在基于机器学习算法的骨关节炎中识别生物标志物和免疫透,对脂质代谢相关基因进行免疫透特征
Yuanye Ma1, Yang Liu1, Dan Luo2
1Department of Orthopedics, The Affiliated Hospital of Qingdao University, Qingdao University, Qingdao 266003, China.
Aging
|April 18, 2024
概括
这项研究使用机器学习识别了与骨关节炎 (OA) 发病相关的关键脂质代谢基因. 这些生物标志物显示出诊断潜力,并揭示了OA患者免疫细胞和代谢功能障碍之间的联系.
科学领域:
- 生物化学 生物化学
- 遗传学 是一个遗传学.
- 免疫学 免疫学 免疫学
背景情况:
- 骨关节炎 (OA) 是一种广泛的退行性关节疾病,导致严重的残疾,特别是在老年人中.
- 目前的OA治疗方法有限,其潜在的致病性,特别是代谢过程的作用,仍然不太了解.
研究的目的:
- 研究脂质代谢相关基因 (LAG) 在骨关节炎 (OA) 发病过程中的作用.
- 根据LAG来确定OA的潜在诊断生物标志物.
- 探索OA中免疫透和LAG之间的关系.
主要方法:
- 使用公共数据库和机器学习算法 (WGCNA,LASSO,RF).
- 进行了免疫透分析和途径丰富分析.
- 进行了体外实验:qRT-PCR,西部斑,脂质滴滴分析和线粒体脂肪酸氧化试验.
主要成果:
- 确定了三种与OA中的脂质代谢相关的新生物标志物.
- 在OA患者中评估了这些生物标志物的诊断价值.
- 发现免疫细胞透和已识别的生物标志物之间存在显著的相关性.
- 验证了异常的LAG表达,并在体外证实了脂质代谢和OA之间的联系.
结论:
- 脂质代谢在OA的发病过程中起着至关重要的作用.
- 确定的LAG可以作为OA的潜在诊断生物标志物.
- 免疫细胞透与OA中的代谢失调密切相关,这表明了新的治疗点.
