通过机器学习和免疫组织化学,确定WDR74和TNFRSF12A作为早期骨关节炎的生物标志物
Yiwei Chen1,2, Jiali Lin3, Detong Shi3
1Department of Orthopedics, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai, China.
Frontiers in immunology
|February 12, 2025
概括
这项研究确定了WDR74和TNFRSF12A作为早期骨关节炎 (OA) 检测的关键无化相关基因. 使用这些基因的机器学习模型在诊断OA方面显示出高准确度,有助于早期干预.
科学领域:
- 基因组学就是基因组学.
- 生物标志物发现发现
- 计算生物学 计算生物学
背景情况:
- 骨关节炎 (OA) 是一种退行性关节疾病,影响移动性和生活质量,需要早期检测以获得更好的结果.
- 与化相关的基因 (URG) 正在成为预测早期OA的潜在指标.
- 将URG表达式与机器学习 (ML) 集成为识别新型OA生物标志物提供了一个有前途的途径.
研究的目的:
- 利用URG表达数据和ML算法来识别用于早期OA诊断和预后的强大的生物标志物.
- 使用URG开发和验证基于ML的OA诊断模型.
- 探索已识别的URG作为治疗目标的潜力.
主要方法:
- 分析了来自OA患者的单细胞RNA测序数据,以了解状细胞组成和细胞间通信.
- 确定了URG并分析了它们的表达模式,并计算了无处不在的分数.
- 开发了一个XGBoost ML模型来识别核心URG并构建诊断分类器,其性能由AUC-ROC评估.
- 用qRT-PCR和免疫组织化学 (IHC) 验证基因表达.
主要成果:
- 确定了WDR74和TNFRSF12A作为关键的URG,与OA显著相关.
- 基于ML的诊断模型实现了高精度,AUC值超过0.9.
- 在体外和体内验证证证实了OA组织中WDR74和TNFRSF12A的上调.
结论:
- WDR74和TNFRSF12A是早期OA检测的有希望的诊断生物标志物.
- 这些基因代表了OA干预的潜在治疗点.
- 这些发现支持使用ML和URG分析来推进OA诊断和治疗策略.
