通过综合生物信息学分析和机器学习,构建一种与糖溶解相关的骨关节炎诊断模型

科学领域:

• 生物化学 生物化学
• 分子生物学分子生物学
• 遗传学 遗传学 是一个

背景情况:

• 骨关节炎 (OA) 是一种广泛的退行性关节疾病,导致严重的残疾.
• 糖溶解对状细胞的能量代谢至关重要,并与OA病变发生有关.
• 了解糖解相关基因 (GRGs) 在OA中的作用至关重要.

研究的目的:

• 调查糖解相关基因 (GRGs) 和骨关节炎 (OA) 之间的关系.
• 根据GRG来识别OA的潜在诊断生物标志物.
• 探索涉及OA中的GRG的监管机制.

主要方法:

• 对公开可用的基因表达数据集 (GEO数据库) 的分析.
• 差异表达分析的应用,加权基因共同表达网络分析和机器学习.
• 使用qRT-PCR和免疫组织化学 (IHC) 确定生物标志物的验证.
• 构建一个竞争的内源RNA (ceRNA) 网络.

主要成果:

• 确定三种GRG (HMGB2,SLC7A5,ADM) 作为OA的诊断生物标志物.
• 一个诊断模型实现了高精度 (AUC 0.92培训,0.85验证).
• 枢纽基因的差异表达在人类OA软骨中得到证实.
• lncRNA XIST被确定为这些生物标志物的潜在调节者.

结论:

• 糖溶解在OA病变发生过程中起着重要作用.
• HMGB2,SLC7A5和ADM是OA的有希望的诊断生物标志物.
• 针对与糖解相关的基因,包括IncRNA XIST,可能为OA提供治疗策略.