基于机器学习算法和单细胞测序分析的骨关节炎关键基因的识别和实验验证

科学领域:

• 生物医学研究的研究.
• 基因组学就是基因组学.
• 骨关节炎的研究研究.

背景情况:

• 骨关节炎 (OA) 是老年人残疾的主要原因.
• 识别诊断标志物对于理解OA机制和早期检测至关重要.

研究的目的:

• 为了确定骨关节炎 (OA) 的特征基因.
• 将OA亚型分类并探索它们的生物和免疫差异.
• 验证关键基因作为早期OA的潜在诊断和预测标记.

主要方法:

• 分析了来自两个GEO数据集的突组织基因表达数据.
• 使用机器学习识别差异表达基因 (DEG) 和关键基因.
• 分类OA亚型和分析免疫细胞透.
• 利用单细胞RNA测序数据 (GSE152805) 来检查细胞类型特定的基因表达.
• 使用qPCR验证了关键基因表达.

主要成果:

• 确定了四种典型的OA基因:AGMAT,MAP3K8,PER1和XIST.
• 这些基因独立地预测了OA的发生,并使OA样本分为两个具有不同的功能和免疫特征的亚型.
• 同胞内膜纤维细胞 (SIF) 显示了关键基因的过度表达,与OA进展和免疫细胞含量相关.
• qPCR验证证实了AGMAT,MAP3K8和PER1.1的表达趋势.

结论:

• AGMAT,MAP3K8,PER1和XIST与关节炎的进展密切相关.
• 这四种基因作为早期骨关节炎的有价值的诊断和预测标记物.