鑽石舞台

早上好，小編今天分享的是一篇2022年2月發表在Disease Markers（IF=3.434）的文章，作者通過構建logistic回歸模型篩選類風濕性關節炎（RA）的潛在診斷標誌物，為早期診斷和治療提供新參考。

背景：類風濕性關節炎(RA)是一種慢性炎症性疾病，通常會導致軟骨和骨骼損傷，甚至致殘。

方法：

1、在GEO下載GSE124373數據集；

2、利用R包limma對miRNAs進行差異分析；

3、利用miRTarBase數據庫預測差異miRNAs的潛在靶向基因；

4、利用R包clusterProfiler進行富集分析；

5、根據p值篩選關鍵miRNA並構建logistic回歸模型，同時在外部數據集驗證模型效能；

6、qRT-PCR實驗驗證。

差異miRNAs鑑定

首先作者對GSE124373中的所有數據進行了去批次效應（圖1a）。為了進一步確認數據的可重複性，作者進行了主成分分析(PCA)，結果顯示RA組和對照組區分明顯（圖1b）。隨後進行差異表達分析，發現19個差異表達miRNAs（1個上調，18個下調）（圖1c）。以上結果說明，這19個差異表達miRNAs可能參與了RA的發生和發展。

GO和KEGG富集分析

作者利用miRTarBase數據庫預測19個差異表達miRNAs的潛在靶點mRNA，共獲得2899個潛在靶點mRNA。然後對2899個mRNA進行功能富集分析。圖2a顯示了top20的顯著富集的GO term，圖2b顯示了top20的顯著富集的KEGG通路。這些顯著富集的GO term和KEGG通路可能與RA的進展有關。

構建logistic模型

作者基於19個差異表達miRNAs構建邏輯回歸模型。隨後，對這些miRNA進行了逐步回歸分析，篩選得到9個特徵miRNA。然後，將這9個miRNA作為變量重新構建logistic回歸模型，發現4個mirna 的p<0.05（圖3a），這4個miRNAs可能與RA的發展密切相關。隨後，作者用這四個miRNAs重新構建了最終的logistic回歸模型，結果顯示最終模型服從正態分布。模型中包含的自變量與響應變量具有良好的線性關係（(圖3c）。最後，採用5倍交叉驗證法確定模型的可靠性。結果表明，基於4個特徵miRNAs構建的logistic回歸模型能夠很好地將RA樣本與健康樣本區分開。

qRT-PCR實驗驗證

在這4個特徵miRNA中，hsa-miR-142-5p、hsa-miR-1184和hsa-miR-1246在RA樣本中表達下調，而hsa-miR-99b-5p在RA樣本中表現出相反的趨勢。因此，作者驗證了hsa-miR-99b-5p在臨床樣本中的表達。我們的結果表明，與對照相比，RA樣本中hsa-miR-99b-5p的表達更高（圖3e），這與之前的生物信息學分析一致。