龙通华，张红参，许冬梅，曾志华，傅子原，关皓邺

    (1.右江民族医学院研究生学院，2.右江民族医学院附属医院康复医学科，3.广西高校重点实验室右江流域特色民族药研究重点实验室，广西百色 533000)

    骨关节炎(osteoarthritis，OA)是最常见的慢性退行性骨骼系统疾病之一，多见于中老年人。骨关节炎的病理特征是软骨退化、滑膜发炎、软骨下改变及骨赘形成，最终导致关节功能丧失[1]，因此骨关节炎是导致老年人关节疼痛、身体残疾和生活质量下降的主要原因之一[2]。目前，骨关节炎的发病机制仍不清楚，缺少可用于诊断的生物标志物，因此，利用生物信息学方法探索骨关节炎的生物标志物及其潜在的作用机制对于骨关节炎的诊断、治疗和预后至关重要。

    有研究发现，骨关节炎的发病机制与基因表达调控有关[3-4]。基因芯片技术、基因测序技术和生物信息学分析在基因组水平的数据分析中被广泛应用，可识别与骨关节炎发生发展相关的差异表达基因(differentially expressed genes，DEGs)和功能通路。加权基因共表达网络分析(weighted gene co-expression network analysis，WGCNA)是一种基于高通量基因表达谱的算法[5]。它被广泛用于识别各种疾病的基因共表达网络，以揭示基因之间的相关性，并找到疾病显著相关的基因模块[6-8]。基因表达综合数据库(gene expression omnibus，GEO, http: //www.ncbi.nlm.nih.gov/geo)是一个高通量微阵列和下一代测序序列功能基因组数据库[9]。基因本体论(gene ontology，GO)是注释基因和分析基因生物学过程的主要生物信息学工具[10]。京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes，KEGG)是一个整合了基因组、化学和系统功能信息的数据库，并对基因的功能进行系统化分析[11]。

    本研究基于生物信息学分析方法，通过GEO数据库下载含有20个骨关节炎和18个正常对照样本的高通量测序数据集GSE114007进行差异分析，利用WGCNA将差异基因分为不同的基因模块，并筛选出与骨关节炎显著相关的基因模块进行GO和KEGG富集分析，寻找其潜在的作用机制。蛋白互作(protein-protein interaction，PPI)网络筛选出DDIT3和BCL6作为关键基因。最后从GEO数据库下载GSE57218和GSE169077表达谱数据对训练集GSE114007分析结果进行验证 ......