بررسی بیوانفورماتیکی پروفایل تغییرات بیان ژنی در سلول های مونوسیت خون محیطی بیماران مبتلا استئوآرتریت

سابقه و هدف: استئوآرتریت  (OA) شایع ترین بیماری مزمن مفصلی در جهان و علت اصلی اختلال حرکتی در افراد مسن می­باشد. با توجه به مشخص نبودن مسیرهای پاتوژنز دقیق مولکولی بیماری استئوآرتریت، تشخیص زود هنگام و درمان موثر برای OA  چالش برانگیز است. بنابراین، یکی اهداف کلیدی و مهم بررسی بیماری OA در این مطالعه، شناسایی نشانگرهای زیستی حساس می­باشد که با توجه به دست یابی  و در دسترس تر بودن نمونه خون محیطی شناسایی بیومارکرهای حساس تشخیصی OA در خون محیطی برای کاربردهای بالینی بسیار ارزشمند و موثر است. مطالعه حاضر با هدف یافتن ژن های با بیان متفاوت و معرفی بیومارکر مولکولی قابل اعتماد برای OA به صورت بیوانفورماتیکی انجام شد. مواد و روش­ها: مجموعه داده های ریزآرایه به شماره  GSE۴۸۵۵۶ از پایگاه داده GEO به دست آمد. تجزیه و تحلیل بیان افتراقی بین گروه OA و  نرمال با استفاده از GEO۲R انجام شد و ژن­های دارای تفاوت بیان با بررسی پارامترهای آماری ۰۵/۰ adj.p.vau< و ۱/۰logFC# در طی آنالیز بیوانفورماتیکی جداسازی شدند، سپس مسیرهای سیگنالینگ و آنالیز GO ژن­های جداسازی شده با استفاده از پایگاه های داده Enrichr تعیین شد. در ادامه ژن­های دارای بیشترین تغییر بیان معرفی شد و برای احتمال بیومارکر بودن ژن با بیشترین تغییر بیان آنالیز منحنی ROC در نرم افزار GraphPad_Prism_۸.۰.۱  انجام شد.   یافته ها: نتایج بیوانفورماتیکی بیان ژن نشان داد که ۱۵۱۵ ژن دارای تفاوت بیان معنادار بودند. از این تعداد ۶۵۷ ژن افزایش بیان و ۸۵۸ ژن کاهش بیان  معنی دار را نشان دادند.  تجزیه و تحلیل مسیرهای سیگنالینگ نشان داد که مسیرهای پروتئازوم ، مسیر سیگنالینگ کموکاین و مسیر سیگنالینگ FoxO در این بیماری اهمیت دارند. همچنین مشخص شد که ژن SRSF۱۰ بیشترین کاهش بیان را دارد و آنالیز منحنی ROC نشان داد این ژن می تواند با حساسیت و دقت بالایی توانایی تمایز افراد مبتلا به OA را از افراد سالم داشته باشد زیرا، با استفاده از میزان بیان ژن بدست آمده در بررسی با  GEO۲R و همچنین آنالیز منحنی ROC در نرم افزار GraphPad_Prism_۸.۰.۱ میزان حساسیت و دقت تعیین شد. نتیجه گیری: در مجموع، داده های ما نشان داد که ژن­ها می توانند به عنوان نشانگرهای زیستی جدید با سودمندی بالقوه در تشخیص OA عمل کنند و به عنوان بیومارکرهای مولکولی جدید برای تشخیص این بیماری در نظر گرفته شوند. در این راستا کاهش بیان ژن SRSF۱۰ احتمالا می­تواند یک نشانگر زیستی برای شناسایی بیماری OA در سلول­های PBMC باشد که بایستی به صورت آزمایشگاهی تایید شود.

کلیدواژه ها:

osteoarthritis ، biomarkers ، bioinformatics ، SRSF۱۰ gene ، microarray ، Iau Science. ، استئوآرتریت ، نشانگرهای زیستی ، بیوانفورماتیک ، ژن SRSF۱۰ ، ریزآرایه ، .Iau Science