在基于生物信息学分析和机器学习的骨关节炎中识别与端粒相关的诊断标记
Sheng Xu1, Jia Ye1, Xiaochong Cai1
1Department of Orthopaedics, Jinhua Wenrong Hospital, Jinhua 321000, Zhejiang, China.
概括
确定了用于骨关节炎 (OA) 诊断的新生物标志物. 三个与端粒相关的基因,PGD,SLC7A5和TKT,对早期检测和治疗这种普遍的关节疾病充满希望.
科学领域:
- 基因组学就是基因组学.
- 分子生物学分子生物学
- 生物标志物发现发现
背景情况:
- 骨关节炎 (OA) 是一种广泛的关节疾病,老化是主要的不可逆转因素.
- 与端粒相关的细胞衰老在OA中起作用,但缺乏特定的生物标志物.
研究的目的:
- 为了确定用于骨关节炎 (OA) 诊断的新型端粒相关基因生物标志物.
- 调查与这些生物标志物相关的诊断价值和免疫细胞透.
主要方法:
- 利用R软件对差异表达基因的基因表达综合数据集 (GSE51588,GSE12021,GSE55457) 进行分析.
- 应用机器学习算法 (LASSO,SVM-RFE,随机森林) 来从差异表达端粒相关基因 (DETMRGs) 中选择特征基因.
- 使用ROC曲线验证的诊断准确性和评估的免疫细胞透与CIBERSORT和xCell.
主要成果:
- 确定了三个与端粒相关的基因 (PGD,SLC7A5,TKT) 作为OA的重要诊断生物标志物.
- 通过ROC分析证实了PGD,SLC7A5和TKT的诊断价值.
- 观察到OA组织中瘤细胞,中性粒细胞,常见的淋巴细胞前体和与这些基因相关的乙素细胞的透减少.
结论:
- 鉴定出PGD,SLC7A5和TKT是骨关节炎的潜在诊断生物标志物.
- 这些发现提供了关于端粒相关基因在OA病变发生过程中的作用的见解.
- 鉴定的生物标志物可能有助于对OA的诊断和治疗策略.
