论文部分内容阅读
第一部分 中轴型脊柱关节炎患者生活质量的相关性研究目的中轴型脊柱关节炎（axial spondyloarthritis,axSpA）是一组主要累及中轴关节导致炎性腰背痛的自身炎症性疾病,它包括放射学阴性axSpA（non-radiographic axial spondyloarthritis,nr-axSpA）和放射学阳性axSpA（radiographic axial spondyloarthritis,r-axSpA）,后者又被称为强直性脊柱炎（ankylosingspondylitis,AS）。为了进一步提高患者的生活质量,本研究拟对我院axSpA患者的临床症状、HLA-B27亚型和生活质量等进行调查,并探究影响生活质量的相关因素。方法本研究招募了 2020年12月至2021年6月于我院门诊或住院部就诊的72例axSpA患者。首先使用结构化问卷记录患者的一般资料、生活质量评估表（ASQoL）、疾病评估量表（PGA、夜间背痛VAS、总体背痛VAS、BASDAI、BASFI）等。其中56例axSpA患者在充分获取知情同意后完成了 HLA-B27亚型的检测。所有数据均采用SPSS 25.0软件进行统计学分析。计数资料采用频数（百分比）进行描述,计量数据采用中位数（0.25百分位数,0.75百分位数）表示。组内比较采用非参数曼-惠特尼（Mann-Whitney）U检验,相关分析采用Spearman分析法。所有统计检验的显著性水平以p＜0.05为差异有统计学意义。结果（1）临床症状调查:对72例axSpA患者的临床症状调查发现,最常见的症状为腰、骶髂关节疼痛（88.89%）,其余的症状依次为晨僵（43.06%）、外周关节出现肿胀、压痛或畸形（15.28%）、跟部附着点炎（5.56%）、炎症性肠病（2.78%）、颈椎关节疼痛（1.39%）、指（趾）炎（1.39%）、葡萄膜炎（1.39%）。（2）HLA-B27亚型分布:在56例接受了 HLA-B27亚型检测的axSpA患者中,发现HLA-B*27:04亚型患者48例（85.71%）、阴性患者4例（7.14%）、HLA-B*27其他亚型患者3例（5.36%）和HLA-B*27:05亚型患者1例（1.79%）。（3）ASQoL调查结果:ASQoL调查结果显示第12项“我很容易感到疲倦”的阳性概率最高为40.28%。其他高阳性概率的选项依次为第17项“我的状况使我感到灰心失望”（29.17%）、第18项“我担心我会令人失望”（26.39%）、第8项“我必须停下手头的工作去休息”（26.39%）。结果显示,axSpA患者受疾病影响最多的方面为疲劳、抑郁、工作负担增加等。（4）ASQoL相关因素分析:利用Mann-WhitneyU秩和检验来验证不同的组别间的显著性差异。结果显示不同性别分组间,女性患者的ASQoL评分较高且有统计学差异（p＜0.05）。利用Spearman相关分析研究年龄、病程、发病年龄、疾病评估量表（PGA、夜间背痛VAS、总体背痛VAS、BASDAI、BASFI）与ASQoL的相关性,结果显示疾病评估量表（PGA、夜间背痛VAS、总体背痛VAS、BASDAI、BASFI）与ASQoL具有相关性（p＜0.001）。结论该研究证实了疼痛、病情评估量表与生活质量的相关性。在axSpA患者中,还观察到普遍存在的疲劳、心理问题以及工作负担增加等。由此可见,若要全面提高axSpA患者的生活质量,除了改善患者的治疗效果外,还需要医务工作者、患者家属以及患者本人的共同努力。第二部分基于表达谱芯片和GWAS探究强直性脊柱炎和克罗恩病的共同风险基因目的强直性脊柱炎（ankylosing spondylitis,AS）与克罗恩病（Crohn’s disease,CD）共病的情况给消化科和风湿科医生带来了挑战,为了揭示AS和CD之间的关联,本研究利用基因表达谱数据集与GWAS探究两种疾病共同的风险基因。方法从GEO数据库中筛选出两个表达谱芯片数据集GSE73754（AS vs.HC）和GSE119600（CD vs.HC）,并使用GEO2R分别对两个疾病组进行差异基因分析。首先,通过韦恩图分析获取两个疾病共同的上调差异表达基因（Differentially expressed genes,DEGs）和共同的下调DEGs。为了进一步探究DEGs的功能,使用Metascape分别对上调DEGs和下调DEGs进行GO/KEGG功能富集分析,并利用STRING在线网站和Cytoscape软件对上调DEGs进行了蛋白质-蛋白质相互作用网络（PPI）和hub基因分析。随后,为探究两个疾病数据集中炎症和细胞因子通路的富集情况,本研究使用基因集富集分析（GSEA）分析两个疾病组数据集的基因表达情况。最后,为获取AS与CD的共同风险基因,本研究将GWAS中两个疾病共同的关联基因与表达谱芯片数据集的DEGs进行交叉,并利用miRWalk和miRTarBase两个数据集平台对重叠基因进行了miRNA-mRNA调控网络分析。结果（1）在AS和CD两个疾病组间共鉴定出149个共同上调DEGs和82个共同下调DEGs,并利用Metascape对共同上调/下调DEGs进行了 GO/KEGG功能富集分析。从所有DEGs的PPI网络中发现了 16个hub基因,它们分别是DICER1、RPL9、RPL17、RPL14、EIF3M、EEF1B2、LYAR、RPS4X、RPL10A、RPL12、RPL36AL、RPS15A、FBL、RPS17、PSMA6、TCP1。对它们进行功能富集分析后发现,这几个基因富集于细胞组织加工的通路,如“真核翻译延伸”,“Nop56p相关的前rRNA复合物”,“60S核糖体亚基,细胞质”,“形成三元复合物,随后形成43S复合物”等。（2）两个疾病数据集的GSEA结果显示:在AS样本中相对高表达基因可以富集到10个炎症相关的基因集,CD样本可以富集到24个炎症相关的基因集。其中,有9个基因集为两个疾病数据集共有的富集基因集,包括:“GHPATHWAY”,“IL7PATHWAY”,“PAR1PATHWAY”,“IL3PATHWAY”,“P38MAPKPATHWAY”,“IL6PATHWAY”,“TOLLPATHWAY”,“MAPKPATHWAY”,“IL2RBPATHWAY”。此外,与健康对照组相比,AS和CD样本在“WPIL17SIGNALINGPATHWAY”中同样具有显著富集的情况。（3）在GWAS catalog和已发表文献中搜索AS与CD的共同风险基因,共发现7个基因与共同上调DEGs重叠,它们分别为ANTXR2、ERAP2、LRRK2、STAT3、TRIB1、HSPA6、PSMA6。利用网站对这7个基因进行miRNA的预测,共发现64个靶miRNA与之相关。研究发现,这些基因在解释AS与CD共病机制上具有一定的意义。结论本研究通过对AS与CD的基因表达谱进行GSEA分析,共发现9个炎症相关通路在疾病组富集,并基于基因表达谱芯片数据及GWAS,筛选出7个AS和CD的共同风险基因,为后续深入探究AS与IBD的关联提供了一些线索,未来这些基因可能是诊断与治疗的靶标。