritis. Nat Rev Rheumatol. 2010; 6(11):625-635. [21] ZHENG W, ZHOU T, ZHANG Y, et al. Simplified α2-macroglobulin as a TNF-α inhibitor for inflammation alleviation in osteoarthritis and myocardial infarction therapy. Biomaterials. 2023;301:122247. [22] KAPOOR M, MARTEL-PELLETIER J, LAJEUNESSE D, et al.Role of proinflammatory cytokines in the pathophysiology of osteoarthritis. Nat Rev Rheumatol. 2011;7(1):33-42. [23] LIAO CR, WANG SN, ZHU SY, et al. Advanced oxidation protein products increase TNF-α and IL-1β expression in chondrocytes via NADPH oxidase 4 and accelerate cartilage degeneration in osteoarthritis progression. Redox Biol. 2020;28:101306.  [24] LI Z, HUANG Z, BAI L. Cell Interplay in Osteoarthritis. Front Cell Dev Biol. 2021;9:720477.  [25] RUAL JF, VENKATESAN K, HAO T, et al.Towards a proteome-scale map of the human protein-protein interaction network. Nature. 2005; 437(7062):1173-1178. [26] YAO Q, WU X, TAO C, et al. Osteoarthritis: pathogenic signaling pathways and therapeutic targets. Signal Transduct Target Ther. 2023;8(1):56.  [27] YANG W, LI J, ZHANG M, et al. Elevated expression of the rhythm gene NFIL3 promotes the progression of TNBC by activating NF-κB signaling through suppression of NFKBIA transcription. J Exp Clin Cancer Res. 2022;41(1):67. [28] KIHARA S, HAYASHI S, HASHIMOTO S, et al. Cyclin-Dependent Kinase Inhibitor-1-Deficient Mice are Susceptible to Osteoarthritis Associated with Enhanced Inflammation. J Bone Miner Res. 2017;32(5):991-1001.  [29] RODRIGUEZ-FONTENLA C, CALAZA M, EVANGELOU E, et al. Assessment of osteoarthritis candidate genes in a meta-analysis of nine genome-wide association studies. Arthritis Rheumatol. 2014;66(4):940-949. [30] HAMILTON JL, NAGAO M, LEVINE BR, et al. Targeting VEGF and Its Receptors for the Treatment of Osteoarthritis and Associated Pain. J Bone Miner Res. 2016;31(5):911-924. [31] YOO SA, BAE DG, RYOO JW, et al. Arginine-rich anti-vascular endothelial growth factor (anti-VEGF) hexapeptide inhibits collagen-induced arthritis and VEGF-stimulated productions of TNF-alpha and IL-6 by human monocytes. J Immunol. 2005;174(9):5846-5855. [32] LU J, ZHANG H, CAI D, et al. Positive-Feedback Regulation of Subchondral H-Type Vessel Formation by Chondrocyte Promotes Osteoarthritis Development in Mice. J Bone Miner Res. 2018;33(5):909-920. [33] LIU Y, ZENG Y, SI HB, et al. Exosomes Derived From Human Urine-Derived Stem Cells Overexpressing miR-140-5p Alleviate Knee Osteoarthritis Through Downregulation of VEGFA in a Rat Model. Am J Sports Med. 2022;50(4):1088-1105.  [34] CHEN Z, WANG W, HUA Y. Identification and validation of BCL6 and VEGFA as biomarkers and ageing patterns correlating with immune infiltrates in OA progression. Sci Rep. 2023;13(1):2558.  [35] LI HY, PAN L, KE YS, et al.Daidzein suppresses pro-inflammatory chemokine Cxcl2 transcription in TNF-α-stimulated murine lung epithelial cells via depressing PARP-1 activity. Acta Pharmacol Sin. 2014; 35(4):496-503. [36] CAI W, LI H, ZHANG Y, et al. Identification of key biomarkers and immune infiltration in the synovial tissue of osteoarthritis by bioinformatics analysis.PeerJ. 2020;8:e8390.  [37] DUFFY MJ, O’GRADY S, TANG M, et al. MYC as a target for cancer treatment.Cancer Treat Rev. 2021;94:102154.  [38] LIU J, HUANG X, LIU D, et al. Demethyleneberberine induces cell cycle arrest and cellular senescence of NSCLC cells via c-Myc/HIF-1α pathway. Phytomedicine. 2021;91:153678.  [39] LI X, ZHANG Z, GAO F, et al. c-Myc-Targeting PROTAC Based on a TNA-DNA Bivalent Binder for Combination Therapy of Triple-Negative Breast Cancer. J Am Chem Soc. 2023;145(16):9334-9342. [40] EZAWA K, YAMAMURA M, MATSUI H, et al. Comparative analysis of CD45RA- and CD45RO-positive CD4+T cells in peripheral blood, synovial fluid, and synovial tissue in patients with rheumatoid arthritis and osteoarthritis. Acta Med Okayama. 1997;51(1):25-31. [41] QI C, SHAN Y, WANG J, et al. Circulating T helper 9 cells and increased serum interleukin-9 levels in patients with knee osteoarthritis.Clin Exp Pharmacol Physiol. 2016;43(5):528-534. [42] BENIGNI G, DIMITROVA P, ANTONANGELI F, et al. CXCR3/CXCL10 Axis Regulates Neutrophil-NK Cell Cross-Talk Determining the Severity of Experimental Osteoarthritis. J Immunol. 2017;198(5):2115-2124.  [43] CHOU CH, JAIN V, GIBSON J, et al. Synovial cell cross-talk with cartilage plays a major role in the pathogenesis of osteoarthritis. Sci Rep. 2020; 10(1):10868.  [44] KULKARNI P, HARSULKAR A, MÄRTSON AG, et al. Mast Cells Differentiated in Synovial Fluid and Resident in Osteophytes Exalt the Inflammatory Pathology of Osteoarthritis.Int J Mol Sci. 2022;23(1):541.  [45] ZHAO X, YOUNIS S, SHI H, et al. RNA-seq characterization of histamine-releasing mast cells as potential therapeutic target of osteoarthritis.Clin Immunol. 2022;244:109117.

[1]	邓柯淇, 李光第, GOSWAMI ASHUTOSH, 刘星余, 何孝勇. 基于生物信息学对骨关节炎铁超载关键基因的筛选与验证[J]. 中国组织工程研究, 2025, 29(9): 1972-1980.
[2]	刘 琳, 刘世轩, 陆馨悦, 王 侃. 慢性肌筋膜触发点模型大鼠的尿液代谢组学分析[J]. 中国组织工程研究, 2025, 29(8): 1585-1592.
[3]	赵嘉诚, 任诗齐, 祝 秦, 刘佳佳, 朱 翔, 杨 洋. 原发性骨质疏松潜在生物标志物的生物信息学分析[J]. 中国组织工程研究, 2025, 29(8): 1741-1750.
[4]	尹 路, 蒋川锋, 陈俊杰, 易 明, 王子赫, 石厚银, 汪国友, 沈骅睿. 沙苑子苷A对关节软骨细胞凋亡的影响[J]. 中国组织工程研究, 2025, 29(8): 1541-1547.
[5]	章镇宇, 梁秋健, 杨 军, 韦相宇, 蒋 捷, 黄林科, 谭 桢. 新橙皮苷治疗骨质疏松症的靶点及对骨髓间充质干细胞成骨分化的作用[J]. 中国组织工程研究, 2025, 29(7): 1437-1447.
[6]	张昊军, 李泓毅, 张 辉, 陈浩然, 张力中, 耿 杰, 侯传东, 于 琦, 贺培凤, 贾金鹏, 卢学春. 间充质细胞源性骨肉瘤中关键分子标志物鉴定及药物敏感性分析[J]. 中国组织工程研究, 2025, 29(7): 1448-1456.
[7]	王 咪, 马书杰, 刘 杨, 齐 瑞. 缺血性脑卒中铁死亡特征基因NFE2L2的鉴定与验证[J]. 中国组织工程研究, 2025, 29(7): 1466-1474.
[8]	徐田杰, 樊佳欣, 郭小玲, 贾 祥, 赵兴旺, 刘凯楠, 王 茜. 二甲双胍抑制PI3K/AKT/mTOR信号通路保护骨关节炎模型大鼠关节软骨[J]. 中国组织工程研究, 2025, 29(5): 1003-1012.
[9]	吴广涛, 秦 刚, 何凯毅, 范以东, 李威材, 朱宝刚, 曹 英. 免疫细胞与膝骨关节炎之间因果作用：一项两样本双向孟德尔随机化分析[J]. 中国组织工程研究, 2025, 29(5): 1081-1090.
[10]	刘雅妮, 杨静欢, 陆慧慧, 易玉芳, 李智翔, 欧阳福, 吴璟莉, 魏 兵. 纤维肌痛综合征生物标记物的筛选及免疫细胞浸润分析[J]. 中国组织工程研究, 2025, 29(5): 1091-1100.
[11]	杨定燕, 余振球, 杨中愉. 急性心肌梗死与中性粒细胞相关潜在生物标志物的机器学习分析[J]. 中国组织工程研究, 2025, 29(36): 7909-7920.
[12]	江启煜, 曾慧妍. 基于人工智能和组学数据驱动的中药潜在机制新型分析预测方法[J]. 中国组织工程研究, 2025, 29(35): 7552-7561.
[13]	陈 莹, 郭晓婧, 莫雪妮, 马 威, 武尚志, 李相玲, 谢婷婷. 缺血性脑卒中诊断性生物标志物解析及靶向铜死亡相关基因的实验验证[J]. 中国组织工程研究, 2025, 29(35): 7562-7570.
[14]	巩月红, 王梦君, 任 航, 郑 辉, 孙佳佳, 刘军鹏, 张 飞, 杨建华, 胡君萍. 机器学习联合生物信息学筛选与自噬相关的肺纤维化关键基因及实验验证[J]. 中国组织工程研究, 2025, 29(35): 7679-7689.
[15]	韩 杰, 潘成镇, 尚昱志, 张 驰. 激素性股骨头坏死免疫诊断标志物的鉴定与药物筛选[J]. 中国组织工程研究, 2025, 29(35): 7690-7700.

骨关节炎在老年人中普遍存在，具有多种病理变化，包括关节软骨退化、软骨下骨异常、滑膜炎症、韧带钙化、骨赘形成以及关节囊、关节周围肌肉、神经和脂肪垫的改变[1-2]。骨关节炎引起的关节疼痛和功能障碍显著降低了患者的生活质量，随着疾病进展最终导致关节运动功能的完全丧失[3]。目前，骨关节炎的治疗方法包括非药物治疗、药物治疗和手术干预，指导依据包括关节影像学证据、西安大略大学和麦克马斯特大学骨关节炎指数(WOMAC)总评分以及个体患者特征。对于早期骨关节炎，指南推荐健康教育、运动疗法和物理治疗等非药物干预措施作为一线治疗[4]。非类固醇抗炎药被推荐作为膝骨关节炎的一线治疗药物，可以控制疾病进展、缓解疼痛并改善患者的生活质量[4-7]，其他保守治疗方式包括关节内药物注射和关节牵引[8]；然而，对于严重功能障碍的终末期骨关节炎患者，人工关节置换仍是唯一有效的治疗措施。作为一种退行性疾病，骨关节炎的确切发病机制尚未完全被人们解释。研究认为低度炎症导致的软骨合成与分解失衡是导致骨关节炎的一个原因[9-10]。因此，鉴定骨关节炎的生物标志物可以帮助理解疾病的发病机制，为新治疗方法的开发提供线索，从而设计出更有效和特定的分子疗法。 
近年来，生物信息学分析已成为在遗传学和肿瘤学领域识别枢纽基因并阐明疾病发病机制的重要方法[11]。随着基因芯片和高通量测序技术的发展和广泛使用，生物信息学方法可以通过整合基因测序结果、蛋白表达、蛋白质-蛋白质相互作用以及患者临床信息等数据，识别与疾病相关的生物标志物，帮助研究者揭示导致疾病的潜在生物学机制。枢纽基因被定义为在基因调控和生物过程中起关键作用的基因，这些基因能够与基因网络内的许多其他基因相互作用。有研究表明，骨关节炎可能与先天性遗传有关，但没有强有力的证据支持[12]。此次研究通过生物信息学分析鉴定出了与骨关节炎相关的枢纽基因，这些枢纽基因未来可能作为骨关节炎治疗的靶点。

1.1   设计   生物信息学分析结合体外组织学实验验证。
1.2   时间及地点   体外组织学实验所需组织样本于2023年5-6月于郑州大学第一附属医院获得，验证实验于2023年6-7月在郑州大学第一附属医院转化医学中心进行。
1.3   材料
1.3.1   数据收集   从基因表达综合数据库(GEO，http://www.ncbi.nlm.nih.gov/ geo/)中检索到GSE206848、GSE55235和GSE55457数据集，筛选条件为“synovial tissues”“Homo sapiens”和“osteoarthritis”。通过筛选，最后纳入来自GPL570平台的GSE55235和GSE55457微阵列数据集(分别包括10个骨关节炎患者的滑膜组织样本和10个健康供者的滑膜组织样本)和来自GPL96平台的GSE206848微阵列数据集(包括7个骨关节炎患者和7个健康供者的14个滑膜组织样本)，共包含27个骨关节炎患者和27个健康供者的组织样本数据。骨关节炎滑膜组织从骨关节炎患者关节置换手术中收集，非骨关节炎滑膜组织来自捐献者早期尸检，捐献者无关节疾病史。
1.3.2   数据处理   使用R编程语言(版本：4.2.2)处理和分析3个数据集的矩阵文件。利用GPL570和GPL96平台的基因探针注释文件将矩阵中的探针名转换为相应的基因名。如果多个探针对应相同的基因，则移除重复探针，仅保留一个探针。随后，将3个数据集合并，并使用R软件“SVA”包中的“combat”函数去除批次效应。通过R软件“limma”包中的“normalize Between Arrays”函数对3 组基因表达矩阵进行标准化处理，最后得到校正后的基因表达矩阵。
1.4   实验方法   
1.4.1   枢纽基因的筛选、分析及初步验证
(1)加权相关网络构建：在R软件中使用加权基因共表达网络分析(weighted gene co-expression network analysis，WGCNA)包(一种分析多个样本中基因表达模式的分析方法)，对13 424个具有相似表达模式的基因进行聚类，并分析模块与骨关节炎之间的相关性。
(2)差异表达基因的筛选与富集分析：使用R软件“limma”包在合并后的数据集中筛选骨关节炎与对照样本之间的差异表达基因(differentially expressed genes，DEGs)，筛选标准为：P < 0.05和|log2-FC| > 1。为了阐明差异表达基因的具体功能，使用R软件中的”org.Hs.eg.db”包和“clusterProfiler”包进行基因本体(Gene Ontology，GO)功能富集分析和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes，KEGG)通路富集分析，筛选标准为：adj P < 0.05。GO功能富集分析在分子功能(molecular function，MF)、细胞组分(cellular component，CC)和生物过程(biological process，BP)3个维度上解释了基因功能；KEGG通路富集分析阐明了基因所涉及的通路类型。
(3)蛋白质-蛋白质相互作用(protein-protein interaction，PPI)的构建与枢纽基因的筛选：为了研究差异表达基因之间的潜在关系，将差异表达基因上传到STRING(https://string-db.org/)，并将导出的文件导入软件Cytoscape以构建蛋白质-蛋白质相互作用网络。使用Cytoscape中的Molecular Complex Detection(MCODE)插件分析并筛选蛋白质-蛋白质相互作用网络中的关键模块和枢纽基因，参数设置为Degree Cutoff=2、Node Score Cutoff=0.2和k-core=2。此外，使用Cytoscape中Cytohubba插件提供的最大团中心性(maximal clique centrality，MCC)算法筛选蛋白质-蛋白质相互作用网络中的枢纽基因。从加权基因共表达网络分析结果中显示最高相关性的模块中选择枢纽基因，并与蛋白质-蛋白质相互作用网络鉴定的枢纽基因取交集得到最终的枢纽基因。
(4)免疫细胞浸润及相关性分析：使用CIBERSORT算法(通过线性支持向量回归原则对免疫细胞亚型的表达矩阵进行解卷积)，估计样本中22种常见免疫浸润细胞的丰度。使用箱线图评估骨关节炎患者样本与正常对照之间免疫细胞浸润比例的差异。结果采用Wilcoxon秩和检验进行统计分析，P < 0.05表示差异有显著性意义。使用R软件中的“corrplot”包计算枢纽基因表达水平与免疫细胞浸润状态之间的相关性。
(5)独立数据集验证： 为了确认6个枢纽基因的临床诊断能效，在包含10个骨关节炎患者滑膜组织样本和9个健康供者滑膜组织样本的GSE12021数据集中计算它们的表达水平和诊断效能。使用小提琴图和受试者工作特征(receiver operating characteristic，ROC)曲线展示结果。
1.4.2   体外RT-qPCR实验验证 
(1)人体滑膜组织的获取：从2023年5-6月于郑州大学第一附属医院治疗的3例进行交叉韧带损伤关节镜手术的患者和3例因骨关节炎需行全膝关节置换术的患者处收集滑膜组织。其中对照组患者纳入标准：年龄< 30岁、外伤1周内入院、影像学及查体诊断为前交叉韧带损伤，所有患者的临床信息见表1。研究方案的实施符合郑州大学第一附属医院的相关伦理要求(医院伦理批件号：2023-KY-0938-002)，所有参与患者均知情同意并签署知情同意书。


(2) 定量反转录聚合酶链反应(RT-qPCR)实验：根据制造商说明使用Trizon试剂(CW0580S，CWBIO) 从滑膜组织中提取总RNA；使用紫外分光光度仪对所提取的RNA进行浓度和纯度检测；然后使SPARKscript II All-in-one RT SuperMix for qPCR(AG0305-A，Sparkjade)将RNA反转录为cDNA；最后使用2×SYBR Green qPCR Mix(AH0101-A，Sparkjade) 进行qPCR。目标基因相对表达量使用2-ΔΔCt 方法计算，随后使用GraphPad Prism 9.1进行未配对t检验(即独立样本t 检验)，显著性定义为P < 0.05。以GAPDH作为内参，引物信息见表2。

1.5   主要观察指标   差异表达基因的生物信息学分析结果及RT-qPCR实验枢纽基因的相对表达量。
1.6   统计学分析   使用GraphPad Prism 9.1软件对体外实验结果进行数据处理和统计学分析，组间差异比较采用独立样本t检验，P < 0.05为差异有显著性意义。使用GraphPad Prism 9.1软件和Adobe Illustrator 2021软件进行图片绘制。该研究统计学方法已经郑州大学生物统计学专家审核。

当前，非类固醇抗炎药主要用于治疗非终末期骨关节炎患者，但其长期效果有限且对人体有许多不良反应，因此在骨关节炎的晚期阶段，患者通常需要进行关节置换手术以提高生活质量[14]。因此，寻找新的靶点用于早期诊断和治疗骨关节炎，以延缓骨关节炎的进展具有重要的临床意义。此次研究通过比较GSE55235、GSE55457和GSE206848数据集中骨关节炎患者与正常对照组滑膜组织的基因表达差异，运用生物信息学方法鉴定与骨关节炎相关的枢纽基因，分析其与免疫细胞的关联，并初步探讨其在骨关节炎发病和发展中的潜在分子机制。
此次研究中，在合并3个数据集并去除5个离群样本后，进行了加权基因共表达网络分析，将13 424个基因分为18个功能模块。从2个与骨关节炎临床信息相关性最强的功能模块中，筛选出了17个上调基因和25个下调基因作为初步枢纽基因，见图2E。随后，在49个样本中总共筛选出340个差异表达基因，其中包括159个上调基因和181个下调基因，见图3A，B。GO分析显示，这些差异表达基因主要参与了免疫细胞迁移和分化相关的生物学过程，细胞外区域组件的细胞组成，以及细胞因子和细胞因子受体之间相互作用的分子功能，见图3D。现如今，骨关节炎不仅被视为一种因关节日常使用导致的退行性疾病，更被认为是一种多因素疾病，其中低度慢性炎症在其发病机制中扮演着核心角色[10]。在关节受到损伤和压力之后，急性炎症反应促使单核细胞分化为成熟的巨噬细胞。巨噬细胞根据功能及炎症因子分泌水平分为M1型巨噬细胞及M2型巨噬细胞两种亚群[15-16]。M1型巨噬细胞主要由脂多糖及干扰素γ激活，分泌高水平的白细胞介素2及较低水平的抗炎因子白细胞介素10，主要起到促进炎症发生发展，同时还有杀菌及吞噬等作用。而M2型巨噬细胞主要由白细胞介素4激活，主要通过分泌白细胞介素10等细胞因子抑制M1巨噬细胞[17]。M1型巨噬细胞释放的促炎性细胞因子和趋化因子会吸引免疫细胞，促进免疫细胞的增殖并加速下游细胞因子的生产，最终导致慢性的关节损伤[16，18]。
通过加权基因共表达网络分析，筛选出了2个与骨关节炎表现出最强相关性的模块，见图2E，这些模块中包含了17个上调基因和25个下调基因。进一步的KEGG分析显示，这些差异表达基因主要富集在与风湿性关节炎、白细胞介素17信号通路、肿瘤坏死因子信号通路、病毒蛋白与细胞因子及其受体的相互作用、核因子κB信号通路、脂质和动脉粥样硬化、癌症转录调控、结直肠癌以及破骨细胞分化相关的通路中，见图3C。虽然骨关节炎和风湿性关节炎都由免疫系统中的促炎细胞因子触发[19]，并且在骨关节炎的早期阶段滑膜中的炎症表现类似于风湿性关节炎[20]，但骨关节炎中的低级别炎症具有其独特的特征[10]。 肿瘤坏死因子α作为慢性炎症中的主要调节因子[21]，通过激活核因子κB可以抑制软骨细胞中蛋白聚糖、连接蛋白和Ⅱ型胶原蛋白的合成，刺激基质金属蛋白酶的释放，并诱导白细胞介素6等炎症相关趋化因子的产生[22]，从而加速骨关节炎的软骨退化。在骨关节炎的进展中，高级氧化蛋白产物(advanced oxidation protein products，AOPPs)在滑膜液中的表达增加，并通过p38-MAPK通路上调了软骨细胞中肿瘤坏死因子α的表达，加速了骨关节炎的软骨退化[23]。白细胞介素17在先天免疫中扮演重要角色，与肿瘤坏死因子α、转化生长因子β(SMADs)和白细胞介素13(STAT6)等细胞因子有密切的相互作用，这些因子均与骨关节炎的发生和进展密切相关[24]。这些发现表明，差异表达基因的功能主要集中在与炎症相关的通路中。
构建蛋白质-蛋白质相互作用网络是将所有编码蛋白质的基因转化为节点，节点之间相连代表基因之间存在相互作用。节点在整个网络中的权重由与其他节点的连接数量确定[25]。因此，蛋白质-蛋白质相互作用网络被认为是一种有效的筛选枢纽基因的方法。通过Cytoscape软件中的MCODE插件筛选出了蛋白质-蛋白质相互作用网络中两个高度显著的模块，分别由16个基因(score=9.867)和17个基因(score=9.000)组成，见图4A，B。此外，使用Cytoscape软件中的Cytohubba插件中的最大团中心性算法筛选了蛋白质-蛋白质相互作用网络中的前20个评分最高的基因，见图4C。 将这20个基因与MCODE插件分析得到的33个基因和从加权基因共表达网络分析中获得的43个基因进行交集，最终筛选出6个枢纽基因，即CDKN1A、MYC、NFKBIA、前列腺素内过氧化物合酶2、CXC趋化因子配体2和血管内皮生长因子A，见图4D，这6个关键基因在骨关节炎组中的表达水平均显示为下调。
在关节内，软骨细胞和滑膜细胞受到机械压力或细胞因子刺激后会导致核因子κB信号通路的激活，该通路激活后产生并释放炎症因子和细胞因子如：肿瘤坏死因子α、白细胞介素1β和白细胞介素6，从而引发滑膜炎症和软骨破坏[26]。核因子κB抑制因子α(NFKB Inhibitor Alpha，NFKBIA)编码IκBα蛋白，该蛋白结合核因子κB二聚体，将其隔离在细胞质中，从而抑制核因子κB转位到细胞核中，阻止核因子κB信号通路的激活[27]。 多项研究表明，CDKN1A缺乏会导致对骨关节炎的易感性。KIHARA等[28]报告称，缺乏CDKN1A的DMM小鼠在骨关节炎表型变化方面表现出易感性，其特征是由白细胞介素1β介导的核因子κB信号传导诱导的破骨细胞表达增加、巨噬细胞浸润和基质金属蛋白酶13表达增加。这些研究结果与此次研究的结果一致，即NFKBIA和CDKN1A表达水平的下调可能与骨关节炎的发生和进展相关。
血管内皮生长因子A在一项荟萃分析中被认为与骨关节炎显著相关[29]。多项研究表明，血管内皮生长因子A介导的软骨细胞中基质金属蛋白酶和ADAMT5的上调，以及内皮细胞中一氧化氮的高表达，可能导致软骨细胞凋亡[30]。此外，血管内皮生长因子A在滑膜巨噬细胞和成纤维细胞中表达增加，从而刺激细胞分泌肿瘤坏死因子α和白细胞介素6[31]。同样，血管内皮生长因子A还刺激破骨细胞和成骨细胞的分化和迁移，导致骨关节炎早期的软骨下骨质吸收和晚期的骨形成。有研究称，由血管内皮生长因子A刺激所形成的软骨下H型血管也能诱发骨关节炎[32]。LIU等[33]发现，来自人尿源干细胞的外泌体过表达miR-140-5p，通过下调血管内皮生长因子A缓解了大鼠模型中骨关节炎的进展。CHEN等[34]也证实了血管内皮生长因子A为骨关节炎进展中的生物标志物，并发现其与衰老和骨关节炎的免疫浸润有相关性。上述研究结果表明血管内皮生长因子A与骨关节炎的发生和进展密切相关。
CXC趋化因子配体2，又被称为巨噬细胞炎性蛋白2 (macrophage inflammatory protein 2，MIP-2)，属于CXC趋化因子家族中的一员。已有研究显示，CXC趋化因子配体2的表达受到促炎细胞因子(如白细胞介素1和肿瘤坏死因子α)的诱导，这些细胞因子在骨关节炎的炎症起始阶段发挥了重要作用[35]。前列腺素内过氧化物合酶2，也称为环氧化酶2，通过产生前列腺素等炎症递质，引发骨关节炎患者的关节肿胀、发热和疼痛。环氧化酶2选择性抑制剂，如塞来昔布，已经广泛用于骨关节炎的治疗[36]。
MYC作为转录因子，通过调节cyclinD1、cyclinE、p27等细胞周期相关基因的表达，促进细胞从G1期到S期的进展，从而促进细胞的生长。目前有关MYC的研究多聚焦于癌症的治疗[37]，MYC在骨关节炎发生和发展的作用尚未明确阐述。下调MYC表达能够促进细胞的衰老和凋亡[38-39]，这一过程可能与骨关节炎中软骨细胞的凋亡有关，需要进一步的研究阐明机制。这6个基因对骨关节炎的诊断具有良好的特异性和敏感性，见图7A；这一结果也通过外部独立数据集GSE12021得到了验证，见图6B。RT-qPCR结果表明，这6个基因的相对表达水平与微阵列杂交结果一致，即骨关节炎组相对正常对照组基因表达水平下调，NFKBIA和前列腺素内过氧化物合酶2的差异无统计学意义，见7B。因此，作者认为CDKN1A、MYC、CXC趋化因子配体2和血管内皮生长因子A是骨关节炎的枢纽基因，具有较强的区分骨关节炎和对照组的能力。
为了探索免疫细胞浸润与骨关节炎之间的潜在病理相关性，使用了CIBERSORT算法来计算骨关节炎组26个样本和正常组23个样本中22种免疫细胞的比例。基于计算结果，发现骨关节炎组中静息记忆CD4+ T细胞、活化NK细胞、活化肥大细胞和嗜酸性粒细胞的比例较低，而静息型肥大细胞的比例较高，这可能与骨关节炎的发病机制有关，见图5B，C。已有研究表明，记忆CD4+ T细胞在骨关节炎的生物过程中扮演着重要角色。EZAWA等[40]发现骨关节炎的关节中CD45RO+记忆CD4+ T细胞的积累是一种普遍现象。另一项研究也表明，骨关节炎患者外周血中的CD45RO+记忆CD4+ T细胞数量显著高于健康对照组[41]。BENIGNI等[42]发现NK细胞可能通过CXC趋化因子配体10/CXC趋化因子受体3轴在骨关节炎的发生中发挥作用。同时，肥大细胞是骨关节炎中滑膜炎症的重要浸润细胞之一[43]。KULKARNI等[44]发现滑膜液中的肥大细胞可能加剧骨关节炎的炎症情况。也有研究指出，阻断肥大细胞释放组胺的功能可以改善骨关节炎患者的预后[45]，这提示了肥大细胞在骨关节炎中潜在的作用。不同的是，嗜酸性粒细胞在骨关节炎中的具体作用尚未被报道。基于上述研究结果，作者认为这些免疫细胞在骨关节炎的病理进程中扮演着重要角色，枢纽基因可能通过作用于上述免疫细胞参与骨关节炎的起始和进展。
此次研究存在一些局限性。首先，来自GEO数据库的数据集中样本数量偏小；其次，获得足够的人体膝关节滑膜组织样本以进行RT-qPCR实验验证存在困难，组织样本量少可能导致结果存在偏差。
综上所述，此次研究结合生物信息学方法和RT-qPCR实验结果，筛选出了CDKN1A、MYC、CXC趋化因子配体2和血管内皮生长因子A作为参与骨关节炎发生和发展的枢纽基因。结果分析揭示了这些枢纽基因与免疫细胞浸润的强相关性，初步探讨了免疫细胞发挥作用的病理机制，为潜在的与炎症免疫相关的研究提供了新见解。未来需要探究这些枢纽基因如何通过影响免疫细胞、介导免疫应答和炎症反应从而导致骨关节炎的发生和发展之间的因果关系，并设计出更有效和特定的治疗方法。

中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程

#br# #br# 中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程#br#

骨关节炎是一种以疼痛、活动受限和关节畸形为主要临床表现的慢性退行性疾病。大量的研究发现关节软骨变性或损伤可能是驱动骨关节炎进展的因素。具有免疫调节特性的间充质干细胞及其分泌的有相似调节作用的外泌体被证实在抑制关节腔内炎症、修复软骨损伤方面表达出了显著的作用。早期软骨变性或损伤后，会诱导滑膜细胞产生多种促炎症反应相关细胞因子，诱导进一步炎症反应的进行。而这种炎症反应是低度的、慢性的无菌性炎症，主要特征为免疫系统的慢性激活。除了关节置换手术之外，没有有效的方法治疗骨关节炎，使得越来越多的研究投入到寻找骨关节炎免疫炎症相关机制的潜在分子治疗靶点中去。生物信息学分析结合基因测序结果等多种数据，已成为在遗传学和肿瘤学领域识别生物学标志物并阐明疾病发病机制的重要方法。该研究结合多种生物信息学方法寻找骨关节炎潜在的生物标志物及其在免疫炎症反应中的作用，旨在为骨关节炎分子治疗提供新线索。#br# #br# 中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程#br#

	阅读次数
	全文
	摘要