整合多组微阵列芯片分析骨关节炎患者滑膜中生物标志物和治疗靶点

doi:10.12307/2021.041

中国组织工程研究 ›› 2021, Vol. 25 ›› Issue (23): 3690-3696.doi: 10.12307/2021.041

• 组织构建相关数据分析 Date analysis of organization construction • 上一篇下一篇

整合多组微阵列芯片分析骨关节炎患者滑膜中生物标志物和治疗靶点

刘金富1，曾平2，农焦2，范思奇2，冯程钦1，黄佳兴1

1广西中医药大学研究生院，广西壮族自治区南宁市 530299；2广西中医药大学第一附属医院，广西壮族自治区南宁市 530023

收稿日期:2020-07-20 修回日期:2020-07-22 接受日期:2020-08-13 出版日期:2021-08-18 发布日期:2021-02-24
通讯作者: 曾平，博士，汉族，教授，广西中医药大学第一附属医院，广西壮族自治区南宁市 530023
作者简介:刘金富，男，1994年生，汉族，广东省河源市人，广西中医药大学在读硕士，主要从事四肢骨病与创伤的防治研究。
基金资助:
国家自然科学基金项目(81960876)，项目负责人：曾平；广西地区自然科学基金项目(2017GXNSFAA198296)，项目负责人：曾平；广西中医药大学第一附属医院院级项目(2017ZD002)，项目负责人：曾平

Integrative analysis of biomarkers and therapeutic targets in synovium of patients with osteoarthritis by multiple microarrays

Liu Jinfu1, Zeng Ping2, Nong Jiao2, Fan Siqi2, Feng Chengqin1, Huang Jiaxing1

1Graduate School of Guangxi University of Chinese Medicine, Nanning 530299, Guangxi Zhuang Autonomous Region, China; 2The First Affiliated Hospital of Guangxi University of Chinese Medicine, Nanning 530023, Guangxi Zhuang Autonomous Region, China

Received:2020-07-20 Revised:2020-07-22 Accepted:2020-08-13 Online:2021-08-18 Published:2021-02-24
Contact: Zeng Ping, MD, Professor, The First Affiliated Hospital of Guangxi University of Chinese Medicine, Nanning 530023, Guangxi Zhuang Autonomous Region, China
About author:Liu Jinfu, Master candidate, Graduate School of Guangxi University of Chinese Medicine, Nanning 530299, Guangxi Zhuang Autonomous Region, China
Supported by:
the National Natural Science Foundation of China, No. 81960876 (to ZP); Natural Science Foundation of Guangxi Zhuang Autonomous Region, No. 2017GXNSFAA198296 (to ZP); First Affiliated Hospital of Guangxi University of Chinese Medicine, No. 2017ZD002 (to ZP)

摘要/Abstract

摘要：

文题释义：
生物信息学：是运用数学和信息学方法阐明和解释海量生物学数据所蕴含的生物学意义的重要手段和工具。
基因表达综合数据库(Gene Expression Omnibus，GEO)：全称GENE EXPRESSION OMNIBUS，是由美国国立生物技术信息中心NCBI创建并维护的基因表达数据库。它创建于2000年，收录了世界各国研究机构提交的高通量基因表达数据。

背景：骨关节炎是老年人中常见的慢性疾病之一，目前还没有有效的治疗方法。
目的：鉴定骨关节炎滑膜组织中的差异表达基因和相关信号通路，阐明骨关节炎的发病机制并寻找有效的药物靶点。
方法：①从GEO数据库中收集10个相关数据集，包括120个骨关节炎患者滑膜组织样本和85个正常人滑膜组织样本，鉴定出差异表达基因；②对这些差异表达基因进行GO功能富集分析和KEGG通路富集分析，使用Cytoscape软件构建差异表达基因的蛋白质-蛋白质相互作用网络，并进行了模块分析，筛选关键基因；③通过Drugbank数据库筛选获准的用于治疗骨关节炎的药物，Drug Gene Interaction数据库挖掘这些药物的靶基因。
结果与结论：①文章总共鉴定出25个差异表达基因，包括20个上调的差异表达基因(SPP1、基质金属蛋白酶1及基质金属蛋白酶9等)和5个下调的差异表达基因(APOD、FKBP5及ZBTB16等)；②GO功能富集分析结果表明，这些差异表达基因主要参与细胞外基质的代谢(例如胶原分解代谢过程、细胞外基质分解、胶原代谢过程、细胞外结构组织和蛋白质代谢过程)；③KEGG富集分析结果表明，差异表达基因主要富集在“白细胞介素17信号通路”和“类风湿关节炎”；④通过Drugbank数据库和Drug Gene Interaction数据库共挖掘出50种获得批准的治疗骨关节炎药物及对应的209个靶基因，SPP1、基质金属蛋白酶1和基质金属蛋白酶9是治疗骨关节炎药物硫酸软骨素、曲安西龙、塞来昔布和葡萄糖胺的靶基因和差异表达基因的交集基因；⑤结果证实，骨关节炎发病可能与滑膜内特异表达的基因诱导细胞外基质的降解有关，SPP1、基质金属蛋白酶1和基质金属蛋白酶9可能是用于治疗骨关节炎的有效分子靶标。

https://orcid.org/0000-0001-5801-8391 (曾平)

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

关键词: 软组织, 滑膜, 骨关节炎, 芯片, 基因, 信号通路, 细胞, 靶点

Abstract: BACKGROUND: Osteoarthritis is one of the most common chronic diseases in the old adults, and currently there is no effective treatment.
OBJECTIVE: To identify differentially expressed genes and related signaling pathways in synovial tissue of osteoarthritis, elucidate the pathogenesis of osteoarthritis and seek for effective drug targets.
METHODS: Ten related data sets were collected from GEO database, including 120 synovial tissue samples from patients with osteoarthritis and 85 samples from normal subjects, and the differentially expressed genes were identified. Genetic ontology (GO) functional enrichment analysis and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway enrichment analysis were performed on these differentially expressed genes. The protein-protein interaction network of differentially expressed genes was constructed using Cytoscape software, and module analysis was performed to screen key genes. Through the Drugbank database, approved drugs for osteoarthritis were screened, and the target genes for these drugs were mined in the Drug Gene Interaction database.
RESULTS AND CONCLUSION: A total of 25 differentially expressed genes were identified, including 20 up-regulated differentially expressed genes (SPP1, matrix metalloproteinase 1, matrix metalloproteinase 9, etc.) and 5 down-regulated differentially expressed genes (APOD, FKBP5, ZBTB16, etc.). GO functional enrichment analysis showed that these differentially expressed genes were mainly involved in the metabolism of extracellular matrix (e.g., collagen catabolism, extracellular matrix catabolism, collagen metabolism, extracellular structure, and tissue and protein metabolism). KEGG enrichment analysis showed that the differentially expressed genes were mainly concentrated in the “interleukin-17 signaling pathway” and “rheumatoid arthritis.” Through the Drugbank database and the Drug Gene Interaction database, a total of 50 approved osteoarthritis drugs and their corresponding 209 target genes were identified. SPP1, matrix metalloproteinase 1 and matrix metalloproteinase 9 were the intersection genes of the differentially expressed genes and the target genes of the osteoarthritis drug chondroitin sulfate, triamcinolone and celecoxib, and glucosamine. To conclude, the pathogenesis of osteoarthritis may be related to the degradation of extracellular matrix induced by the genes expressed in the synovial membrane. SPP1, matrix metalloproteinase 1 and matrix metalloproteinase 9 may be effective molecular targets for the treatment of osteoarthritis.

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

Key words: soft tissue, synovium, osteoarthritis, microarray chip, gene, signaling pathway, cell, target

中图分类号:

刘金富, 曾平, 农焦, 范思奇, 冯程钦, 黄佳兴. 整合多组微阵列芯片分析骨关节炎患者滑膜中生物标志物和治疗靶点[J]. 中国组织工程研究, 2021, 25(23): 3690-3696.

Liu Jinfu, Zeng Ping, Nong Jiao, Fan Siqi, Feng Chengqin, Huang Jiaxing. Integrative analysis of biomarkers and therapeutic targets in synovium of patients with osteoarthritis by multiple microarrays[J]. Chinese Journal of Tissue Engineering Research, 2021, 25(23): 3690-3696.

图/表（结果） 10

2.1 各组差异基因鉴定结果根据校正后的P < 0.05和|log2 FC(fold change)|≥1作为标准，与健康对照组相比，从骨关节炎组中总共获得25个差异表达基因，包括20个上调的差异表达基因和5个下调的差异表达基因，见图1。

2.2 各组GO和KEGG富集分析结果 GO富集分析表明，生物学过程中差异表达基因主要参与胶原分解代谢过程、细胞外基质分解、胶原代谢过程、细胞外结构组织和蛋白质代谢过程。细胞成分中的差异表达基因主要富集在细胞外空间、细胞外基质、细胞外区域部分和细胞外区域。此外，在分子功能中，差异表达基因主要富集在丝氨酸肽酶活性、丝氨酸型内肽酶活性、金属肽酶活性、金属内肽酶活性和水解酶活性，作用于酸性磷-氮键，见图2。KEGG通路富集结果表明，差异表达基因富集在白细胞介素17信号通路和类风湿性关节炎，见表2。

2.3 差异表达基因的PPI网络分析结果为了进一步研究差异表达基因在蛋白质水平上的相互作用，实验构建了1个PPI网络。差异表达基因的PPI网络由14个节点和18个连线组成，包括11个上调的差异表达基因和3个下调的差异表达基因，见图3。在此网络中，差异表达基因的Degree得分见图4。结果显示，SPP1(Degree=6)，基质金属蛋白酶(MMP)13
(Degree=5)，MMP9(Degree=5)，MMP1(Degree=4)和MMP3 (Degree=4)是该网络中排名前5的关键基因。

2.4 PPI网络中的模块分析结果根据模块分析结果，有1个关键的子模块，由SPP1，MMP1，MMP3，MMP9和MMP13组成，见图5。对这个重要模块的基因进行了功能注释，生物学过程富集分析的结果表明，这些基因主要涉及胶原代谢过程、细胞外基质分解、细胞外基质组织、细胞外结构组织和胶原代谢过程等，见图6。

2.5 治疗骨关节炎药物和相关靶基因的挖掘结果通过 Drugbank数据库筛选出50种获得批准的治疗骨关节炎的药物，在Drug Gene Interaction数据库共挖掘出这些药物对应的209个靶基因，见表3。治疗骨关节炎的药物及其靶标基因的网络见图7。SPP1，MMP1和MMP9是治疗骨关节炎相关药物的靶基因和差异表达基因的交集基因，见图8。

参考文献

[1] MOBASHERI A, BATT M. An update on the pathophysiology of osteoarthritis. Ann Phys Rehabil Med. 2016;59(5-6):333-339.
[2] 章晓云,张驰,宋世雷,等.基于网络药理学和蛋白模块分析淫羊藿治疗骨关节炎的作用与机制[J].中国组织工程研究,2020,24(17): 2660-2666.
[3] KUBOSCH EJ, LANG G, FURST D, et al. The Potential for Synovium-derived Stem Cells in Cartilage Repair. Curr Stem Cell Res Ther. 2018; 13(3):174-184.
[4] MATHIESSEN A, CONAGHAN PG. Synovitis in osteoarthritis: current understanding with therapeutic implications. Arthritis Res Ther. 2017; 19(1):18.
[5] LI Z, ZHONG L, DU Z, et al. Network analyses of differentially expressed genes in osteoarthritis to identify hub genes. BioMed Res Int. 2019; 2019:8340573.
[6] LI M, ZHI L, ZHANG Z, et al. Identification of potential target genes associated with the pathogenesis of osteoarthritis using microarray based analysis. Mol Med Rep. 2017;16(3):2799-806.
[7] UNGETHUEM U, HAEUPL T, WITT H, et al. Molecular signatures and new candidates to target the pathogenesis of rheumatoid arthritis. Physiol Genomics. 2010;42a(4):267-282.
[8] FINIS K, SÜLTMANN H, RUSCHHAUPT M, et al. Analysis of pigmented villonodular synovitis with genome-wide complementary DNA microarray and tissue array technology reveals insight into potential novel therapeutic approaches. Arthritis Rheum. 2006;54(3):1009-1019.
[9] HUBER R, HUMMERT C, GAUSMANN U, et al. Identification of intra-group, inter-individual, and gene-specific variances in mRNA expression profiles in the rheumatoid arthritis synovial membrane. Arthritis Res Ther. 2008;10(4):R98.
[10] WANG Q, ROZELLE AL, LEPUS CM, et al. Identification of a central role for complement in osteoarthritis. Nat Med. 2011;17(12):1674-1679.
[11] THOMAS GP, DUAN R, PETTIT AR, et al. Expression profiling in spondyloarthropathy synovial biopsies highlights changes in expression of inflammatory genes in conjunction with tissue remodelling genes. BMC Musculoskelet Disorders. 2013;14:354.
[12] LAMBERT C, DUBUC JE, MONTELL E, et al. Gene expression pattern of cells from inflamed and normal areas of osteoarthritis synovial membrane. Arthritis Rheumatol. 2014;66(4):960-968.
[13] WOETZEL D, HUBER R, KUPFER P, et al. Identification of rheumatoid arthritis and osteoarthritis patients by transcriptome-based rule set generation. Arthritis Res Ther. 2014;16(2):R84.
[14] BROEREN MG, DE VRIES M, BENNINK MB, et al. Functional tissue analysis reveals successful cryopreservation of human osteoarthritic synovium. PLoS One. 2016;11(11):e0167076.
[15] GUO Y, WALSH AM, FEARON U, et al. CD40L-dependent pathway is active at various stages of rheumatoid arthritis disease progression. J Immunol. 2017;198(11):4490-4501.
[16] GREEN GH, DIGGLE PJ. On the operational characteristics of the Benjamini and Hochberg False Discovery Rate procedure. Stat Appl Genet Mol Biol. 2007;6:Article27.
[17] RAUDVERE U, KOLBERG L, KUZMIN I, et al. g:Profiler: a web server for functional enrichment analysis and conversions of gene lists (2019 update). Nucleic Acids Res. 2019;47(W1):W191-W198.
[18] SZKLARCZYK D, FRANCESCHINI A, WYDER S, et al. STRING v10: protein-protein interaction networks, integrated over the tree of life. Nucleic acids res. 2015;43(Database issue):D447-D452.
[19] WISHART DS, FEUNANG YD, GUO AC, et al. DrugBank 5.0: a major update to the DrugBank database for 2018. Nucleic Acids Res. 2018; 46(D1):D1074-D1082.
[20] RHODES DR, CHINNAIYAN AM. Bioinformatics strategies for translating genome-wide expression analyses into clinically useful cancer markers. Ann N Y Acad Sci. 2004;1020:32-40.
[21] ZHANG H, LIEW CC, MARSHALL KW. Microarray analysis reveals the involvement of beta-2 microglobulin (B2M) in human osteoarthritis. Osteoarthritis Cartilage. 2002;10(12):950-960.
[22] DEL REY MJ, USATEGUI A, IZQUIERDO E, et al. Transcriptome analysis reveals specific changes in osteoarthritis synovial fibroblasts. Ann Rheum Dis. 2012;71(2):275-280.
[23] BIRCH HL. Extracellular Matrix and Ageing. Sub-cellular biochemistry. 2018;90:169-190.
[24] SHI Y, HU X, CHENG J, et al. A small molecule promotes cartilage extracellular matrix generation and inhibits osteoarthritis development. Nat Commun. 2019;10(1):1914.
[25] VAN DER KRAAN PM, VAN DEN BERG WB. Chondrocyte hypertrophy and osteoarthritis: role in initiation and progression of cartilage degeneration? Osteoarthritis Cartilage. 2012;20(3):223-232.
[26] FAVERO M, BELLUZZI E, TRISOLINO G, et al. Inflammatory molecules produced by meniscus and synovium in early and end-stage osteoarthritis: a coculture study. J Cell Physiol. 2019;234(7): 11176-11187.
[27] PASTOUREAU PC, CHOMEL AC, BONNET J. Evidence of early subchondral bone changes in the meniscectomized guinea pig. A densitometric study using dual-energy X-ray absorptiometry subregional analysis. Osteoarthritis Cartilage. 1999;7(5):466-473.
[28] YAMADA K, HEALEY R, AMIEL D, et al. Subchondral bone of the human knee joint in aging and osteoarthritis. Osteoarthritis Cartilage. 2002;10(5):360-369.
[29] IWAKURA Y, ISHIGAME H, SAIJO S, et al. Functional specialization of interleukin-17 family members. Immunity. 2011;34(2):149-162.
[30] 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.
[31] CAI L, YIN JP, STAROVASNIK MA, et al. Pathways by which interleukin 17 induces articular cartilage breakdown in vitro and in vivo. Cytokine. 2001;16(1):10-21.
[32] LUBBERTS E, JOOSTEN LA, VAN DE LOO FA, et al. Reduction of interleukin-17-induced inhibition of chondrocyte proteoglycan synthesis in intact murine articular cartilage by interleukin-4. Arthritis Rheum. 2000;43(6):1300-1306.
[33] DE LANGE-BROKAAR BJ, IOAN-FACSINAY A, VAN OSCH GJ, et al. Synovial inflammation, immune cells and their cytokines in osteoarthritis: a review. Osteoarthritis Cartilage. 2012;20(12):1484-99.
[34] BROUWERS H, VON HEGEDUS J, TOES R, et al. Lipid mediators of inflammation in rheumatoid arthritis and osteoarthritis. Best Pract Res Clin Rheumatol. 2015;29(6):741-755.
[35] MALEMUD CJ. Matrix Metalloproteinases and Synovial Joint Pathology. Prog Mol Biol Transl Sci. 2017;148:305-325.
[36] YAMAGA M, TSUJI K, MIYATAKE K, et al. Osteopontin level in synovial fluid is associated with the severity of joint pain and cartilage degradation after anterior cruciate ligament rupture. PLoS One. 2012; 7(11):e49014.
[37] HONSAWEK S, TANAVALEE A, SAKDINAKIATTIKOON M, et al. Correlation of plasma and synovial fluid osteopontin with disease severity in knee osteoarthritis. Clin Biochem. 2009;42(9):808-812.
[38] WANG Q, WANG W, ZHANG F, et al. NEAT1/miR-181c Regulates Osteopontin (OPN)-Mediated Synoviocyte Proliferation in Osteoarthritis. J Cell Biochem. 2017;118(11):3775-3784.
[39] XU G, NIE H, LI N, et al. Role of osteopontin in amplification and perpetuation of rheumatoid synovitis. J Clin Invest. 2005;115(4): 1060-1067.
[40] CHENG C, GAO S, LEI G. Association of osteopontin with osteoarthritis. Rheumatol Int. 2014;34(12):1627-1631.
[41] THORSON C, GALICIA K, BURLESON A, et al. Matrix Metalloproteinases and Their Inhibitors and Proteoglycan 4 in Patients Undergoing Total Joint Arthroplasty. Clin Appl Thromb Hemost. 2019;25: 1076029619828113.
[42] Eo SH, Choi SY, Kim SJ. PEP-1-SIRT2-induced matrix metalloproteinase-1 and -13 modulates type II collagen expression via ERK signaling in rabbit articular chondrocytes. Exp Cell Res. 2016; 348(2):201-208.
[43] PELLETIER JP, RAYNAULD JP, CARON J, et al. Decrease in serum level of matrix metalloproteinases is predictive of the disease-modifying effect of osteoarthritis drugs assessed by quantitative MRI in patients with knee osteoarthritis. Ann Rheum Dise. 2010;69(12):2095-2101.
[44] WYATT LA, NWOSU LN, WILSON D, et al. Molecular expression patterns in the synovium and their association with advanced symptomatic knee osteoarthritis. Osteoarthritis Cartilage. 2019;27(4):667-675.
[45] BURRAGE PS, MIX KS, BRINCKERHOFF CE. Matrix metalloproteinases: role in arthritis. Front Biosci. 2006;11:529-543.
[46] NAGASE H, WOESSNER JF JR. Matrix metalloproteinases. J Biol Chem. 1999;274(31):21491-21494.
[47] FLANNERY CR. MMPs and ADAMTSs: functional studies. Front Biosci. 2006;11:544-569.
[48] LI H, WANG D, YUAN Y, et al. New insights on the MMP-13 regulatory network in the pathogenesis of early osteoarthritis. Arthritis Res Ther. 2017;19(1):248.

引言

作为工业化国家中10种致残率最高的疾病之一，骨关节炎的发病率将随着全球60岁及以上人口和肥胖症的增加而增加[1]。随着疾病的发展，患者会出现关节疼痛、肿胀、畸形等症状，严重影响生活质量。目前的临床治疗只能对症处理，尚无有效的早期干预措施阻止病情发展[2]，因此对于阐明骨关节炎的发病机制和寻找有效的药物靶点是迫切需要的。
近期研究逐渐认识到滑膜在骨关节炎进展中的重要作用[3]，炎症滑膜中激活的滑膜细胞会产生分解代谢和促炎递质，导致软骨破裂的蛋白水解酶的过量产生，同时也会促进骨赘的形成[4]。有研究发现骨关节炎患者滑膜中高表达的ADIPOQ、L6和CXCR1可能与疾病的发展有关[5]。还有研究对比了早期和晚期骨关节炎患者滑膜组织基因表达，认为AGT、CXCL12和KDM2B可能是骨关节炎发病相关的重要基因[6]。虽然关于骨关节炎相关的发病机制已取得进展，具体的遗传机制仍有待阐明。因此，进一步研究骨关节炎的发病机制和进展至关重要。
实验通过整合多个来自不同平台的基因表达谱，以期通过大样本分析更准确地探索骨关节炎的发病机制和治疗靶点。因此，在文章中，从基因表达综合数据库(Gene Expression Omnibus，GEO)下载了10个系列矩阵文件(包括GSE1919，GSE3698，GSE12021，GSE32317，GSE41038，GSE46750，GSE55235，GSE55457，GSE82107和GSE89408)，其中120个骨关节炎滑膜组织样本和85个健康对照组的滑膜组织样本。鉴定骨关节炎和健康对照人群间的差异表达基因，并对差异表达基因进行了基因本体论(Gene Ontology，GO)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。然后构建蛋白质-蛋白质相互作用(Protein-protein interaction，PPI)网络并进行模块分析，以进一步探索骨关节炎的分子机制。文章结合差异表达基因的生物学功能和信号通路，从分子水平了解骨关节炎的发病机制，通过数据库挖掘寻找治疗骨关节炎的有效靶点，为后期实验研究提供理论依据。
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

材料方法

1.1 设计生物信息学实验。
1.2 时间及地点于2019年9月至2020年5月在广西中医药大学第一附属医院分子实验室完成。
1.3 资料来源芯片数据：使用关键词“osteoarthritis”，在NCBI GEO数据库(http://www.ncbi.nlm.nih.gov/geo/)上搜索了微阵列数据集，下载了10个相关的系列矩阵文件，即GSE1919，GSE3698，GSE12021，GSE32317，GSE41038，GSE46750，GSE55235，GSE55457，GSE82107和GSE89408[7-15]，见表1。总共有205个人滑膜组织样本，包括120个骨关节炎和85个健康对照组样本。

1.4 方法
1.4.1 数据处理使用Perl软件(https://www.perl.org/)注释每个数据集系列矩阵文件的探针，将探针的名称转换为基因名，同一基因对应的所有探针的表达值取平均表达值。通过合并10个数据集，将在每个样本中均表达的基因纳入研究，获得整合的基因表达矩阵。由于样品制备或阵列变化(类型，电荷和/或平台)引起的批次效应可能会影响微阵列实验的结果，从而掩盖和/或混淆真实的生物学差异。因此，研究通过limma包(http://www.bioconductor.org/packages/
release/bioc/html/limma.html)和sva包(http://bioconductor.org/packages/release/bioc/html/sva.html)在R软件环境中进行了批量归一化处理。
1.4.2 差异表达基因筛选使用R软件(https://www.r-project.org/，3.6.3版本)中的Limma包筛选整合的基因表达矩阵中骨关节炎的差异表达基因。通过Benjamini和Hochberg计算方法将原始P值调整为错误发现率(FDR)[16]。校正后的P < 0.05和|log2 FC(fold change)|≥1作为阈值。
1.4.3 差异表达基因富集分析 g：Profiler(http://biit.cs.ut.ee/gprofiler/gost)是一个用于功能富集分析和基因列表转换的网络服务器[17]。GO富集分析包括生物学过程(biological
process，BP)，细胞成分(cellular component，CC)和分子功能(molecular function，MF)。信号通路富集分析是使用KEGG数据库对基因进行分类的过程。在研究中，基于g：Profiler工具进行了GO富集分析和KEGG途径富集分析。筛选条件设定为g：SCS < 0.05作为阈值。
1.4.4 蛋白互作网络构建 STRING在线数据库(http://string-db.org/)提供了对蛋白质相互作用的关键评估和整合，包括直接(物理)和间接(功能)相关[18]。通过STRING在线工具，选择差异表达基因的PPI得分(中位数置信度)>0.4，然后通过Cytoscape软件可视化PPI网络。此外，该PPI网络中每个节点的Degree值由CytoHubba插件计算。Degree值大的蛋白被认为是网络中的关键蛋白。
1.4.5 模块化分析分子复合物检测(molecular complex
detection，MCODE)查找网络中的簇(高度互连的区域)。在这项研究中，使用Cytoscape软件进行了MCODE聚类分析，其标准为Degree cutoff=2，Node score cutoff=0.2，K-core=2和Max Depth=100。根据聚类得分大小，确定最关键的模块。
1.4.6 药物和靶基因的鉴定 Drugbank(https://www.drugbank.ca/)是一个提供有关药物、药物靶标、药物作用和药物相互作用详细信息的在线网站[19]。以“osteoarthritis”为关键词，研究收集了治疗骨关节炎的获得批准的药物。在Drug Gene Interaction数据库(http://www.dgidb.org/)中确定了所选药物的靶标，然后使用这些治疗骨关节炎的药物靶基因与差异表达基因做交集分析。
1.5 主要观察指标 ①差异基因鉴定结果；②GO和KEGG富集分析结果；③差异表达基因的PPI网络分析结果；④PPI网络中的模块分析结果；⑤治疗骨关节炎药物和相关靶基因的挖掘结果。
1.6 统计学分析使用limma包中的经验贝叶斯方法筛选差异表达基因，P < 0.05为差异有显著性意义。

讨论

目前，骨关节炎的发病率日渐增加，严重威胁着人们的生活质量。近年来，微阵列技术已被用于寻找疾病的生物标志物，有望成为早期诊断和探索疾病治疗靶标的有效工具[20]。通过微阵列技术了解骨关节炎的发病机制对于早期诊断和筛选治疗靶点具有重要意义。滑膜被认为与骨关节炎密切相关，先前的许多研究已经发现了在骨关节炎患者滑膜中与骨关节炎发生发展相关的基因和信号通路[12，21-22]。然而，这些实验样本很少，并且在解释骨关节炎滑膜的发病机制方面有一定的局限性。在文章中，课题组充分挖掘骨关节炎相关大数据，首次整合多个微阵列芯片，扩大研究样本量，通过生物信息学分析寻找疾病的标志物和治疗靶点，为未来的数据挖掘研究方法提供新的视角。
此研究发现差异表达基因主要参与细胞外基质代谢(例如胶原分解代谢过程、细胞外基质分解、胶原代谢过程和蛋白质代谢过程)。细胞外基质为体内许多细胞类型提供了环境，影响着体内许多重要的细胞活动[23]。软骨细胞外基质由软骨细胞合成，其合成和分解平衡维持软骨稳态[24-25]，主要由蛋白聚糖、胶原蛋白、水、矿物质和纤维蛋白组成，是关节软骨生物力学特性的基础，为关节运动提供剪切应力和压缩应力。软骨细胞外基质的代谢在骨关节炎中起重要作用，有研究通过滑膜和软骨共培养实验发现滑膜释放的炎症因子导致细胞外基质转化不平衡[26]，影响关节软骨的稳态，从而导致局部软骨的退化，这是骨关节炎发生的开始[27-28]。在文章结果中的差异表达基因无相关的炎症因子，因此作者认为，滑膜通过诱导细胞外基质代谢紊乱而导致骨关节炎的过程中不仅滑膜释放相关炎症因子，可能还存在着其他高表达非炎症因子通过滑膜释放到关节软骨，诱导细胞外基质降解及软骨退化，最终导致骨关节炎，有待进一步实验验证。
在KEGG通路富集分析中，差异表达基因富集在白细胞介素17信号通路和类风湿关节炎。白细胞介素17家族细胞因子有6个家族成员(白细胞介素17A-F)，它们参与急性和慢性炎症反应[29]。白细胞介素17主要由活化的记忆CD4+T细胞分泌，并与几乎所有细胞和组织中表达的特定受体结合，有学者认为白细胞介素17在骨关节炎的病理生理过程中起着重要的作用[30]。白细胞介素17可以直接作用于关节软骨，并通过诱导软骨聚集蛋白聚糖酶活性刺激蛋白聚糖的丢失，从而导致关节软骨体积和完整性的损害[31]。体内实验还证实白细胞介素17通过介导一氧化氮抑制完整小鼠关节软骨细胞中蛋白聚糖的合成[32]；过度激活的白细胞介素17信号通路可能产生一系列炎症反应，损害关节软骨，最终诱导骨关节炎的发生并加重其发展，抑制白细胞介素17信号通路可能是治疗骨关节炎的重要途径。类风湿性关节炎和骨关节炎是影响关节的常见慢性疾病，尽管发病机制不同，但在临床表现与细胞和分子基础之间存在一定的相似性[33]。临床上，两者均具有关节痛、功能障碍和软骨侵蚀、关节间隙变窄和软骨丧失的特征[34]。肿瘤坏死因子α、白细胞介素1β和白细胞介素6被认为是类风湿性关节炎的促炎因子，在骨关节炎患者的血液和滑膜中也高表达[35]。因此骨关节炎和类风湿性关节炎的发病机制可能存在一定的关联性，然而目前尚未明确，探究类风湿性关节炎和骨关节炎发病机制的异同，有助于加深对疾病的认识，减少误诊率，并在临床实践中完善两种疾病的诊治策略。
有趣的是，研究发现在差异表达基因构建的PPI网络中，SPP1，MMP1，MMP3，MMP9和MMP13不仅是Degree值前5关键基因，而且是PPI中重要的子模块。因此，这5个上调的hub基因可能参与了骨关节炎的发生发展。
SPP1编码分泌的磷蛋白1，由成骨细胞、软骨细胞、滑膜细胞和T细胞等各种组织和细胞产生[36]。研究表明，SPP1参与骨关节炎的分子机制，并且是导致骨关节炎的重要因素。滑膜中的SPP1分子水平与骨关节炎的严重程度有关[37]，SPP1诱导滑膜细胞增殖和炎性因子的释放，在骨关节炎的关节软骨降解中起重要作用[38]。此外，高浓度的SPP1可以激活核转录因子κB途径并诱导炎症趋化因子和细胞因子(例如白细胞介素1、白细胞介素8、CXCL1及CCL2等)[39]，会产生一氧化氮、前列腺素2、IL1-1b、白细胞介素6和白细胞介素8，从而破坏软骨细胞的功能，影响软骨环境中的平衡，并且最终导致关节退化[40]。MMP可裂解细胞内肽键上的靶蛋白并具有降解胶原蛋白和细胞外基质成分的多个靶标[41]。MMP1(编码间质胶原酶)和MMP13(编码胶原酶13)可裂解细胞外基质的组成成分间质性胶原蛋白Ⅰ，Ⅱ，Ⅲ。MMP3(编码基质溶素1)是一种溶菌素，而MMP9(编码基质金属蛋白酶9)是一种明胶酶，可降解胶原蛋白和明胶[42]。骨关节炎患者血清和滑膜中MMP1，MMP3，MMP9和MMP13的表达水平升高，这与它们参与软骨基质蛋白的降解有关[35]。研究发现，MMP1和MMP3水平的降低与软骨体积减小有关[43]。骨关节炎滑膜中MMP1基因和蛋白的表达与骨关节炎的状态有关，MMP1可能是细胞因子驱动的炎症的标志物，其表达上调可能使周围神经末梢敏感并加重软骨损伤[44]。MMP1，MMP3和MMP9的启动子含有典型的核转录因子kB结合位点，这些基因的转录诱导需要激活核转录因子κB[45]，核转录因子κB信号通路已被证明是骨关节炎软骨破坏过程中的一个诱导因素[44]。MMP9参与关节软骨蛋白聚糖和胶原蛋白的丢失[45-47]。此外，在这些蛋白酶中，MMP13充当软骨降解网络的中心节点，并在骨关节炎的早期阶段主要通过降解细胞外基质和软骨来发挥联合作用[48]。同时，这些关键基因生物学过程富集分析结果显示，它们主要参与细胞外基质的组成和代谢。该结果再次表明，这些关键基因可能通过调节细胞外基质代谢、损伤关节软骨，从而诱发骨关节炎。与以往研究相同，研究认为这些关键基因可能可以作为骨关节炎患者滑膜的生物标志物，以监测疾病的发生发展。
挖掘数据库中治疗骨关节炎药物及其靶基因的结果表明，SPP1、MMP1和MMP9分别是硫酸软骨素、曲安西龙和塞来昔布、葡萄糖胺的靶基因，这些用于治疗骨关节炎药物通过靶向结合骨关节炎潜在的治疗靶标，调节细胞外基质代谢，抑制关节软骨退化，保护软骨，达到延缓骨关节炎发展的治疗目的，药物作用机制有待进一步验证。
总之，这项研究发现滑膜可能诱导细胞外基质降解参与骨关节炎的发生发展过程。白细胞介素17信号通路和类风湿关节炎的生物通路可能与骨关节炎的发展有关，其具体机制尚需进一步实验验证。SPP1、MMP1和MMP9可能是用于骨关节炎治疗的有效分子靶标。文章利用生物信息学扩大样本量筛选骨关节炎的生物标志物和治疗靶点，为后续针对骨关节炎的实验和临床疗效提供分子学依据。此外也存在一定的不足，文章仅从滑膜样本中探讨，相对局限，通过生物信息学挖掘的生物标志物和有效靶点有待实验进一步验证。
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

整合多组微阵列芯片分析骨关节炎患者滑膜中生物标志物和治疗靶点

Integrative analysis of biomarkers and therapeutic targets in synovium of patients with osteoarthritis by multiple microarrays

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表（结果） 10

参考文献

相关文章 15

引言

材料方法

讨论

文章快阅

延伸阅读

编辑推荐

Metrics

本文评价

[1]	蒲锐, 陈子扬, 袁凌燕. 不同细胞来源外泌体保护心脏的特点与效应[J]. 中国组织工程研究, 2021, 25(在线): 1-.
[2]	林清凡, 解一新, 陈婉清, 叶振忠, 陈幼芳. 人胎盘源间充质干细胞条件培养液可上调缺氧状态下BeWo细胞活力和紧密连接因子的表达[J]. 中国组织工程研究, 2021, 25(在线): 4970-4975.
[3]	黄登承, 王志科, 曹学伟. 体外冲击波疗法治疗中老年膝骨关节炎短期疗效对比的荟萃分析[J]. 中国组织工程研究, 2021, 25(9): 1471-1476.
[4]	彭智浩, 冯宗权, 邹勇根, 牛国庆, 吴峰. 活动平台单髁置换后下肢力线与外侧间室骨关节炎进展的关系[J]. 中国组织工程研究, 2021, 25(9): 1368-1374.
[5]	袁家威, 张海涛, 揭珂, 曹厚然, 曾意荣. 基于网络药理学研究桃红四物汤治疗假体周围感染的潜在靶点和机制[J]. 中国组织工程研究, 2021, 25(9): 1428-1433.
[6]	姬志祥, 蓝常贡. 尿酸盐转运蛋白在痛风中的多态性和治疗相关性[J]. 中国组织工程研究, 2021, 25(8): 1290-1298.
[7]	刘志超, 张帆, 孙旗, 康晓乐, 袁巧妹, 柳根哲, 陈江. 不同静水压下人椎间盘髓核细胞的形态和活性[J]. 中国组织工程研究, 2021, 25(8): 1172-1176.
[8]	申晋波, 张林. 急性力竭运动导致大鼠跟腱微损伤的超微结构变化及机制[J]. 中国组织工程研究, 2021, 25(8): 1190-1195.
[9]	李静, 谢建山, 崔慧林, 曹锡梅, 杨艳萍, 李海荣. 不同毛色小鼠背部皮肤中甘油二酯激酶ζ和蛋白激酶CβⅡ的表达和定位[J]. 中国组织工程研究, 2021, 25(8): 1196-1200.
[10]	李嘉程, 梁学振, 刘金豹, 许波, 李刚. 骨性关节炎mRNA差异表达谱及竞争性内源RNA调控的网络分析[J]. 中国组织工程研究, 2021, 25(8): 1212-1217.
[11]	耿秋东, 葛海雅, 王和鸣, 李楠. 基于网络药理学探讨龟鹿二仙胶治疗骨关节炎的作用及机制[J]. 中国组织工程研究, 2021, 25(8): 1229-1236.
[12]	刘翔翔, 黄云梅, 陈文列, 林如辉, 卢小冬, 李钻芳, 许亚晔, 黄美雅, 李西海. 早期骨关节炎模型大鼠半月板白区细胞的超微结构变化[J]. 中国组织工程研究, 2021, 25(8): 1237-1242.
[13]	谭婧玉, 刘海文. 成骨细胞特异因子2基因家族的全基因组鉴定、分类及进化分析[J]. 中国组织工程研究, 2021, 25(8): 1243-1248.
[14]	张秀梅, 翟运开, 赵杰, 赵萌. 类器官模型国内外数据库近10年文献研究热点分析[J]. 中国组织工程研究, 2021, 25(8): 1249-1255.
[15]	刘聪, 刘肃. miR-17-5p调控低氧诱导因子1α介导脂肪细胞分化及血管生成的分子机制[J]. 中国组织工程研究, 2021, 25(7): 1069-1074.