可解释的机器学习识别了小鼠对太空飞行肌肉反应的多omics签名

科学领域:

• 太空生物学空间生物学
• 分子生物学分子生物学
• 身体生理学 身体生理学

背景情况:

• 在太空飞行期间暴露于微重力会对哺乳动物产生不利的生理影响.
• 肌肉缩是一个重大问题,与水平失调和SERCA功能障碍有关.

研究的目的:

• 为了确定在太空飞行中肌肉缩的潜在生物标志物.
• 了解肌肉适应微重力的基础分子机制.

主要方法:

• 利用多组学 (转录组学,蛋白组学,DNA甲基化) 和从国际空间站上飞行的小鼠组织 (单体,前) 的生理数据.
• 在可解释的机器学习模型中使用QLattice符号回归来预测实验条件和再吸收.
• 分析了多omics特征以确定关键的预测生物标志物.

主要成果:

• Acyp1和Rps7蛋白被确定为最重要的预测生物标志物,用于太空中前肌肉的弹性.
• 该研究建立了可解释的模型,将多奥米克数据与再吸收和实验条件联系起来.

结论:

• 在太空旅行期间,Acyp1和Rps7显示为评估和潜在地减轻肌肉缩的生物标志物.
• 这些发现有助于开发应对宇航员面临的生理挑战的对策.