基于机器学习识别干燥综合征发病相关长链非编码RNA

通过机器学习筛选干燥综合征(SS)患者唇腺组织及全血中潜在发病相关长链非编码RNA(Long non-coding RNA, lncRNA)以及lncRNA与唇腺组织中免疫细胞浸润的相关性。通过GEO数据库获取SS唇腺组织及全血的表达数据,将唇腺组织表达数据归一化处理后,差异分析得到lncRNA表达谱,通过2种机器学习方法筛选并取交集得到共同的lncRNA。基于CIBER-SORT软件计算唇腺组织中22种免疫细胞浸润情况并分析关键lncRNA与免疫细胞浸润的相关性;分析全血中关键lncRNA与临床性状的相关性并绘制ROC曲线;分析关键lncRNA共表达编码蛋白基因,并进行KEGG信号通路分析。共筛选出SS关键lncRNA 1个(HCP5),在唇腺组织及全血中HCP5表达上调。免疫浸润分析显示,在SS唇腺组织中,γδT细胞、巨噬细胞、CD4+ 记忆T细胞比例明显升高,而浆细胞的比例在SS唇腺组织中比例减少。HCP5的表达与γ/δ T 细胞、CD4+ 记忆T细胞在唇腺中的浸润程度呈正相关。在全血中,HCP5与ANA、IgG、抗SSA抗体、抗SSB抗体、ESSDAI具有明显相关性。不同数据集中ROC诊断曲线结果显示HCP5的AUC为0.833和0.877;KEGG信号通路分析显示,唇腺与HCP5共表达的蛋白功能集中于抗原加工和呈递、B细胞受体信号通路等信号通路,全血中与HCP5共表达的蛋白功能集中于代谢途径细胞、凋亡等信号通路。HCP5可能通过影响SS患者唇腺组织免疫细胞的浸润从而影响SS疾病的发病与进展,为SS潜在的诊断及治疗靶点。     

英夫利昔单抗治疗类风湿关节炎疗效预测因素研究

目的:分析应用英夫利昔单抗(INF)治疗的类风湿关节炎(RA)患者的临床和实验等指标,筛选出可预测INF疗效的因素.方法:以应用INF治疗的40例RA患者为研究对象,收集基线和第14用的临床和实验等指标.应用聚合酶链反应一限制性片断长度分析法(PCR-RFLP)检测RA患者的肿瘤坏死因子α-308(TNFα-308)A/G的基因多态性.达到ACR50%-70%改善的的被判断为INF治疗反应好.采用Logistic回归模型筛选出可预测疗效的因素.结果:治疗14周后.携带TNF-308G/G基因型的RA患者,达到ACR20、ACR50、ACR70改善标准的患者人数的百分率分别为93%、64%和30%;A/G基因型,ACR20、ACR50、ACR70的百分率分别为60%、40%和20%.多因素Logistic回归分析显示,基线值中高DAS28评分和携带TNF-308G/G基因型的RA患者,对INF治疗反应好,其OR值分别为1.97(95%CI为1.74-3.13,P＜0.01)和2.02(95%CI为1.93-3.91,P＜0.01).结论:高DAS28评分及携带TNF-308 G/G基因型的RA患者对INF治疗有更好的应答.RA患者的DAS28评分及携带TNF-308 G基因型可能可作为INF治疗RA疗效的预测指标.