鼠标骨关节炎模型的计算机翻译预测人类疾病

科学领域:

• 生物医学研究生物医学研究
• 计算生物学 计算生物学
• 翻译科学 翻译科学

背景情况:

• 将临床前发现转化为人类疾病,特别是骨关节炎 (OA),仍然是一个重大挑战.
• 可转换组件回归 (TransComp-R) 是一个计算框架,旨在整合临床前和人类数据,以确定预测性生物途径.
• 两种常见的创伤后骨关节炎的小鼠模型,中间阴囊 (DMM) 的不稳定和前十字带断裂 (ACLR),经常被使用,但它们对人类骨关节炎的可转化性需要评估.

研究的目的:

• 评估DMM和ACLR小鼠模型对人类OA转录基因软骨数据的可翻译性.
• 通过TransComp-R框架,在小鼠模型中识别预测人类OA状况的生物途径.
• 为了比较DMM和ACLR模型在重新总结人类OA转录组签名方面的有效性.

主要方法:

• 来自DMM和ACLR小鼠模型和人类OA患者的转录基因软骨数据是从基因表达总汇中获得的.
• 使用TransComp-R将人类OA数据投射到从DMM和ACLR小鼠模型中获得的主要组件分析 (PCA) 空间中.
• 使用线性回归模型,结合性别和年龄等共变量,将小鼠主要成分 (PC) 与人类OA条件相关联. 基因组丰富分析 (GSEA) 解释了重要的生物途径.

主要成果:

• 使用TransComp-R.使用DMM和ACLR模型之间确定了不同的生物途径.
• DMM模型PC与细胞信号和代谢途径有关.
• ACLR模型PC突出显示了与OA相关的免疫功能和细胞通路,在预测人类OA方面表现出更大的成功,特别是与健康人群对照相比.

结论:

• 与DMM模型相比,ACLR小鼠模型对人类OA转录组数据的翻译性更高.
• 在ACLR模型中确定的免疫通路强调了它对于理解人类OA的相关性.
• 使用像TransComp-R这样的计算框架进行跨物种转化分析对于选择适当的临床前模型来进行治疗发现和人类疾病的途径分析是有价值的.