类风湿关节炎（rheumatoid arthritis, RA）是一种具有复杂分子基础的自身免疫性疾病，常伴有骨质破坏。骨质疏松（osteoporosis, OP）是一种以骨量减少为特征的代谢性骨病，它与RA在免疫调控等生物学过程中存在共同特征。然而，RA和OP之间的关联性在分子层面上的关联机制尚不明确。本研究旨在通过结合生物信息学和机器学习方法，阐明该两种疾病共享的分子机制，识别潜在的诊断性生物标志物，并揭示治疗靶点。

采用加权基因共表达网络分析（weighted gene co-expression network analysis, WGCNA）识别OP相关基因模块。将RA的DEGs与OP相关模块基因取交集，并进行蛋白-蛋白相互作用（protein-protein interaction, PPI）网络分析。通过LASSO回归与随机森林（random forest）等机器学习算法筛选候选核心基因。采用生存分析与受试者工作特征（ROC）曲线评估其预后与诊断价值。进一步利用单细胞RNA测序（scRNA-seq）数据验证目标基因在不同细胞亚群中的表达分布，并评估药物敏感性以筛选潜在治疗药物。

共鉴定出60个RA相关DEGs与OP相关模块的共享基因。其中CKS2、S100A8和C14orf2等被优先筛选为核心基因。经生存分析与ROC曲线分析等验证上述基因的诊断效果。单细胞RNA-seq数据进一步证实了这些生物标志物在特定细胞类型中的表达特征。

 CKS2、S100A8和C14orf2可能是RA和OP中参与免疫调节和骨质破坏的关键分子标志物。本研究为二者共病的分子机制提供了有价值的见解，并为相关患者提供了新的治疗策略。