بررسی بیوانفورماتیکی پروفایل تغییرات بیان ژنی در سلول‌های 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 می باشد. 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 می باشد 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 روش ها: مجموعه داده های ریزآرایه به شماره  gse48556 از پایگاه داده geo به دست آمد. تجزیه و تحلیل بیان افتراقی بین گروه oa و  نرمال با استفاده از geo2r انجام شد و ژن های دارای تفاوت بیان با بررسی پارامترهای آماری 0.05 adj.p.vau< و 0.1logfc# در طی آنالیز بیوانفورماتیکی جداسازی شدند، سپس مسیرهای سیگنالینگ و آنالیز go ژن های جداسازی شده با استفاده از پایگاه های داده enrichr تعیین شد. در ادامه ژن های دارای بیشترین تغییر بیان معرفی شد و برای احتمال بیومارکر بودن ژن با بیشترین تغییر بیان آنالیز منحنی roc در نرم افزار graphpad_prism_8.0.1  انجام شد.  یافته‌ها: نتایج بیوانفورماتیکی بیان ژن نشان داد که 1515 ژن دارای تفاوت بیان معنادار بودند. از این تعداد 657 ژن افزایش بیان و 858 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 srsf10 بیشترین کاهش بیان را دارد و آنالیز منحنی roc نشان داد این ژن می‌تواند 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  geo2r و همچنین آنالیز منحنی roc در نرم افزار graphpad_prism_8.0.1 میزان حساسیت و دقت تعیین شد. نتیجه‌گیری: در مجموع، داده‌های ما نشان داد که ژن ها 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 srsf10 احتمالا می تواند یک نشانگر زیستی برای شناسایی بیماری oa در سلول های pbmc باشد که بایستی به صورت آزمایشگاهی تایید شود.

bioinformatics analyzing of genes expression alterations in peripheral blood monocyte cells of osteoarthritis patients

aim and background: osteoarthritis (oa) is the most common chronic joint disease in the world and the main cause of movement disorders in the elderly. identification the precise molecular pathogenesis pathways of osteoarthritis disease، early diagnosis and effective treatment for oa is challenging because oa pathogenesis is still unclear. therefore، one of the key and important goals of oa disease is to identify sensitive biomarkers، which is very valuable and effective for clinical applications، considering the availability of peripheral blood samples. the present study aimed to find differential expression genes in peripheral blood mononuclear cells (pbmcs) of oa patients and introduced a reliable biomarker to distinguish oa via bioinformatics analysis. material and methods: the microarray dataset of pbmcs of oa patients and normal individuals (gse48556) was obtained from the geo database. differential expression analysis between oa and normal groups was performed using geo2r and genes with differential expression were isolated. signaling pathways and go analysis were determined using enrichr databases. next، genes with differential expression were introduced and roc curve analysis was performed for analysis the probability of the selected gene as a biomarker.results: the bioinformatics results showed 1515 genes had significant differential expression which 657 genes upregulated and 858 gens downregulated. analysis of signaling pathways showed that proteasome pathways، chemokine signaling pathway and foxo signaling pathway are important in this disease. it was also found that the srsf10 gene has the most downregulation in oa patients and the roc curve analysis showed that this gene can differentiate oa patients from healthy individuals with high sensitivity and specificity. conclusion: overall، our data demonstrated that the differential genes expressions have potentially to be considered as biological biomarkers with diagnostic and therapeutic target approaches. in this regard، the reduction of srsf10 gene expression can probably be a biomarker to identify oa disease in pbmc cells، which should be confirmed in experimental analysis.