目的:本研究目的在于通过生物信息学方法对骨关节炎(osteoarthritis,OA)相关的数据库进行分析,筛选出用于区分早期和晚期骨性关节炎生物标记物以及其免疫景观,为OA的诊断和治疗提供重要信息。方法:从GEO数据库(http://www.ncbi.nlm.nih.gov/geo)PF-6463922中,通过检索“osteoarthritis”,“synovium”,物种选择为“Homo sapiens”。经过筛选最终获取来自GPL96的三个数据集GSE55235、GSE55457和GSE55584。同样的,筛选后得到GSE1919(GPL91平台)、GSE12021(GPL96平台)、GSE105027(GPL21575平台)和GSE151341(GPL21697平台)作为验证集。使用R软件中的“in Silico Mselleck Alisertiberging”、“limma”、“ggplot2”等程序包,合并数据集,去除批次效应,筛选并可视化差异表达基因(DEGs)。通过在人类蛋白质图谱在线数据库(the Human Protein Atlas)中输入差异表达基因(DEGs),确定了组织特异性基因。接下来,通过Cytoscape插件“Clue GO”对所有DEGs进行了GO富集分析。进一步通过构建PPI网络、随机森林(random forest)和WGCNA等方法筛选hub基因。接下来通过Starbase v3.0和Cytoscape在hub基因中预测miRNAs和lncRNAs之间的相互作用,并构建了潜在的ceRNA网络。对hub基因和靶miRNAs进行了验证,确定hub基因与免疫细胞的关系。结果:通过从基因表达数据库(GEO)获得的综合数据集筛选出了182个差异表达基因,其中下调基因134个,上调基因48个。我们将所有的DEGs导入人类蛋白图谱数据库,以确定其组织特异性,发现有94个基因具有组织特异性。我们通过KEGG和Reactome对所有的DEGs进行了富集分析,发现DEGs在调节我们身体的免疫微环境、细胞信号转导中发挥了重要作用。接下来用PPI网络分析得3个免疫系统特异性hub基因如下:NFKBIA、IL1B和CXCL8。采用20个NM和26个OA样本的表达矩阵进行WGCNA检测,得到两个最终的hub基因,并通过ROC曲线证实这两个基因在OA中诊断效度高。此外,我们通过GSVA、Wilcoxon rank sum test和CIBERSORT等方法证明NFKBIA/CXCL8和静止肥大细胞之间存在显著的相关性。通过在线数据库研究了NFKBIA/CXCL8与miRNAs之间的相互作用,并构建了相关ceRNA网络。这个ceRNA网络可用于区分早期和晚期骨关节炎,其中包括三个microIntradural ExtramedullaryRNAs(hsa-miR-493-255p、hsa-miR-381-3p和hsa-miR-889-3p)和两个长链非编码RNA(NEAT1和XIST)。结论:在本研究中,我们揭示了OA与两个免疫系统特异性基因NFKBIA和CXCL8之间的关联。此外,我们构建了两个ceRNA网络,它们可能作为潜在的区分早期和晚期OA的生物标记物。另外,我们验证了这两个网络的诊断价值,并证实了静息肥大细胞与两个ceRNA网络之间的关系。这两个ceRNA网络可能为骨关节炎的早期诊断和改善预后提供新的见解。