通过整合生物信息学和机器学习来开发用于骨关节炎的新诊断模型
Jian Du1,2, Tian Zhou2, Wei Zhang2
1Department of Orthopedics, The Fourth Medical Centre, Chinese PLA General Hospital, No.51 Fucheng Road, Haidian District, Beijing, 100048, People's Republic of China.
Journal of orthopaedic surgery and research
|December 19, 2024
概括
这项研究确定了四个关键基因 (BTG2,CALML4,DUSP5,GADD45B) 用于使用生物信息学和机器学习诊断骨关节炎 (OA). 一个人工神经网络 (ANN) 模型展示了早期OA检测和个性化治疗的强大诊断性能.
科学领域:
- 生物信息学和计算生物学
- 机器学习在医疗保健中的应用
- 基因组学和分子生物学
背景情况:
- 骨关节炎 (OA) 是老年人常见的残疾原因,严重影响生活质量.
- 当前的诊断方法可能无法促进早期检测,阻碍及时干预.
- 开发新的诊断工具对于改善患者的治疗结果至关重要.
研究的目的:
- 利用生物信息学和机器学习开发一个人工神经网络 (ANN) 模型来诊断OA.
- 确定用于早期OA检测的关键分子标记物.
- 在OA管理中为个性化治疗策略提供基础.
主要方法:
- 利用基因表达综合 (GEO) 数据集用于突组织微阵列分析.
- 使用Limma包和WGCNA识别了差异表达基因 (DEG).
- 采用蛋白质与蛋白质相互作用 (PPI) 网络分析和机器学习来选特征基因.
- 构建了一个ANN诊断模型,并使用ROC曲线验证了其性能.
- 通过实时定量聚合酶链反应 (qRT-PCR) 验证基因表达.
- 使用CIBERSORT进行了免疫细胞透分析.
主要成果:
- 确定了72种DEG,其中12种在OA中具有上调和60种在OA中具有下调.
- 选了具有高诊断潜力的四个特征基因 (BTG2,CALML4,DUSP5,GADD45B).
- 开发了一个ANN模型,AUC为0.942 (培训) 和0.850 (验证).
- 通过qRT-PCR确认了特征基因的差异表达.
- 观察到异常免疫细胞透和OA进展之间的相关性.
结论:
- BTG2,CALML4,DUSP5和GADD45B被确定为OA的潜在诊断生物标志物.
- 基于这些基因的ANN模型显示了OA的有希望的诊断准确性.
- 这种方法为早期骨关节炎诊断和个性化治疗策略提供了一个新的视角.


