3+：掌握这个经典生信套路，再也不愁SCI了！

早上好，小编今天分享的是一篇2022年2月发表在Disease Markers（IF=3.434）的文章，作者通过构建logistic回归模型筛选类风湿性关节炎（RA）的潜在诊断标志物，为早期诊断和治疗提供新参考。

背景：类风湿性关节炎(RA)是一种慢性炎症性疾病，通常会导致软骨和骨骼损伤，甚至致残。

方法：

1、在GEO下载GSE124373数据集；

2、利用R包limma对miRNAs进行差异分析；

3、利用miRTarBase数据库预测差异miRNAs的潜在靶向基因；

4、利用R包clusterProfiler进行富集分析；

5、根据p值筛选关键miRNA并构建logistic回归模型，同时在外部数据集验证模型效能；

6、qRT-PCR实验验证。

差异miRNAs鉴定

首先作者对GSE124373中的所有数据进行了去批次效应（图1a）。为了进一步确认数据的可重复性，作者进行了主成分分析(PCA)，结果显示RA组和对照组区分明显（图1b）。随后进行差异表达分析，发现19个差异表达miRNAs（1个上调，18个下调）（图1c）。以上结果说明，这19个差异表达miRNAs可能参与了RA的发生和发展。

GO和KEGG富集分析

作者利用miRTarBase数据库预测19个差异表达miRNAs的潜在靶点mRNA，共获得2899个潜在靶点mRNA。然后对2899个mRNA进行功能富集分析。图2a显示了top20的显著富集的GO term，图2b显示了top20的显著富集的KEGG通路。这些显著富集的GO term和KEGG通路可能与RA的进展有关。

构建logistic模型

作者基于19个差异表达miRNAs构建逻辑回归模型。随后，对这些miRNA进行了逐步回归分析，筛选得到9个特征miRNA。然后，将这9个miRNA作为变量重新构建logistic回归模型，发现4个mirna 的p<0.05（图3a），这4个miRNAs可能与RA的发展密切相关。随后，作者用这四个miRNAs重新构建了最终的logistic回归模型，结果显示最终模型服从正态分布。模型中包含的自变量与响应变量具有良好的线性关系（(图3c）。最后，采用5倍交叉验证法确定模型的可靠性。结果表明，基于4个特征miRNAs构建的logistic回归模型能够很好地将RA样本与健康样本区分开。

qRT-PCR实验验证

在这4个特征miRNA中，hsa-miR-142-5p、hsa-miR-1184和hsa-miR-1246在RA样本中表达下调，而hsa-miR-99b-5p在RA样本中表现出相反的趋势。因此，作者验证了hsa-miR-99b-5p在临床样本中的表达。我们的结果表明，与对照相比，RA样本中hsa-miR-99b-5p的表达更高（图3e），这与之前的生物信息学分析一致。