签名基因表达模型用于对小鼠MASH类肝损伤的定量评估
Volodymyr P Tryndyak1, Rose A Willett1, Zhuolin Song2
1Division of Biochemical Toxicology, FDA/NCTR, Jefferson, AR, USA.
Toxicology and applied pharmacology
|June 17, 2025
概括
代谢功能障碍相关的脂肪性肝病 (MASLD) 到MASH的进展可以使用74个差异表达基因的小组预测. 这种基因特征有助于评估肝损伤的严重程度和开发向疗法.
科学领域:
- 肝病学和分子生物学
- 基因组学和生物信息学
背景情况:
- 与代谢功能障碍相关的脂肪性肝病 (MASLD) 影响全球38%的人口,并可能发展为严重的肝病,如MASH,纤维化,肝硬化和肝细胞癌 (HCC).
- 推动MASLD进展和分层的分子机制仍然不完全理解,需要进一步研究.
研究的目的:
- 使用临床前的饮食模型确定MASLD进展的分子决定因素.
- 开发一种基于基因表达的模型,用于预测MASH的严重程度及其在人类中的翻译相关性.
主要方法:
- 在使用高脂肪和高糖 (HF / HS) 饮食的小鼠中建立了MASH类肝损伤的饮食模型,长达60周.
- 分析了全球肝脏转录基因变异,并确定了与MASH病理学得分相关的差异表达基因.
- 机器学习模型是使用已识别的基因特征来开发的,用于预测临床前模型中的MASH严重程度,并与人类基因表达数据进行验证.
主要成果:
- 慢性HF/HS饮食养诱导了肝脏基因表达的显著变化,与细胞死亡,增殖,炎症,纤维化和激增等相关.
- 确定了74个差异表达基因的小组,显示出与雄性和雌性小鼠MASH病理评分的显著相关性.
- 基于这些基因的机器学习模型在不同动物模型中准确预测了MASH类肝损伤严重程度,37基因模型也显示了高准确度.
结论:
- 一个特定的MASH相关基因小组可以有效地评估和监测MASH类肝损伤.
- 鉴定出来的基因特征表明了翻译相关性,为开发针对MASH的基于机制的药物提供了潜力.
- 这项研究为了解MASLD进展和指导治疗策略提供了有价值的工具.
