在衰老相关的骨关节炎中,通过整合式多组学和机器学习分析来表征刺路径特征

科学领域:

• 基因组学和生物信息学
• 分子生物学分子生物学
• 免疫学 免疫学 免疫学

背景情况:

• 骨关节炎 (OA) 具有衰老和炎症的特征,但对刺信号通路的作用尚不清楚.
• 了解OA病原体背后的分子机制对于开发有效的治疗策略至关重要.

研究的目的:

• 通过使用集成批量和单细胞RNA测序 (scRNA-seq) 来识别与骨关节炎 (OA) 相关的相关基因.
• 调查这些基因对OA发病的影响,包括途径活性,免疫透和细胞通信.

主要方法:

• 综合分析了多个散装RNA-seq数据集和一个scRNA-seq数据集OA.
• 机器学习算法用于识别关键的刺相关基因和验证预测模型.
• 基因组丰富分析 (GSEA),Cibersort,MCP计数器,ConsensusClusterPlus,权重基因共同表达网络分析 (WGCNA) 和实时PCR用于全面的分子和细胞表征.

主要成果:

• 在OA中观察到Hedgehog通路活性显著增强,确定了九个关键的Hedgehog相关基因.
• 预测模型显示出强大的能力,GSEA将这些基因与 lysosomal 功能联系起来.
• 确定了两个与刺相关的不同子组,其中一个显示上调的刺活动和炎症路径;scRNA-seq揭示了路径上调,时间基因表达变化和状细胞-巨细胞通信.

结论:

• 刺通路在OA中被显著激活,与细胞外矩阵和原蛋白相关联.
• 这种途径在调节OA微环境中的免疫细胞和炎症反应方面发挥着关键作用.
• 已识别的与子相关的基因和途径为未来的OA治疗干预提供了潜在的目标.