类风湿关节炎与克罗恩病共同基因及免疫机制关联：生物信息学分析

doi:10.12307/2026.731

中国组织工程研究 ›› 2026, Vol. 30 ›› Issue (16): 4253-4264.doi: 10.12307/2026.731

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

类风湿关节炎与克罗恩病共同基因及免疫机制关联：生物信息学分析

卢立炜1，黄柯琪1，陈跃平2，卓映宏2，朱乃辉1，魏澎1

1广西中医药大学，广西壮族自治区南宁市 530001；2广西中医药大学附属瑞康医院，广西壮族自治区南宁市 530011

收稿日期:2025-07-04 接受日期:2025-08-27 出版日期:2026-06-08 发布日期:2025-11-29
通讯作者: 陈跃平，博士，主任医师，博士生导师，广西中医药大学附属瑞康医院，广西壮族自治区南宁市 530011
作者简介:卢立炜，男，2000年生，福建省漳州市人，汉族，广西中医药大学在读硕士，主要从事骨关节、脊柱创伤研究。
基金资助:
国家自然科学基金项目(81960803)，项目负责人：陈跃平；广西壮族自治区自然科学基金项目(2023JJA140318)，项目负责人：陈跃平；广西中医药大学“桂派中医药传承创新团队”项目(2022A004)，项目负责人：陈跃平

Bioinformatics-based analysis of shared genes and associations in immune mechanisms between rheumatoid arthritis and Crohn’s disease

Lu Liwei1, Huang Keqi1, Chen Yueping2, Zhuo Yinghong2, Zhu Naihui1, Wei Peng1

1Graduate School of Guangxi University of Chinese Medicine, Nanning 530001, Guangxi Zhuang Autonomous Region, China; 2Ruikang Hospital Affiliated to Guangxi University of Chinese Medicine, Nanning 530011, Guangxi Zhuang Autonomous Region, China

Received:2025-07-04 Accepted:2025-08-27 Online:2026-06-08 Published:2025-11-29
Contact: Chen Yueping, PhD, Chief physician, Doctoral supervisor, Ruikang Hospital Affiliated to Guangxi University of Chinese Medicine, Nanning 530011, Guangxi Zhuang Autonomous Region, China
About author:Lu Liwei, MS candidate, Graduate School of Guangxi University of Chinese Medicine, Nanning 530001, Guangxi Zhuang Autonomous Region, China
Supported by:
National Natural Science Foundation of China, No. 81960803 (to CYP); Natural Science Foundation of Guangxi Zhuang Autonomous Region, No. 2023JJA140318 (to CYP); “Gui’s Traditional Chinese Medicine Inheritance and Innovation Team” of Guangxi University of Chinese Medicine, No. 2022A004 (to CYP)

摘要/Abstract

摘要：

文题释义：
类风湿关节炎：是一种以滑膜关节慢性炎症为特征的自身免疫性疾病，核心病理表现为滑膜增生、炎性细胞浸润及关节软骨破坏。
克罗恩病：属于炎症性肠病，以透壁性肠道炎症和肉芽肿形成为病理标志。克罗恩病的特征性免疫异常包括辅助性T细胞1/辅助性T细胞17过度活化及肠道屏障损伤。

背景：类风湿关节炎与克罗恩病是常见的自身免疫性疾病，临床研究发现这两种疾病可伴发，可能存在相关性，但目前尚无研究证明两者之间存在共同发病基因和免疫机制。
目的：通过生物信息学及两种机器学习鉴定类风湿关节炎与克罗恩病共同基因和免疫机制之间的关联。
方法：从GEO数据库(由美国国立医学图书馆开发的开放数据库)中检索获得类风湿关节炎与克罗恩病对应的训练数据集和验证集(研究已获得相关机构审查委员会批准)，并进行统一整理，使用“limma”包分析类风湿关节炎、克罗恩病的差异表达基因。分别在类风湿关节炎与克罗恩病的训练集上应用加权基因共表达网络分析识别疾病相关模块，取交集初步筛选基因集，同时进行GO、KEGG分析。通过蛋白质互作网络及MCODE算法识别出20个基因集，分别在类风湿关节炎与克罗恩病的训练集上应用LASSO回归和随机森林两种机器学习算法独立筛选各自疾病的关键特征基因。取类风湿关节炎与克罗恩病筛选结果交集，获得共有的潜在关键基因，通过验证集验证准确度确定核心基因。对核心基因与浸润免疫细胞进行CIBERSORT免疫浸润等功能分析，确定核心基因与类风湿关节炎、克罗恩病的相关性。
结果与结论：类风湿关节炎有2 516个差异基因，克罗恩病有281个差异基因。通WGCNA、蛋白互作网络和2种机器学习算法取交集后得到3个核心基因，半胱天冬酶1(CASP1)、三联基序21(TRIM21)及蛋白酶体亚基10(PSMB10)。富集分析显示两种疾病与抗原的加工和呈递、内质网膜腔面和多种免疫球蛋白结合相关；3个核心基因在两种疾病验证集的表达趋势与训练集一致。免疫细胞浸润分析显示，巨噬细胞(M0、M1)和中性粒细胞在类风湿关节炎与克罗恩病中的表达均显著增高，说明中性粒细胞可能在类风湿关节炎和克罗恩病发病机制中起重要作用。该研究不仅增进了对两种重要自身免疫病共性的认知，更重要的是为中国研究人员在新靶点的发现与验证、新型诊疗技术的开发以及转化医学研究模式应用等方面提供了宝贵的借鉴意义和具体的指导路径。
https://orcid.org/0009-0006-4256-6610(卢立炜)；https://orcid.org/0000-0003-3860-1568(陈跃平)

中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

关键词: 类风湿关节炎, 克罗恩病, 免疫浸润, 生物信息学, 机器学习, 自身免疫性疾病

Abstract: BACKGROUND: Rheumatoid arthritis and Crohn’s disease are common autoimmune diseases. Clinical studies have found that these two diseases can coexist and may be related, but there is currently no research to prove that there are common pathogenic genes and immune mechanisms between them.
OBJECTIVE: To identify the shared genes and immune mechanisms between rheumatoid arthritis and Crohn’s disease through bioinformatics and two machine learning methods.
METHODS: Training and validation datasets for rheumatoid arthritis and Crohn’s disease were retrieved from the GEO database (an open database developed by the United States National Library of Medicine) and uniformly organized. The “limma” package was used to perform differentially expressed genes of rheumatoid arthritis and Crohn’s disease. Weighted gene co-expression network analysis was applied to the training sets of rheumatoid arthritis and Crohn’s disease to identify disease-related modules, and the intersection was taken to preliminarily screen gene sets, while GO and KEGG analyses were conducted. Twenty gene sets were identified through the protein-protein interaction network and MCODE algorithm. Two machine learning algorithms, LASSO regression and random forest, were independently applied to the training sets of rheumatoid arthritis and Crohn’s disease to screen key characteristic genes for each disease. Subsequently, the intersection of the screening results of rheumatoid arthritis and Crohn’s disease was taken to obtain shared potential key genes, and the accuracy was verified through the validation set to determine the core genes. Finally, CIBERSORT immune infiltration and other functional analyses were performed to confirm the correlation between core genes and rheumatoid arthritis as well as Crohn’s disease.
RESULTS AND CONCLUSION: A total of 2 516 differentially expressed genes were obtained for rheumatoid arthritis, and 281 differentially expressed genes for Crohn’s disease. Following intersection analysis using WGCNA, protein-protein interaction network, and two machine learning algorithms, three core genes were identified: CASP1, TRIM21, and PSMB10. Enrichment analysis showed that the two diseases were associated with antigen processing and presentation, luminal side of endoplasmic reticulum membrane, and binding to multiple immunoglobulins. The expression trends of three core genes in the validation sets of the two diseases were consistent with those in the training set. Immune cell infiltration analysis revealed significantly increased expression of M0 macrophages, M1 macrophages, and neutrophils in both rheumatoid arthritis and Crohn’s disease. This indicates that neutrophils may play an important role in the pathogenesis of rheumatoid arthritis and Crohn’s disease. This study not only enhances our understanding of the commonalities between two important autoimmune diseases, but more importantly, it provides valuable insights and specific guidance for Chinese researchers in the discovery and validation of new targets, the development of novel diagnostic and therapeutic technologies, and the application of translational medicine research models.

Key words: rheumatoid arthritis, Crohn’s disease, immune infiltration, bioinformatics, machine learning, autoimmune disease

中图分类号:

卢立炜, 黄柯琪, 陈跃平, 卓映宏, 朱乃辉, 魏澎. 类风湿关节炎与克罗恩病共同基因及免疫机制关联：生物信息学分析[J]. 中国组织工程研究, 2026, 30(16): 4253-4264.

Lu Liwei, Huang Keqi, Chen Yueping, Zhuo Yinghong, Zhu Naihui, Wei Peng. Bioinformatics-based analysis of shared genes and associations in immune mechanisms between rheumatoid arthritis and Crohn’s disease[J]. Chinese Journal of Tissue Engineering Research, 2026, 30(16): 4253-4264.

图/表（结果） 12

2.1 类风湿关节炎、克罗恩病和对照组的差异表达基因分析在生物信息分析之前，先对收集的数据集进行批量效应检验，发现两种疾病的批量效应明显，使用“sva”包消除类风湿关节炎组和克罗恩病组的批量效应，然后使用limma软件包来进行分析两组之间的差异表达基因。类风湿关节炎共获得2 516个差异表达基因(adj.P < 0.05，|log2 FC| > 0.4)，其中上调基因1 321个、下调基因1 195个。克罗恩病有281个差异表达基因(adj.P < 0.05，|log2 FC| > 0.38)，其中上调差异40个基因、下调基因241个。火山图显示类风湿关节炎组和克罗恩病组的所有差异表达基因，两组差异最大的前40个差异表达基因通过热图展示，见图1。
2.2 WGCNA对关键模块的筛选在类风湿关节炎数据集和克罗恩病数据集上进行WGCNA，探索临床性状与基因之间的相关性。2个数据集均未存在显著的异常样本。根据WGCNA方法，类风湿关节炎数据集中的最佳软阈值为4(图2A)，克罗恩病数据集中的最佳软阈值为9(图2B)。基于模块间的相似性，最终在类风湿关节炎数据集中确定了30个模块(图2C，D)，在克罗恩病数据集中确定了21个模块(图2E，F)。然后计算模块与性状之间的相关性，发现蓝色模块与类风湿关节炎的相关性最强(r=0.76)，浅白色模块与克罗恩病的正相关关系最强(r=0.35)。更重要的是，模块内的基因显著性与模块成员也存在较强的正相关性(类风湿关节炎cor=0.89，克罗恩病cor=0.27)，表明该模块的共表达网络结构与其生物学功能高度一致，再次证实模块基因与疾病发生显著相关(图2G，H)。最终通过WGCNA发现了34个重叠基因(图2I)。
2.3 类风湿关节炎和克罗恩病协同驱动基因的富集分析类风湿关节炎和克罗恩病模块有34个重叠基因，差异表达基因有56个共享基因。考虑到从WGCNA筛选出的模块包含一组具有相似表达谱的基因，这些基因可能无法覆盖差异表达基因的全部范围，甚至与可能对疾病进展至关重要的差异表达基因有很大差异，因此，将差异表达基因与模块基因整合以避免遗漏。再次去除重复项后获得82个共同驱动基因，这些基因可能在类风湿关节炎和克罗恩病涉及的常见分子机制中发挥重要作用。首先对基因进行GO和KEGG富集分析(图3A，B)，GO富集结果表明基因参与各种抗原的加工和呈递、内质网膜腔面和多种免疫球蛋白结合，KEGG富集结果表明基因参与破骨细胞分化、肿瘤坏死因子信号通路和白细胞介素17信号通路等通路。Metascape数据库中的不同基因可能表现出不同的功能群分布，其中含帽内含子前体mRNA的处理和RNA的代谢途径最为突出(图3C)；同时Metascape数据库富集分析也显示免疫和炎症在类风湿关节炎和克罗恩病的病因学中具有共同作用(图3D)。
最后进一步筛选出同一功能组的基因，将82个候选的共同驱动基因输入到String数据库中，利用Cytoscape软件中的MCODE算法，根据上述基因及相关参数构建蛋白互作网络(图3E)。最后共发现5个基因簇，确定第一个基因簇的20个基因MCODE分均分最高，因此基因簇中的20个基因为候选核心基因(图3F)，具体为IRF1、STAT1、IL1RN、CASP1、CXCL10、CXCL11、SOCS3、JAK2、CXCL1、IDO1、GBP1、UBE2L6、GZMB、TRIM21、GBP2、IFIT3、FCGR2A、FCGR1A、PSME1、PSMB10。
2.4 通过LASSO与随机森林算法识别和验证潜在的共同核心基因为进一步筛选出最具诊断价值的关键基因，在上述20个候选基因中依次进行LASSO和随机森林模型进行筛选。采用LASSO方法筛选类风湿关节炎中的11个基因和克罗恩病中的3个基因(图4A，B)。同时，应用随机森林方法从类风湿关节炎中筛选出10个基因(图4C，D)，克罗恩病保留了所有9个基因(图4E，F)。将上述不同方法在不同数据集中过滤的基因相互重叠，最终鉴定出3个常见核心基因半胱天冬酶1(CASP1)、三联基序21(TRIM21)及蛋白酶体亚基10

(PSMB10)(图4E)。验证集箱线图显示，类风湿关节炎和克罗恩病训练集中的所有3个诊断标志物在训练组中均显著上调(图5)。更重要的是，克罗恩病验证集和类风湿关节炎验证集都显示出一致的差异趋势(图6)。
2.5 免疫浸润分析结果 CIBERSORT方法识别22种免疫细胞不同的免疫浸润模式，首先评估类风湿关节炎数据集和克罗恩病数据集，差异表达分析结果显示，与正常对照样本相比，类风湿关节炎和克罗恩病的差异趋势一致。类风湿关节炎和克罗恩病中的巨噬细胞M0、巨噬细胞M1和中性粒细胞的表达明显更高(图7A-D)，表明免疫失调和炎症反应可能发生在类风湿关节炎和克罗恩病中。然而，免疫细胞组成比例的共同差异只是类

风湿关节炎和克罗恩病共同发病机制的一个方面，仍需确认这3个基因与病变组织的免疫浸润的关系。相关性分析显示，在类风湿关节炎训练集中，CASP1、TRIM21及PSMB10与巨噬细胞M1、浆细胞呈正相关(图7E)，同时在克罗恩病训练集中也观察到类似结果(图7F)，说明在克罗恩病病变组织中，巨噬细胞M1、浆细胞的浸润丰度会随着CASP1、TRIM21及PSMB10的高表达而变高。在两疾病相关性分析中，TRIM21与记忆CD4+ T细胞均呈负相关；在类风湿关节炎中，CASP1、TRIM21及PSMB10除了与记忆CD4+ T细胞和调节性T细胞呈负相关外，与T细胞多种亚型均呈正相关，这也意味着该疾病中会有更多的T细胞富集(图7E，F)，再次表明核心基因可能通过调节免疫细胞的表达参与调节自身免疫。

参考文献

[1] CONFORTI A, DI COLA I, PAVLYCH V, et al. Beyond the joints, the extra-articular manifestations in rheumatoid arthritis. Autoimmun Rev. 2021;20(2):102735.
[2] TURESSON C, MATTESON EL. Extra-articular manifestations in rheumatoid arthritis. Int J Adv Rheumatol. 2007;5(3):72.
[3] RADU AF, BUNGAU SG. Management of rheumatoid arthritis: an overview. Cells. 2021;10(11):2857.
[4] WU Z, MA D, YANG H,et al. Fibroblast-like synoviocytes in rheumatoid arthritis: surface markers and phenotypes. Int Immunopharmacol. 2021;93:107392.
[5] RODA G, CHIEN NG S, KOTZE PG, et al. Crohn’s disease. Nat Rev Dis Primers. 2020; 6(1):22.
[6] PETAGNA L, ANTONELLI A, GANINI C, et al. Pathophysiology of Crohn’s disease inflammation and recurrence. Biol Direct. 2020;15(1):23.
[7] CLAYTOR J, KUMAR P, ANANTHAKRISHNAN AN, et al. Mild Crohn’s disease: definition and management. Curr Gastroenterol Rep. 2023;25(3):45-51.
[8] WANG B, XIONG Y, LI R, et al. Potential role of SNP rs2071475 in rheumatoid arthritis and inflammatory bowel disease in the East Asian population: a Mendelian randomization study. Inflammopharmacology. 2024;32(1):683-692.
[9] SACCON TD, DHAHBI JM, SCHNEIDER A, et al. Plasma miRNA profile of Crohn’s disease and rheumatoid arthritis patients. Biology. 2022;11(4):508.
[10] ELSOURI K, ARBOLEDA V, HEISER S, et al. Microbiome in rheumatoid arthritis and celiac disease: a friend or foe. Cureus. 2021;13(6):le15543.
[11] SCHER JU, ABRAMSON SB. The microbiome and rheumatoid arthritis. Nat Rev Rheumatol. 2011;7(10):569-578.
[12] WANG Q, ZHANG SX, CHANG MJ,et al. Characteristics of the gut microbiome and its relationship with peripheral CD4+ T cell subpopulations and cytokines in rheumatoid arthritis. Frontiers in Microbiology. 2022; 13:799602.
[13] WELLS PM, WILLIAMS FM, MATEY-HERNANDEZ ML, et al.’RA and the microbiome: do host genetic factors provide the link? J Autoimmun. 2019;99:104-115.
[14] MASSIMINO L, BARCHI A, MANDARINO FV, et al. A multi-omic analysis reveals the esophageal dysbiosis as the predominant trait of eosinophilic esophagitis. J Transl Med. 2023;21(1):46.
[15] GURTNER A, CREPAZ D, ARNOLD IC. Emerging functions of tissue-resident eosinophils. J Exp Med. 2023;220(7): e20221435.
[16] JACOBS I, CEULEMANS M, WAUTERS L, et al. Role of eosinophils in intestinal inflammation and fibrosis in inflammatory bowel disease: an overlooked villain? Front Immunol. 2021;12:754413.
[17] FILIPPONE RT, SAHAKIAN L, APOSTOLOPOULOS V, et al. Eosinophils in inflammatory bowel disease. Inflamm Bowel Dis. 2019;25(7):1140-1151.
[18] ZOU C, BEARD JA, YANG G, et al. CASP orter: A Novel Inducible Human CASP1/NALP3/ASC Inflammasome Biosensor. J Inflamm Res. 2022;1:1183-1194.
[19] INSERRA A, CHOO JM, LEWIS MD, et al. Mice lacking Casp1, Ifngr and Nos2 genes exhibit altered depressive-and anxiety-like behaviour, and gut microbiome composition. Sci Rep. 2019;9(1):6456.
[20] ADDOBBATI C, DA CRUZ HL, ADELINO JE, et al. Polymorphisms and expression of inflammasome genes are associated with the development and severity of rheumatoid arthritis in Brazilian patients. Inflamm Res. 2018;67:255-264.
[21] FOSS S, BOTTERMANN M, JONSSON A, et al.TRIM21—from intracellular immunity to therapy. Front Immunol. 2019;10:2049.
[22] SAFONOVA TN, ZAITSEVA GV, LOGINOV VI, et al. Association of polymorphisms of the TRIM21 gene with the severity of dry keratoconjunctivitis in rheumatoid arthritis and Sjogren’s disease. Vestn Oftalmol. 2019;135(5.Vyp.2):192-198.
[23] LEE AY, REED JH, GORDON TP. Anti-Ro60 and anti-Ro52/TRIM21: Two distinct autoantibodies in systemic autoimmune diseases. J Autoimmun. 2021;124:102724.
[24] LIU J, ZHANG C, XU D, et al. The ubiquitin ligase TRIM21 regulates mutant p53 accumulation and gain of function in cancer. J Clin Invest. 2023;133(6):e164354.
[25] LIU YX, WAN S, YANG XQ, et al. TRIM21 is a druggable target for the treatment of metastatic colorectal cancer through ubiquitination and activation of MST2. Cell Chem Biol. 2023;30(7):709-725.
[26] SARRABAY G, MÉCHIN D, SALHI A, et al. PSMB10, the last immunoproteasome gene missing for PRAAS. J Allergy Clin Immunol. 2020;145(3):1015-1017.
[27] XiAO X, FENG X, YOO JH, et al. The β-Grasp Domain of Proteasomal ATPase Mpa Makes Critical Contacts with the Mycobacterium tuberculosis 20S Core Particle to Facilitate Degradation. Msphere. 2022;7(5):e0027422.
[28] SHI CX, ZHU YX, BRUINS LA, et al. Proteasome subunits differentially control myeloma cell viability and proteasome inhibitor sensitivity. Mol Cancer Res. 2020; 18(10):1453-1464.
[29] GUIMARÃES G, GOMES MT, CAMPOS PC, et al. Immunoproteasome subunits are required for CD8+ T cell function and host resistance to Brucella abortus infection in mice. Infect Immun. 2018;86(3):10-128.
[30] WEHR P, PURVIS H, LAW SC, et al. Dendritic cells, T cells and their interaction in rheumatoid arthritis. Clin Exp Immunol. 2019;196(1):12-27.
[31] HE J, LI Y, CHEN J, et al. The relationships of CD8+ T cell subsets in RA patients with disease activity and clinical parameters. Int Immunopharmacol. 2023;114:109399.
[32] JONSSON AH, ZHANG F, DUNLAP G, et al.Granzyme K+ CD8 T cells form a core population in inflamed human tissue. Sci Transl Med. 2022;14(649):eabo0686.
[33] HUANG B, CHEN Z, GENG L, et al. Mucosal profiling of pediatric-onset colitis and IBD reveals common pathogenics and therapeutic pathways. Cell. 2019;179(5): 1160-1176.
[34] CASALEGNO GARDUÑO R, DÄBRITZ J. New insights on CD8+ T cells in inflammatory bowel disease and therapeutic approaches. Front Immunol. 2021;12:738762.
[35] LI CH, MA ZZ, JIAN LL, et al. Iguratimod inhibits osteoclastogenesis by modulating the RANKL and TNF-α signaling pathways. Int Immunopharmacol. 2021;90:107219.
[36] CAI L, MU YR, LIU MM, et al. Penta-acetyl Geniposide suppresses migration, invasion, and inflammation of TNF-α-stimulated rheumatoid arthritis fibroblast-like synoviocytes involving wnt/β-catenin signaling pathway. Inflammation. 2021; 44(6):2232-2245.
[37] SCHMITT H, NEURATH MF, ATREYA R. Role of the IL23/IL17 Pathway in Crohn’s Disease. Front Immunol. 2021;12:622934.
[38] LOH W, VERMEREN S. Anti-inflammatory neutrophil functions in the resolution of inflammation and tissue repair. Cells. 2022;11(24):4076.
[39] OLIVEIRA SR, DE ARRUDA JA, SCHNEIDER AH, et al. Neutrophil extracellular traps in rheumatoid arthritis and periodontitis: Contribution of PADI4 gene polymorphisms. J Clin Periodontol. 2024;51(4):452-463.
[40] WRIGHT HL, LYON M, CHAPMAN EA, et al.Rheumatoid arthritis synovial fluid neutrophils drive inflammation through production of chemokines, reactive oxygen species, and neutrophil extracellular traps. Front Immunol. 2021;11:584116.
[41] GARRIDO-TRIGO A, CORRALIZA AM, VENY M, et al. Macrophage and neutrophil heterogeneity at single-cell spatial resolution in human inflammatory bowel disease. Nat Commun. 2023;14(1):4506.
[42] CHEN H, WU X, XU C, et al. Dichotomous roles of neutrophils in modulating pathogenic and repair processes of inflammatory bowel diseases. Precis Clin Med. 2021;4(4):246-257.
[43] WÉRA O, LANCELLOTTI P, OURY C. The dual role of neutrophils in inflammatory bowel diseases. J Clin Med. 2016;5(12):118.
[44] SOUFLI I, TOUMI R, RAFA H, et al. Overview of cytokines and nitric oxide involvement in immuno-pathogenesis of inflammatory bowel diseases. World J Gastrointest Pharmacol Ther. 2016;7(3):353.

引言

类风湿关节炎是一种与慢性炎症过程相关的全身性自身免疫性病变，在类风湿关节炎过程中滑膜转化为增生性侵袭组织，导致软骨和骨骼破坏。类风湿关节炎可累及关节外器官，包括心脏、肾脏、肺、消化系统、眼、皮肤和神经系统[1-2]。据粗略估计，女性患类风湿关节炎的可能性是男性的两三倍，成人型类风湿关节炎终生累计风险女性为3.6%，男性为1.7%[3]。研究表明，类风湿关节炎发病前几年的免疫变化可能会引发该疾病，但类风湿关节炎的确切病因尚不清楚[4]。
克罗恩病是一种慢性、复发性和缓解性炎症性肠病，常见的首发症状包括腹泻、腹痛、疲劳和体质量减轻[5]，肠道病变特征是透壁性炎症并影响整个胃肠道[6]，同时也可出现其他全身性自身免疫性病变，包括关节病、皮肤病和眼部症状。克罗恩病的发病率和患病率因地理区域而异，目前欧洲、大洋洲和北美洲的流行病学调查较为广泛，其中大洋洲发病率最高、欧洲患病率最高。克罗恩病的发病机制仍有待阐明，可能涉及环境因素、免疫因素、肠道微生物和遗传倾向之间的复杂相互作用[7]。
类风湿关节炎和克罗恩病均是由遗传、环境和随机因素引起的多因素自身免疫性疾病，虽然病变部位有差异，但是自身免疫变化的原因有可能相同[8-10]。有研究发现类风湿关节炎发病的重要因素是肠道菌群，一些肠道细菌种类可在遗传易感动物模型中诱导自身免疫[11]。特定细菌谱系的菌群失调和肠道菌群代谢改变导致宿主免疫谱变化，从而导致类风湿关节炎[12]。肠道菌群失调导致某些自身免疫通路和机制，例如，通过激活Toll样受体或NOD样受体刺激抗原呈递细胞、诱导肠道通透性改变、促进T细胞分化和通过某些途径扩增黏膜炎症[13]。微生物抗原可通过树突状细胞和巨噬细胞呈递给CD4+ T细胞，导致炎性T细胞亚型的分化，T细胞和B细胞的异常激活会进一步引发类风湿关节炎。MASSIMINO等[14]报道微生物种类与触发炎症过程的消化道过敏原之间存在潜在相关性。研究发现，当微生物群的分布或数量等发生异常时，白细胞介素5、白细胞介素13和白细胞介素33等多种细胞因子和胃肠道白色细胞、内皮细胞和上皮细胞释放的趋化因子导致嗜酸性粒细胞在肠段内黏膜屏障募集[15]；嗜酸性粒细胞通过衍生的神经毒素、嗜酸性粒细胞阳离子蛋白、主要碱性蛋白和嗜酸性粒细胞过氧化物酶脱颗粒直接造成肠道组织损伤，进一步导致克罗恩病的发生[16-17]。进一步推测类风湿关节炎和克罗恩病在临床上具有相关性，但目前暂时没有类风湿关节炎和克罗恩病存在共同致病基因和发病机制的研究证据。
此次研究通过整合生物信息学与机器学习算法，系统性地鉴定类风湿关节炎与克罗恩病共同的关键基因和免疫机制，为类风湿关节炎和克罗恩病的共同发病机制提供初步的见解，为接下的临床和进一步实验提供参考。

中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

材料方法

1 资料和方法 Data and methods
1.1 设计通过生物信息学及两种机器学习鉴定类风湿关节炎与克罗恩病共同基因和免疫机制之间的关联。
1.2 时间及地点研究于 2024年12月至 2025 年3月在广西中医药大学完成。
1.3 资料在由美国国立医学图书馆开发的GEO(https://www.ncbi.nlm.nih.gov/geo/)中筛选与类风湿关节炎和克罗恩病相关的数据集，该数据库作为存储高通量基因数据的公共资源库，可用于疾病相关数据集的筛选。2个疾病基因集的纳入标准：①患者和正常对照必须包含在谱中；②转录组数据集至少有8个样本以确保准确性；③应为高通量测序数据。
对于类风湿关节炎，使用关键字“Rheumatoid Arthritis”来搜索基因表达谱，数据集GSE55235、GSE55457、GSE77298和GSE271161被纳入此次研究。对于克罗恩病，使用关键字“Crohn’s disease”来搜索基因表达谱，数据集GSE111889和GSE179285被纳入此次研究。所有的数据集下载相对应的探针注释文件，将下载的探针基质转换为基因表达基质。当一个基因与多个探针相关时，用平均值作为基因的最终表达水平。类风湿关节炎准备3个数据集(GSE55235、GSE55457、GSE77298)，首先使用R语言合并3个数据集，再使用“sva”R包，该包可进行高维数据集识别并构建代理变量，消除批量效应。其中GSE271161和GSE179285用于类风湿关节炎和克罗恩病的外部验证，剩余数据集作为训练集。研究所有数据均来源于已公开发表的开放数据库，原始研究均已通过所在机构伦理委员会审批，并获得受试者知情同意，无需另行开展伦理审查。
研究中使用的 GEO 数据集的详细信息，见表1。
1.4 方法
1.4.1 类风湿关节炎和克罗恩病的差异表达基因分析每种疾病准备数据后，使用R中的limma包分析类风湿关节炎和克罗恩病数据集，计算疾病组和对照组之间的差异表达基因。对于类风湿关节炎，差异表达基因阈值设置为adj.P < 0.05和|log2 FC| > 0.4。对于克罗恩病，采用adj.P < 0.05和|log2 FC| > 0.38来识别差异表达基因。接下来使用热图和火山图呈现每组的差异分析结果，蓝色表示低表达，红色表示高表达。
1.4.2 加权基因共表达网络分析加权基因共表达网络分析(weighted gene co-expression network analysis，WGCNA)是应用最广泛的系统生物信息学方法之一，用于描述基因之间的相关性模式。可以使用“WGCNA”R包根据它们在样本中的共表达相似性将基因分组为模块；此外，WGCNA方法可用于将模块连接到基因组外的临床信息，通过这种方式相关的功能网络可用于识别生物标志物和新分子。输入文件使用归一化mRNA表达数据，进行WGCNA以识别基因共表达及基因模块与临床特征之间的相关性(类风湿关节炎和克罗恩病分别与对照组相比)。①通过使用R包“gplots”进行层次聚类分析以识别样本中的异常值；②利用“pickSoftThreshold”包函数筛选出范围从1-20的软实力参数；③通过将具有最合适β值的相关性矩阵转换为邻接矩阵，创建拓扑重叠矩阵拓扑重叠矩阵；④构建层次聚类树(minModuleSize=30)寻找不同的基因模块，合并每组中相似的模块；⑤基因模块和临床表型(类风湿关节炎和克罗恩病)使用Pearson相关系数进行关联。对于克罗恩病，选择相关性最高的模块，进一步分析与其相关的基因。

1.4.3 核心基因预选及功能富集分析通过结合WGCNA鉴定的模块基因和差异表达基因，鉴定出导致类风湿关节炎和克罗恩病发病机制的共同关键基因。为了鉴定基因的生物学功能和

信号通路，使用“clusterProfier”软件包进行Gene Ontology(GO)和Kyoto Encyclopedia of Genes and Genomes (KEGG)通路富集分析。条形图显示P < 0.05时功能富集结果显著。

1.4.4 蛋白质互作网络构建将候选共同驱动基因输入到String平台(https://string-db.org/)，并去除独立基因；导出基因文件后，使用Cytoscape筛选关键基因并构建视觉网络。MCODE(Molecular Complex Detection)算法专门用于在大型生物分子网络(尤其是蛋白质互作网络)中识别紧密连接、高度聚集的基因簇。在Cytoscape软件中输入上述基因文件，使用MCODE算法，设置参数：Degree阈值> 12(平均值)，节点属性得分阈值大于8。识别出的簇可能与疾病的发生发展密切相关，簇内的核心基因可能是潜在的疾病驱动基因或治疗靶点。第一个基因簇高度相互作用，可作为后续深入研究的候选基因集。
1.4.5 通过机器学习进行特征基因筛选为识别与类风湿关节炎和克罗恩病均相关的核心特征基因，采用以下机器学习流程分别针对每种疾病的训练集独立进行建模，并通过模型结果的交集筛选共同基因。使用机器学习算法LASSO，将先前获得的20个共享基因分别输入到类风湿关节炎训练集和克罗恩病训练集中，使用R包“glmnet”构建了一个回归模型，并进行10倍交叉验证；在“family”参数中设置“二项式”，选择lambda.1se值对应的模型，分别筛选出类风湿关节炎训练集模型和克罗恩病训练集模型中系数非零的特征基因。同样，基于类风湿关节炎训练集和克罗恩病训练集中的数据，独立使用R包“randomForest”构建随机森林模型，以评估基因重要性。分别绘制20个特征基因在类风湿关节炎和克罗恩病训练集中的LASSO系数的对数(lambda)轮廓，然后绘制二项式偏差曲线和对数(λ)曲线，计算最低标准的1-SE标准最佳值。使用决策树算法找到两种疾病特征基因，在发现队列使用500棵树构建一个随机森林模型，并使用交叉验证误差确定最佳树数；然后按重要性对基因进行排名，并绘制10个最重要的基因，将显著特征基因的阈值设置为重要性大于1，以确定每个疾病模型(类风湿关节炎和克罗恩病)的重要基因列表。
将LASSO回归在类风湿关节炎与克罗恩病训练集模型中选择的非零基因集取交集，获得由LASSO筛选出的共同特征基因。将随机森林在类风湿关节炎与克罗恩病训练集模型中确定的重要性大于1的基因集取交集，获得由随机森林筛选出的共同特征基因。最终，将上述两种算法分别得出的共同基因集再次取交集，获得同时与类风湿关节炎与克罗恩病相关的核心特征基因集。
1.4.6 外部验证集验证为了检验核心基因的准确性，准备GSE271161和GSE179285分别用于外部验证类风湿关节炎和克罗恩病。首先从GEO数据库下载这两个数据集的原始数据，并使用“RMA”包对其进行归一化。GSE271161最后纳入5例健康对照样本和13例类风湿关节炎患者。GSE179285共纳入168例克罗恩病样本和31例健康对照组样本。验证队列中的诊断基因表达模式并通过箱线图显示。
1.4.7 免疫浸润分析采用CIBERSORT算法，根据免疫细胞相关基因的表达水平计算不同免疫细胞类型的比例。整合22种浸润免疫细胞类型的输出，生成用于分析的免疫细胞组成基质，主要观察22种浸润免疫细胞的相对比例。采用Spearman方法分析了核心生物标志物与浸润免疫细胞表达水平之间的相关性，主要观察核心生物标志物与各免疫细胞的Spearman相关系数，需满足Correlation > 0.3且P < 0.05。

讨论

类风湿关节炎和克罗恩病均是人体自身免疫性疾病，而自身免疫性疾病通常可累及全身病变，即有共性又有差异，因此，探索这两种疾病的共同发病机制变得至关重要。此次研究采用WGCNA和两种机器学习方法鉴定出3个核心基因分别为CASP1、TRIM21及PSMB10，这些基因均与类风湿关节炎和克罗恩病显著相关。
CASP1是一种属于半胱氨酸天冬氨酸蛋白酶家族的蛋白质，在细胞凋亡的执行阶段起着重要作用。CASP1基因在多种免疫器官中高度表达，如肝脏、肾脏、脾脏和血液中的中性粒细胞，它在炎症反应中起着关键作用，通过正反馈机制放大反应[18]。在一项有关于老鼠肠道菌群的研究中，敲除CASP1、IFNGR、NOS2的大鼠模型基底肠道微生物群更稳定，由于介导炎症通路缺陷，小鼠肠道微生物受到保护，减少肠道的慢性应激，CASP1可能是通过此方式参与克罗恩病的发展[19]。同样一项有关巴西人类风湿关节炎的研究表明，相对于健康对照组，类风湿关节炎患者中CASP1构成的炎症小体复合物及相关诱导基因IL1B和IL1R基因表达量明显上调[20]。上述研究和此次研究的结果相互印证。
TRIM家族成员参与多种细胞活动，例如细胞内信号传导、免疫防御、废物降解和癌症发展[21]，在许多免疫过程中起着至关重要的作用，包括抗体依赖性细胞内中和、氧化应激反应和蛋白质泛素化等[22]。TRIM21的异常表达会破坏免疫耐受性并导致产生针对TRIM21的自身抗体。在多种自身免疫性疾病中检测到针对TRIM21的抗体，包括类风湿关节炎、干燥综合征、系统性红斑狼疮或肌炎[23-24]。抗TRIM21的存在并不局限于自身免疫性结缔组织疾病，在各种恶性肿瘤、传染病和特发性间质性肺炎的患者同样能观察到[25]。但是未见到TRIM21与克罗恩病的相关研究，因此有望成为研究治疗克罗恩病免疫靶点。
PSMB10是一种蛋白酶体亚型，蛋白酶体是在所有真核细胞中发现的异质多聚体蛋白，主要作用是裂解泛素化蛋白质，导致释放与主要组织相容性复合体Ⅰ类分子结合的肽[26]。通常受到干扰素细胞因子和肿瘤坏死因子感染后，与抗原过程相关亚基的表达水平上调，并且存在20S蛋白酶体的新合成，称为20S免疫蛋白酶体[27]。免疫蛋白酶体与主要组织相容性复合体Ⅰ类结合的抗原肽通过免疫蛋白酶体水解，比组成型蛋白酶体具有更强的CD8+ T细胞激活效应[28]。
GUIMARÃES等[29]发现免疫蛋白酶体三重敲除小鼠的主要组织相容性复合体Ⅰ表面表达和抗原呈递过程具有负面影响，细胞毒性CD8+ T细胞的活性因此呈降低趋势，说明CD8+ T细胞的强激活效应可能与PSMB10的高表达有关。此次研究同样发现PSMB10在类风湿关节炎和克罗恩病疾病组中高表达，和实验结果相符合。
有证据表明，表达活化标志物的CD8+ T细胞在类风湿关节炎患者的关节中含量丰富[30-31]。在类风湿关节炎患者的滑膜中检测到表达GZMK、GZMB和GNLY的CD8+ T细胞的不同亚群。与健康对照组相比，源自类风湿关节炎患者血液的CD8+ T细胞表现出促炎细胞因子和颗粒酶的效应子集比例增加[32]；此外，类风湿关节炎患者血液中的CD8+ T细胞表现出T细胞受体(TCR)高表达，免疫抑制剂诱导的关节炎患者在关节中也有扩大的细胞毒性CD8+ T细胞，这和上述免疫细胞浸润表达相符。同时CD8+ T与克罗恩病有关系，一项单细胞研究分析表明，在严重类型的克罗恩病中IEL前体细胞CD8+ T细胞和γδ T细胞减少，在小儿克罗恩病患者的结肠黏膜活检中CD39、CD8+ T 细胞群和γδ T细胞群减少[33]。最近的研究数据表明，细胞毒性CD8+ T细胞和产生白细胞介素17的CD细胞可促进克罗恩病的发生发展，调节性CD8+ T细胞亚群在炎症部位含量丰富，并可表现出促炎特征[34]，和此次免疫浸润结果正好相反，可能是由于患者年龄、样本差异及细胞异质性有关。
富集分析提示两种疾病共同富集在白细胞介素17信号通路和肿瘤坏死因子信号通路。类风湿关节炎成纤维滑膜细胞通常分泌各种促炎细胞因子和趋化因子，特别是白细胞白细胞介素6、白细胞介素8、白细胞介素1β、肿瘤坏死因子α和白细胞介素17，以募集和激活更多的免疫细胞到炎症微环境，从而引起软骨损伤和关节破坏[35-36]。同样有研究表明，克罗恩病的发展与T辅助细胞1和T辅助细胞17有关，而白细胞介素17是主要由T辅助细胞17分泌的促炎因子，与健康对照组相比，T辅助细胞1和T辅助细胞17在克罗恩病患者黏膜中的积累产生导致干扰素γ和白细胞介素17表达水平升高[37]，表明肿瘤坏死因子α和白细胞介素17可能参与这两种疾病的发生发展。
为了进一步探讨类风湿关节炎和克罗恩病之间的潜在免疫系统致病关联和机制，对2个训练组进行免疫浸润分析以及核心基因与免疫细胞相关性分析，分析结果显示中性粒细胞在两种疾病中均高表达。中性粒细胞是一种高度可塑、异质的转录活性细胞群，在健康和疾病中具有多种功能[38]。中性粒细胞可以通过吞噬作用清除坏死组织和碎片来促进组织修复，防止坏死细胞诱导持续性炎症[39]。
有研究发现类风湿关节炎滑液中出现大量活化的中性粒细胞，并且中性粒细胞表型发生变化，包括与外渗和迁移相关的基因表达减少以及趋化因子、Fcγ受体1和主要组织相容性复合体Ⅱ的表达增加，通过募集和激活先天性和适应性免疫细胞来促进炎
症[40]。对于克罗恩病来说，同样有大量的免疫细胞浸润，一项单细胞RNA测序发现，克罗恩病患者病变肠段中出现大量浸润炎性成纤维细胞、中性粒细胞或炎性M1巨噬细胞等亚群，而健康对照组未检测出来[41]。此外，CHEN等[42]发现肠道炎症和黏膜破坏与活化的中性粒细胞浸润有关，中性粒细胞浸润有助于随后募集活化的免疫细胞，如单核细胞、巨噬细胞、树突状细胞、自然杀伤细胞和T细胞。循环白细胞大量浸润到发炎的肠黏膜中并伴随产生大量促炎细胞因子，与克罗恩病患者的黏膜损伤广泛相关[43-44]。这些炎症递质也与全身炎症反应有关，可能通过这种全身范围的炎症反应波及骨关节，导致类风湿关节炎，这些研究强调免疫失调在克罗恩病和类风湿关节炎发病机制中的重要作用。
通过生物信息学及两种机器学习新发现，类风湿关节炎和克罗恩病共同致病基因包括CASP1、TRIM21及PSMB10，中性粒细胞可能在类风湿关节炎和克罗恩病发病机制中起重要作用。此次研究中新发现的核心基因和潜在的分子机制为类风湿关节炎和克罗恩病患者的诊断和治疗提供了新的临床见解和指导。此次结果为中国基础医学研究提供了深入探究共同免疫机制、验证靶点功能、建立共病研究模型的明确方向，不仅增进了对两种重要自身免疫病共性的认知，更重要的是为研究人员在新靶点的发现与验证、新型诊疗技术的开发以及转化医学研究模式应用等方面提供了宝贵的借鉴意义和具体指导路径。

中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

类风湿关节炎与克罗恩病共同基因及免疫机制关联：生物信息学分析

Bioinformatics-based analysis of shared genes and associations in immune mechanisms between rheumatoid arthritis and Crohn’s disease

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表（结果） 12

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]	吴治林, 何秦, 王枰稀, 石现, 袁松, 张骏, 王浩. DYRK2：基于东亚和欧洲人群揭示类风湿关节炎合并骨质疏松症的治疗新靶点[J]. 中国组织工程研究, 2026, 30(6): 1569-1579.
[2]	赖家铭, 宋玉玲, 陈梓曦, 魏镜桓, 蔡浩, 李国权, . 放射性心脏损伤小鼠内皮细胞衰老的诊断标志物筛选及免疫浸润分析[J]. 中国组织工程研究, 2026, 30(6): 1450-1463.
[3]	张倩, 黄东锋. 加权基因共表达网络分析结合机器学习筛选及验证骨关节炎生物标记物[J]. 中国组织工程研究, 2026, 30(5): 1096-1105.
[4]	刘可新, 郝凯敏, 庄文越, 李正祎. 自噬相关基因在肺纤维化模型中的表达：生物信息学分析及实验验证[J]. 中国组织工程研究, 2026, 30(5): 1129-1138.
[5]	郑银, 吴振桦, 张成, 阮可馨, 刚骁琳, 汲泓. 免疫吸附治疗类风湿关节炎的安全性和有效性：网状Meta分析和系统评价[J]. 中国组织工程研究, 2026, 30(5): 1260-1268.
[6]	顾富城, 杨美鑫, 吴伟欣, 蔡玮俊, 钦洋溢, 孙铭一, 孙健, 耿秋东, 李楠, . 龟鹿二仙胶对膝骨关节炎大鼠肠道菌群的影响：机器学习与16S rDNA分析[J]. 中国组织工程研究, 2026, 30(4): 1058-1072.
[7]	管昱杰, 赵彬 . 人工智能在脊柱侧弯筛查和诊断中的应用与展望[J]. 中国组织工程研究, 2026, 30(3): 721-730.
[8]	王志鹏, 张晓刚, 张宏伟, 赵希云, 李元贞, 郭成龙, 秦大平, 任真. 机器学习在腰椎间盘突出症患者预后预测模型中应用价值的系统评价[J]. 中国组织工程研究, 2026, 30(3): 740-748.
[9]	赵非凡, 曹玉净. 强直性脊柱炎与银屑病共有基因人工神经网络模型及基于机器学习的挖掘和验证[J]. 中国组织工程研究, 2026, 30(3): 770-784.
[10]	李文惠, 樊炜静, 柳国斌. 高通量测序分析紫朱软膏对糖尿病小鼠溃疡组织miRNA表达谱的影响[J]. 中国组织工程研究, 2026, 30(17): 4337-4346.
[11]	李瑞颖, 夏翃. 铜死亡研究进展可视化分析：全球视野下的热点与前沿[J]. 中国组织工程研究, 2026, 30(17): 4529-4541.
[12]	陈飞军, 陈英果, 李征阳, 胡圆, 李芳. 机器学习法预测模型对老年急性脑出血手术预后的预测效能[J]. 中国组织工程研究, 2026, 30(16): 4045-4053.
[13]	吴军, 张玉珠, 董晓洁, 王凯迪, 孙彬. 类风湿性关节炎中细胞因子及受体互作通路的特征基因和分子亚型与实验验证[J]. 中国组织工程研究, 2026, 30(12): 3145-3155.
[14]	梁亮, 严雨露, 郑洋, 章晓云, 汪磊, 祁文 . 乳酸化修饰潜在靶点及靶向中药活性成分治疗脊髓损伤：GEO数据库筛选分析[J]. 中国组织工程研究, 2026, 30(12): 3156-3170.
[15]	田明昊, 廖烨晖, 周文洋, 何宝强, 冷叶波, 徐世财, 周佳俊, 李洋, 唐超, 唐强, 钟德君. IRF9基因在脊髓损伤后神经保护中的调控作用：生信分析与实验验证[J]. 中国组织工程研究, 2026, 30(11): 2712-2726.