Reveal the diagnostic value of a neutrophil inflammation- and cell death-associated gene signature in rheumatoid arthritis.

چکیده اصلی

This study aimed to construct an artificial neural network (ANN) diagnostic model for rheumatoid arthritis (RA) based on a neutrophil inflammation- and cell death-associated gene signature derived from a previously reported neutrophil extracellular traps (NETs)-related gene set, and to explore its association with immune infiltration and inflammatory pathways. The GEO dataset GSE110169 was used as the training dataset to identify differentially expressed genes between RA patients and healthy controls. Genes derived from a previously published NETs-related gene set were used as the initial candidate genes. Candidate genes were further screened using a random forest algorithm, and an ANN diagnostic model was constructed using the selected feature genes. Model performance was assessed by 10-fold cross-validation and externally validated in GSE93272. Cell Type Identification By Estimating Relative Samples Of RNA Transcripts was used to estimate immune infiltration, and weighted gene co-expression network analysis, gene ontology, and Kyoto encyclopedia of genes and genomes analyses were performed to explore related biological functions. Eleven selected feature genes were retained for model construction: Wiskott-Aldrich syndrome protein-like actin nucleation promoting factor, MFN1, enolase-1, optic atrophy 1, CLEC7A, interleukin-8, S100A8, ACTN4, RIPK1, CASP1, and integrin-linked kinase. The ANN model achieved an area under the curve of 0.923 in the training dataset and 0.722 in the external validation dataset. Immune infiltration analysis suggested that these genes were associated with gamma delta T cells, macrophages M0, memory B cells, resting dendritic cells, and activated dendritic cells. Functional enrichment analysis indicated involvement in lysosome, osteoclast differentiation, hematopoietic cell lineage, chemokine signaling pathway, and Fc gamma R-mediated phagocytosis. This study developed an ANN diagnostic model based on an neutrophil inflammation- and cell death-associated gene signature with potential diagnostic value for RA. However, because direct NET markers were not experimentally evaluated, the selected genes should not be interpreted as NETs-specific biomarkers. Further experimental validation is required.

ترجمه فارسی چکیده

این مطالعه هدف ساخت یک مدل تشخیصی شبکه عصبی مصنوعی (ANN) برای بیماری روماتوئید (RA) بر اساس یک امضای ژن مرتبط با التهاب و مرگ سلولی نوتروفیل، که از مجموعه‌ای از ژن‌های مرتبط با تورفتگی‌های سلولی خارجی نوتروفیل (NETs) استخراج شده بود، و بررسی ارتباط آن با نفوذ ایمنی و مسیرهای التهابی را دنبال کرد. مجموعه داده GEO GSE110169 به عنوان مجموعه داده آموزشی برای شناسایی ژن‌های بیان‌شده متفاوت بین بیماران RA و کنترل‌های سالم استفاده شد. ژن‌های استخراج‌شده از مجموعه ژن‌های قبلاً منتشرشده مرتبط با NETs به عنوان ژن‌های اولیه نامزد استفاده شدند. ژن‌های نامزد با استفاده از الگوریتم جنگل تصادفی فیلتر شدند و یک مدل تشخیصی ANN با استفاده از ژن‌های ویژگی انتخاب‌شده ساخته شد. عملکرد مدل با استفاده از اعتبارسنجی متقاطع ۱۰-گانه ارزیابی شد و در GSE93272 به صورت خارجی اعتبارسنجی شد. Cell Type Identification By Estimating Relative Samples Of RNA Transcripts برای برآورد نفوذ ایمنی استفاده شد و تحلیل‌های شبکه همبستگی بیان ژن، آنتولوژی ژن و کیوتو انکوکراپدیا ژن‌ها و ژنوم برای بررسی توابع زیستی مرتبط انجام شد. یازده ژن ویژگی انتخاب‌شده برای ساخت مدل حفظ شدند: Wiskott-Aldrich syndrome protein-like actin nucleation promoting factor، MFN1، enolase-1، optic atrophy 1، CLEC7A، interleukin-8، S100A8، ACTN4، RIPK1، CASP1 و integrin-linked kinase. مدل ANN در مجموعه داده آموزشی ناحیه زیر منحنی (AUC) ۰.۹۲۳ و در مجموعه داده اعتبارسنجی خارجی ۰.۷۲۲ به دست آورد. تحلیل نفوذ ایمنی نشان داد که این ژن‌ها با سلول‌های T گاما-دلتا، ماکروفاژهای M0، سلول‌های حافظه B، سلول‌های درختی استراحت‌کننده و سلول‌های درختی فعال مرتبط هستند. تحلیل غنی‌سازی عملکردی نشان داد که درگیر شدن در لیزوزوم، تفاوت‌یابی اپیتلیال استخوان، خط خونی سلول‌های خونی، مسیر سیگنالینگ شیمی‌کین و فاگوسیتوز mediated توسط Fc gamma R دخیل است. این مطالعه یک مدل تشخیصی ANN بر اساس امضای ژن مرتبط با التهاب و مرگ سلولی نوتروفیل با ارزش تشخیصی بالقوه برای RA توسعه داد. با این حال، از آنجا که نشانه‌های مستقیم NET تجربی ارزیابی نشده‌اند، ژن‌های انتخاب‌شده نباید به عنوان نشانگرهای اختصاصی NET تفسیر شوند. نیاز به تأیید تجربی بیشتر وجود دارد.

متن کامل اصلی