張雙，信瑞強(qiáng)，石逸杰，李艷翠，彭如臣

骨關(guān)節(jié)炎(osteoarthritis，OA)是一種慢性、漸進(jìn)性、炎癥性的關(guān)節(jié)退行性疾病，常累及膝關(guān)節(jié)、手和髖部[1]。OA 常表現(xiàn)為軟骨破壞、骨贅增生、滑膜增生，以疼痛為主要臨床表現(xiàn)[2]。OA 患者中以中老年患者多見，且女性患者多于男性，OA已經(jīng)成為嚴(yán)重影響身體健康及生活質(zhì)量的骨關(guān)節(jié)病[3]。然而，OA病因及發(fā)病機(jī)制尚不明確。目前的藥物治療常使用非甾體抗炎藥，主要是為了改善疼痛癥狀，然而治療效果有限，且有胃腸道及心血管并發(fā)癥風(fēng)險(xiǎn)的副作用。手術(shù)療法包括膝關(guān)節(jié)鏡及膝關(guān)節(jié)置換，然而OA 患者往往身體狀況較差，手術(shù)風(fēng)險(xiǎn)較高[4]。最近有人提倡使用微創(chuàng)干預(yù)治療OA，如關(guān)節(jié)腔注射、射頻消融，但治療效果及副作用有待進(jìn)一步研究。MRI是一種靈敏的無創(chuàng)工具，具有早期檢測(cè)骨關(guān)節(jié)結(jié)構(gòu)改變的能力，并可以直接可視化地關(guān)節(jié)組織結(jié)構(gòu)進(jìn)行量化。MRI 已成為評(píng)估OA的重要手段[5-6]。其對(duì)于OA 的發(fā)現(xiàn)以及診斷有很好的幫助作用,并且還能夠指導(dǎo)后期疾病的治療。

研究發(fā)現(xiàn)40%～80%的OA患者發(fā)病具有遺傳性，與某些基因的突變及表達(dá)變化有很強(qiáng)的相關(guān)性[7]。Meyer等[8]發(fā)現(xiàn)細(xì)胞周圍基質(zhì)(pericellular matrix，PCM)在表觀遺傳、代謝或生物力學(xué)刺激下，通過與軟骨細(xì)胞作用參與OA的發(fā)生發(fā)展。Lee等[9]發(fā)現(xiàn)CCL17 參與粒細(xì)胞巨噬細(xì)胞集落刺激因子(granulocyte macrophage colony stimulating factor，GM-CSF)誘發(fā)OA相關(guān)信號(hào)通路，提示CCL17 阻滯劑可作為OA 及疼痛治療的靶點(diǎn)分子。并且目前越來越多學(xué)者提倡個(gè)體化治療[10]。因此，在個(gè)體化遺傳基因方面探索OA的發(fā)病機(jī)制，對(duì)于預(yù)防與治療OA具有重要臨床價(jià)值。

生物信息學(xué)(bioinformatics)是利用生命科學(xué)與計(jì)算機(jī)科學(xué)技術(shù)挖掘分析生物大數(shù)據(jù)并探索疾病發(fā)病原理的一門新學(xué)科。而MRI 檢查的結(jié)果能夠顯示關(guān)節(jié)軟骨的病理變化，反映軟骨組織的成分含量，在此基礎(chǔ)上利用生物信息學(xué)結(jié)合影像分析和病例的基因分析，有效篩選疾病患者與正常個(gè)體間差異表達(dá)基因，從而發(fā)現(xiàn)潛在的治療靶點(diǎn)。隨著學(xué)科發(fā)展，越來越多研究者使用生物信息學(xué)技術(shù)研究各種疾病進(jìn)程中的差異表達(dá)基因(differentially expressed genes，DEGs)，并探索其在生物過程、分子機(jī)制和信號(hào)傳導(dǎo)通路中的作用[11-13]。

本研究篩選OA 患者與正常人的DEGs，利用基因本體論(gene ontology，GO)和京都基因與基因組百科全書(Kyoto Encyclopedia of Genes and Genomes，KEGG) (https://www.kegg.jp/)對(duì)DEGs數(shù)據(jù)進(jìn)行分析，同時(shí)用兩組數(shù)據(jù)中所有基因進(jìn)行基因集合富集分析(gene set enrichment analysis，GSEA)，進(jìn)而用DEGs構(gòu)建蛋白—蛋白互作(protein-protein interaction，PPI)網(wǎng)絡(luò)，同時(shí)篩選PPI網(wǎng)絡(luò)中的重要模塊并且鑒定核心基因。初步分析差異表達(dá)基因在OA 發(fā)生發(fā)展中的作用，進(jìn)一步研究P53基因?qū)贛RI的OA間隙狹窄程度的影響。

1 材料和方法

1.1 微陣列芯片數(shù)據(jù)的獲得

GSE55235 基因表達(dá)譜數(shù)據(jù)從基因表達(dá)綜合數(shù)據(jù)庫(kù)(Gene Expression Ominibus，GEO) (https://www.ncbi.nlm.nih.gov/geo/)中下載。GEO 是一個(gè)公共功能性基因組學(xué)數(shù)據(jù)倉(cāng)庫(kù)，接受基于數(shù)組和序列的數(shù)據(jù)。GSE55235 的芯片數(shù)據(jù)由10 個(gè)OA 樣本和10 個(gè)對(duì)照樣本的mRNA 表達(dá)譜組成。該基因表達(dá)譜由Affymetrix HG-U133A chip (Platform GPL96)生成。所有OA樣本均取自O(shè)A患者滑膜組織，對(duì)照組樣本取自未患關(guān)節(jié)疾病的健康個(gè)體正常滑膜組織。

1.2 差異表達(dá)基因的識(shí)別

GEO2R (https://www.ncbi.nlm.nih.gov/geo/geo2r/)是一個(gè)交互式的在線工具，用于從GEO 系列中識(shí)別差異表達(dá)基因。GEO2R可用于鑒別對(duì)照組與OA組滑膜組織標(biāo)本的差異表達(dá)基因。如果一個(gè)探針集沒有同源基因，或者一個(gè)基因有多個(gè)探針集，數(shù)據(jù)將被刪除。篩選標(biāo)準(zhǔn)為P≤0.01，且|log(FC)|≥3。

1.3 利用GSEA進(jìn)行GO和KEGG富集分析

GO是一種廣泛應(yīng)用于生物信息學(xué)的本體論，它涵蓋了生物學(xué)的三個(gè)方面，包括細(xì)胞成分、分子功能和生物過程。KEGG是世界上最常用的生物信息數(shù)據(jù)庫(kù)之一，旨在了解先進(jìn)的功能和生物系統(tǒng)。在分子水平上，KEGG專門整合了大量來自高通量實(shí)驗(yàn)技術(shù)的實(shí)用程序數(shù)據(jù)庫(kù)資源。GSEA可以分析兩個(gè)樣本組中的所有測(cè)序基因, 它的輸入是一個(gè)基因表達(dá)矩陣，在這個(gè)矩陣中，基因被分成兩組，所有的基因先進(jìn)行測(cè)序，然后用來表示兩組之間基因表達(dá)水平的變化趨勢(shì)。GSEA分析在序列列表的頂部或底部是否富集了一個(gè)先驗(yàn)定義集的所有基因。利用GSEA軟件對(duì)OA 滑膜組織和正?；そM織的所有測(cè)序基因進(jìn)行GSEA分析，在導(dǎo)入基因注釋文件、參考函數(shù)集和GSE55235中OA 滑膜組織和正?；そM織所有基因數(shù)據(jù)之后，GSEA軟件會(huì)進(jìn)行分析并根據(jù)運(yùn)算法則進(jìn)行基因測(cè)序，從而獲得基因序列表, 后分析基因序列表中所有基因的位置，并將其累加得到富集分?jǐn)?shù)(enrichment score，ES)，對(duì)ES進(jìn)行標(biāo)準(zhǔn)化處理后，通過功能富集可以全面了解基因的生物學(xué)功能。以P值＜0.05為篩選標(biāo)準(zhǔn)。

1.4 PPI網(wǎng)絡(luò)和重要模塊的構(gòu)建與分析

將常用的差異表達(dá)基因?qū)隨TRING (search tool for the retrieval of interacting genes) (version 10.5)(http://string-db.org)系統(tǒng)后，這一在線工具可以預(yù)測(cè)和跟蹤PPI網(wǎng)絡(luò)。應(yīng)用免費(fèi)可視化軟件Cytoscape (version 3.6.1)對(duì)PPI 網(wǎng)絡(luò)進(jìn)行可視化?；谕?fù)湓恚珻ytoscape 插件MCODE(Molecular Complex Detection) (version 1.5.1)可以發(fā)現(xiàn)緊密耦合區(qū)域。采用MCODE對(duì)PPI網(wǎng)絡(luò)的各個(gè)模塊進(jìn)行篩選，篩選標(biāo)準(zhǔn)為degree cut-off=6，node score cut-off=0.2，當(dāng)設(shè)置度≥4時(shí)，可挖掘出關(guān)鍵基因。利用R語言軟件制作核心基因的熱圖譜。

1.5 患者資料

選取我院2020 年6 月至2021 年6 月收治的OA 間隙狹窄患者。納入標(biāo)準(zhǔn)：(1)全部患者經(jīng)過MRI 檢查后被診斷為OA 間隙狹窄；(2)臨床資料齊全；(3) 18 歲≤年齡≤80 歲；(4)凝血功能正常。排除標(biāo)準(zhǔn)：(1)具有精神疾病或認(rèn)知障礙；(2)心、肝、肺功能差。本研究經(jīng)過首都醫(yī)科大學(xué)附屬北京潞河醫(yī)院倫理委員會(huì)批準(zhǔn)(2018-LHKY-008-02)，所有患者均簽署了書面知情同意書。

1.6 掃描參數(shù)

使用西門子3.0 T Skyra磁共振掃描儀(德國(guó))對(duì)全部患者進(jìn)行MRI檢查。掃描序列和參數(shù)如表1所示。

表1 掃描序列參數(shù)

1.7 診斷標(biāo)準(zhǔn)

根據(jù)患者的臨床資料，按性別(男/女)、年齡(≤60/＞60)、MMP1 (低/高)、VEGFA (低/高)、CXCL8 (低/高)、P53 (低/高)、MRI下OA 間隙狹窄程度(輕/重)進(jìn)行分類。OA 間隙輕度狹窄：內(nèi)外側(cè)間隙不均衡，伴有輕度骨贅及軟骨下骨硬化，下肢的機(jī)械力線輕度內(nèi)移，膝關(guān)節(jié)有輕度內(nèi)翻。OA 間隙重度狹窄：內(nèi)外側(cè)間隙不均衡或者一側(cè)消失，伴有骨贅形成，軟骨下骨硬化明顯，下肢機(jī)械力線明顯內(nèi)移，膝關(guān)節(jié)嚴(yán)重內(nèi)翻畸形。

應(yīng)用關(guān)節(jié)鏡診治方法取患者滑膜組織，進(jìn)行聚合酶鏈反應(yīng)(polymerase chain reaction，PCR)檢測(cè)，分析MMP1、VEGFA、CXCL8以及P53的表達(dá)水平(以均值為界，低于均值水平為低表達(dá)，高于均值為高表達(dá))。

1.8 統(tǒng)計(jì)學(xué)方法

所有的統(tǒng)計(jì)分析使用SPSS 21.0軟件。計(jì)量資料用均數(shù)±標(biāo)準(zhǔn)差表示。采用Pearson卡方檢驗(yàn)，分析臨床參數(shù)與OA間隙狹窄程度的關(guān)系。采用Spearman-rho檢驗(yàn)將臨床資料與OA間隙狹窄程度進(jìn)行相關(guān)性分析。采用多因素Logistic回歸分析，計(jì)算OA間隙狹窄程度各變量的OR值。P＜0.05認(rèn)為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 OA差異表達(dá)基因的識(shí)別

通過GEO2R 對(duì)GSE55235 數(shù)據(jù)集的分析，可以看出火山圖中對(duì)照組與OA 組滑膜組織的差異。GSE55235 的分析結(jié)果識(shí)別出91個(gè)差異表達(dá)基因(圖1)。

圖1 使用GEO2R 對(duì)微陣列數(shù)據(jù)(GSE55235)進(jìn)行分析，火山圖顯示了對(duì)照組與骨關(guān)節(jié)炎組滑膜樣本的差異。

2.2 對(duì)OA中差異表達(dá)基因進(jìn)行GO和KEGG通路富集分析

GO富集分析顯示OA中有2126/4081個(gè)基因組上調(diào)，323個(gè)基因組在名義P值＜0.05時(shí)顯著富集，107個(gè)基因組在名義P值＜0.01時(shí)顯著富集。此外，OA中1955/4081個(gè)基因組下調(diào)，481個(gè)基因組在名義P值＜0.05時(shí)顯著富集，212個(gè)基因組在名義P值＜0.01時(shí)顯著富集。此外，KEGG富集分析表明OA組與正常組滑膜樣本相比，有101/168個(gè)基因組上調(diào)，18個(gè)基因組在名義P值＜0.05時(shí)顯著富集，9個(gè)基因組在名義P值＜0.01時(shí)顯著富集。OA組中67/168個(gè)基因組下調(diào)，11個(gè)基因組在名義P值＜0.05時(shí)顯著富集，5個(gè)基因組在名義P值＜0.01時(shí)顯著富集。OA相關(guān)的差異表達(dá)基因主要富集在“GO_CELLULAR_RESPONSE_TO_HYDROGEN_PEROXIDE”和“KEGG_P53_SIGNALING_PATHWAY”(圖2)。

圖2 利用基因集合富集分析(GSEA)對(duì)微陣列數(shù)據(jù)(GSE55235)中骨關(guān)節(jié)炎組與正常組滑膜樣本間差異表達(dá)基因進(jìn)行功能富集分析的2個(gè)顯著富集圖。2A：GO_CELLULAR_RESPONSE_TO_HYDROGEN_PEROXIDE富集圖；2B：KEGG_P53_SIGNALING_PATHWAY富集圖。

2.3 網(wǎng)絡(luò)的構(gòu)建及重要模塊和關(guān)鍵基因的識(shí)別

構(gòu)建PPI網(wǎng)絡(luò)，識(shí)別顯著性模塊，PPI網(wǎng)絡(luò)可以得出OA相關(guān)的差異表達(dá)基因之間具有交錯(cuò)復(fù)雜的關(guān)系(圖3A)，重要模塊中有26條邊和8個(gè)節(jié)點(diǎn)(圖3B)。以Degree≥4為判斷標(biāo)準(zhǔn)。通過Cytoscape 鑒定出了4 個(gè)關(guān)鍵基因：MMP1、CXCL8、VEGFA 和JUN(圖3C)。熱圖顯示關(guān)鍵基因基本可以將OA滑膜樣本與正?；颖緟^(qū)分開。與正常組對(duì)比，MMP1在OA組中高表達(dá)，CXCL8、VEGFA和JUN在OA組中低表達(dá)(圖4)。

圖3 使用Cytoscape構(gòu)建差異表達(dá)基因的PPI(蛋白—蛋白互作)網(wǎng)絡(luò)、重要的模塊及核心基因網(wǎng)絡(luò)。3A：PPI 網(wǎng)絡(luò)；3B：使用MCODE 鑒定的重要模塊；3C：核心基因網(wǎng)絡(luò)。

圖4 微陣列數(shù)據(jù)(GSE55235)中對(duì)照組與骨關(guān)節(jié)炎(OA)組滑膜樣本關(guān)鍵基因的層次聚類熱圖。X 軸表示樣本符號(hào)(從左至右為10 個(gè)對(duì)照組滑膜組織樣本和10個(gè)OA組滑膜樣本)，Y軸表示差異表達(dá)探針。低表達(dá)：淺藍(lán)色；中表達(dá)：淺紫色；高表達(dá)：紫色。

2.4 Pearson卡方檢驗(yàn)OA間隙狹窄程度與臨床參數(shù)的相關(guān)性

MRI 觀察OA 間隙狹窄影像如圖5 所示。通過Pearson 卡方檢驗(yàn)顯示了OA 間隙狹窄程度與相關(guān)臨床因素的關(guān)系。在個(gè)體中，P53 (P=0.003)與OA 間隙狹窄程度顯著相關(guān)。然而，性 別(P=0.536)、年 齡(P=0.258)、MMP1 (P=0.402)、VEGFA (P=0.768)、CXCL8 (P=0.555)和OA 間隙狹窄程度之間沒有顯著的相關(guān)性(表2)。

圖5 MRI 觀察下骨關(guān)節(jié)炎間隙狹窄影像。5A：女，49 歲，膝關(guān)節(jié)不適半年，冠狀位FS T2WI 示內(nèi)外側(cè)關(guān)節(jié)間隙不等，內(nèi)側(cè)關(guān)節(jié)間隙輕度狹窄；5B：女，79 歲，膝關(guān)節(jié)疼痛1 年，冠狀位FS T2WI 示內(nèi)外側(cè)關(guān)節(jié)間隙不等，內(nèi)側(cè)關(guān)節(jié)間隙重度狹窄。

2.5 Spearman 相關(guān)性分析進(jìn)一步檢驗(yàn)OA 間隙狹窄程度與臨床參數(shù)的關(guān)系

為了確認(rèn)相關(guān)臨床參數(shù)對(duì)OA 間隙狹窄程度的作用，本研究進(jìn)行了進(jìn)一步的相關(guān)性分析。Spearman 相關(guān)系數(shù)顯示P53 (ρ=-0.422，P=0.002)與OA 間隙狹窄程度顯著相關(guān)。然而，性別(ρ=-0.088，P=0.545)、年齡(ρ=0.160，P=0.267)、MMP1(ρ=0.119，P=0.412)、VEGFA (ρ=-0.040，P=0.774)、CXCL8 (ρ=-0.084，P=0.564)、P53 (ρ=-0.422，P=0.002)與OA 間隙狹窄程度無顯著相關(guān)性(表2)。

表2 Pearson卡方檢驗(yàn)、Spearman相關(guān)性分析骨關(guān)節(jié)炎間隙狹窄程度與臨床參數(shù)的相關(guān)性

2.6 多因素Logistic回歸分析OA間隙狹窄程度的相關(guān)因素

應(yīng)用多因素Logistic回歸描述研究對(duì)象在多因素水平上的OR 和95%CI，回歸分析顯示，P53 (OR=0.112，95%CI: 0.025～0.495，P=0.004)與OA間隙狹窄程度顯著相關(guān)，而性別(OR=0.584，95%CI：0.130～2.610，P=0.481)、年 齡(OR=3.498，95%CI：0.814～15.028，P=0.092)、MMP1 (OR=2.030，95%CI：0.479～8.597，P=0.336)、VEGFA (OR=0.564，95%CI：0.139～2.292，P=0.423)、CXCL8 (OR=0.487，95%CI：0.109～2.186，P=0.348)與OA間隙狹窄程度無顯著相關(guān)性(表3)。

表3 多因素Logistic比例回歸分析骨關(guān)節(jié)炎間隙狹窄程度的相關(guān)因素

3 討論

本研究通過生物信息學(xué)分析廣泛用于篩選疾病患者與正常個(gè)體間差異表達(dá)基因與分子，從而為選擇治療靶點(diǎn)提供可靠方法及依據(jù)。通過提取OA患者與正?；颖鹃g的差異表達(dá)基因，利用MRI技術(shù)，對(duì)組織樣本進(jìn)行鑒別，滑膜和軟骨都與OA有著緊密的聯(lián)系，然而在本研究中對(duì)于滑膜組織的分析并不能完全取代關(guān)節(jié)軟骨。本研究通過OA的基因表達(dá)譜，利用生物信息學(xué)分析篩選了DEGs。DEGs基因集富集分析全面概述了OA的一些主要病理生理機(jī)制：細(xì)胞對(duì)過氧化氫的反應(yīng)、P53信號(hào)通路。臨床統(tǒng)計(jì)結(jié)果表明P53與OA間隙狹窄程度顯著相關(guān)，而性別、年齡、MMP1、VEGFA、CXCL8與OA間隙狹窄程度無顯著相關(guān)性。為OA的治療發(fā)展提供了P53這一潛在靶點(diǎn)。

3.1 MRI檢查對(duì)早期OA治療的優(yōu)勢(shì)

OA是一種以疼痛及骨關(guān)節(jié)功能退化為主要表現(xiàn)的臨床慢性疾病[14]。目前OA發(fā)病機(jī)制尚未闡明，治療主要針對(duì)疼痛癥狀，然而治療效果不理想，且耗費(fèi)大，嚴(yán)重影響了OA患者的生活質(zhì)量和預(yù)期壽命。另外OA的相關(guān)機(jī)制研究及治療假說仍需要進(jìn)一步研究。隨著MRI檢查技術(shù)的不斷發(fā)展完善，其在OA的診斷當(dāng)中顯示出巨大作用[15]。在大多數(shù)國(guó)家，MRI檢查多在疑似OA患者中進(jìn)行[16]。MRI具有高分辨率、多參數(shù)、多平面的優(yōu)勢(shì)。它不僅能夠直接、全面地顯示關(guān)節(jié)及其軟骨的早期微小病變，而且對(duì)于軟組織的分辨率高，能夠清晰地顯示關(guān)節(jié)周圍的軟組織，比如關(guān)節(jié)囊、韌帶、滑膜等的早期病變[17-18]。MRI檢查尤其對(duì)液體極為敏感，能夠發(fā)現(xiàn)關(guān)節(jié)腔內(nèi)的少量液體[19]。MRI檢查可以更準(zhǔn)確地發(fā)現(xiàn)韌帶滑膜的早期損傷，對(duì)OA的早期診斷有很大幫助[20]。因此，探討OA發(fā)生發(fā)展的分子機(jī)制，有利于OA患者的早期篩查、診斷及治療，是降低OA發(fā)病率的有效方式之一。

3.2 細(xì)胞對(duì)過氧化氫的反應(yīng)與OA的發(fā)生發(fā)展關(guān)系

細(xì)胞對(duì)過氧化氫的反應(yīng)作為細(xì)胞重要功能參與機(jī)體多種生理活動(dòng)。Tiku等[21]發(fā)現(xiàn)活性氧通過影響軟骨細(xì)胞脂質(zhì)過氧化氫參與OA 發(fā)病。Jovanovic 等[22]發(fā)現(xiàn)一氧化氮能作用于過氧化氫等氧化物質(zhì)誘導(dǎo)關(guān)節(jié)滑膜細(xì)胞死亡進(jìn)而誘發(fā)OA。Khan用過氧化氫處理關(guān)節(jié)軟骨發(fā)現(xiàn)，高水平的氧化應(yīng)激能引起軟骨組織局部基因表達(dá)改變，這些異常表達(dá)的基因與關(guān)節(jié)退化和關(guān)節(jié)炎相關(guān)，提示氧化刺激在OA 發(fā)病中扮演重要作用[23]。另外Goutas 等[24]發(fā)現(xiàn)OA 軟骨細(xì)胞對(duì)氧化損傷的自噬反應(yīng)降低，提示過氧化氫等氧化刺激引起OA 的機(jī)制仍待進(jìn)一步研究。與上述研究結(jié)果一致，本研究通過生物大數(shù)據(jù)分析發(fā)現(xiàn)OA軟骨組織中細(xì)胞對(duì)過氧化氫的反應(yīng)表達(dá)明顯上調(diào)。我們推測(cè)氧化刺激通過某些信號(hào)通路促進(jìn)了OA 的發(fā)生發(fā)展，并可能作為潛在的治療靶點(diǎn)，相關(guān)分子機(jī)制值得進(jìn)一步探索。

3.3 P53作為OA治療過程潛在靶點(diǎn)的驗(yàn)證

P53信號(hào)通路是機(jī)體相當(dāng)重要的一條信號(hào)通路，參與機(jī)體多種生理活動(dòng)。Slattery等[25]發(fā)現(xiàn)P53信號(hào)通路激活可引起某些miRNAs異常表達(dá)，進(jìn)而通過影響細(xì)胞周期、凋亡、血管生成參與腫瘤的發(fā)生發(fā)展。Yang等[26]同樣發(fā)現(xiàn)P53信號(hào)通路在調(diào)節(jié)細(xì)胞周期、維持機(jī)體正常免疫應(yīng)答、組織修復(fù)及器官功能等方面具有重要作用。Seemayer等[27]發(fā)現(xiàn)P53信號(hào)通路激活參與類風(fēng)濕關(guān)節(jié)炎滑膜成纖維細(xì)胞(RASF)體內(nèi)和體外的功能反應(yīng)。另外，Yan等[28]發(fā)現(xiàn)P53乙酰化狀態(tài)改變參與miR-34a對(duì)SIRT1/P53信號(hào)通路的直接調(diào)控，進(jìn)而影響OA的發(fā)生發(fā)展。Yang等[29]通過對(duì)OA患者軟骨組織測(cè)序發(fā)現(xiàn)，lncRNA-ROR在mRNA和蛋白水平上均抑制P53的表達(dá)；進(jìn)一步研究發(fā)現(xiàn)lncRNA-ROR通過HIF1α和P53調(diào)控軟骨細(xì)胞的凋亡和自噬；有研究提示lncRNA-ROR在OA發(fā)病機(jī)制中起重要作用并能作為潛在的治療靶點(diǎn)，P53在其中扮演的具體作用值得進(jìn)一步研究。最近有研究報(bào)道透明質(zhì)酸(HA)和富血小板血漿(PRP)關(guān)節(jié)腔注射對(duì)OA的個(gè)體化治療效果好，Chiou等[30]發(fā)現(xiàn)ROS、P53、MMP1在治療過程中發(fā)揮重要作用。Li等[31]發(fā)現(xiàn)硫酸軟骨素鎂(MGCS)能有效地促進(jìn)OA軟骨細(xì)胞的增殖，減少軟骨細(xì)胞的凋亡，在此過程中凋亡相關(guān)基因P53表達(dá)下調(diào)起到重要作用。有研究表明，P53 的上調(diào)在OA 誘導(dǎo)的持續(xù)性疼痛中也起著重要作用[32]。軟骨細(xì)胞衰老被認(rèn)為在OA的發(fā)展中發(fā)揮重要作用，而P53的激活被認(rèn)為是衰老調(diào)控的重要步驟[33]，可能對(duì)于OA具有治療作用[34]。與上述研究結(jié)果一樣，本研究通過對(duì)比OA患者軟骨組織與正常組織發(fā)現(xiàn)，OA 患者軟骨組織KEGG_P53_SIGNALING_PATHWAY的表達(dá)明顯下調(diào)，提示P53信號(hào)通路很可能參與了OA的發(fā)生與發(fā)展，并能作為潛在的治療靶點(diǎn)。

3.4 本研究的不足及展望

盡管本研究進(jìn)行了嚴(yán)謹(jǐn)?shù)纳镄畔W(xué)分析，但仍有不足。本文僅是進(jìn)行了生物信息學(xué)數(shù)據(jù)分析和臨床樣本驗(yàn)證，沒有進(jìn)行動(dòng)物實(shí)驗(yàn)的綜合驗(yàn)證。在今后的研究中，應(yīng)增加生物信息學(xué)技術(shù)的臨床樣本種類和數(shù)量，另外進(jìn)行動(dòng)物實(shí)驗(yàn)相關(guān)的綜合驗(yàn)證，增加研究的可信度。

綜上所述，生物信息學(xué)技術(shù)可作為預(yù)測(cè)OA 進(jìn)展、探討OA發(fā)生發(fā)展機(jī)制的有效工具。MRI有利于OA患者早期的診斷與治療，并降低OA 發(fā)病率。另外，OA 患者與正常人軟骨組織之間存在差異表達(dá)基因，其可能參與OA 發(fā)生發(fā)展的相關(guān)機(jī)制，特別是“細(xì)胞對(duì)過氧化氫的反應(yīng)、P53 信號(hào)通路”能為OA 的診斷和治療提供新的研究靶點(diǎn)。P53 在OA 患者中低表達(dá)，可能作為其預(yù)測(cè)和治療的潛在靶點(diǎn)。

作者利益沖突聲明：全體作者均聲明沒有利益沖突。