人工神经网络推断分析发现了与骨肌肉衰老相关的新基因和基因相互作用
Janelle Tarum1, Graham Ball2, Thomas Gustafsson3,4
1Department of Sport Science, Sport, Health and Performance Enhancement Research Centre (SHAPE), School of Science and Technology, Nottingham Trent University, Nottingham, UK.
Journal of cachexia, sarcopenia and muscle
|August 30, 2024
概括
人工神经网络推断确定了ZDBF2,USP54和CHAD作为预测肌肉衰老的关键基因. 这些发现为开发应对萨科佩尼亚的干预措施提供了洞察力.
科学领域:
- 基因组学和分子生物学
- 衰老研究研究 衰老研究
- 运动生理学 运动生理学
背景情况:
- 萨科佩尼亚是一种与年龄相关的肌肉疾病,与肌肉蛋白质降解的增加有关.
- 像Akt和FOXO1这样的分子通路与肌肉衰老有关.
- 需要对肌肉衰老和运动进行新的遗传和分子洞察.
研究的目的:
- 识别与肌肉衰老相关的以前未被发现的基因,相互作用和途径.
- 为了研究与老年人抵抗运动相关的分子变化.
- 为了利用人工智能,特别是人工神经网络推理 (ANNi),进行新的发现.
主要方法:
- 使用ANNi (智能奥米克) 分析了四个基因表达综合 (GEO) 数据集.
- 确定前200个驱动/目标基因及其与衰老和运动相关的相互作用.
- 使用Metacore和Metascape进行基因本体学 (GO) 分析.
- 使用实时定量PCR (RT-qPCR) 验证关键基因相互作用的人类肌肉活检.
主要成果:
- 查德,ZDBF2和USP54被确定为强烈相互作用的基因,预测肌肉衰老.
- 通过RT-qPCR检测证实了ZDBF2,USP54和CHAD在老化肌肉中的显著上调.
- GO分析揭示了与骨发育,免疫反应和衰老肌肉中的亡,以及老年人运动中的ECM重塑,蛋白质折叠和蛋白质分解相关的途径.
结论:
- ANNi和RT-qPCR成功地确定了ZDBF2,USP54和CHAD作为肌肉衰老的关键预测因素.
- 这些已识别的基因和途径为未来的肉症干预提供了基础.
- 该研究强调了人工智能在揭示衰老和运动中的复杂生物机制方面的潜力.
