相关实验视频
Updated: Jan 17, 2026
09:26
The Monoiodoacetate Model of Osteoarthritis Pain in the Mouse
Published on: May 16, 2016
37.7K
鼠标骨关节炎模型的计算机翻译预测了人类疾病
Maya R Frost1, Brendan K Ball1, Meghana Pendyala2
1Weldon School of Biomedical Engineering, Purdue University, United States.
Osteoarthritis and cartilage
|September 21, 2025
概括
这项研究使用计算分析评估了两种对骨关节炎 (OA) 的小鼠模型. 这两种模型都显示出预测人类OA的潜力,为治疗发现提供了洞察力.
科学领域:
- 生物医学研究的研究.
- 计算生物学是一种计算生物学.
- 翻译科学是翻译的科学.
背景情况:
- 将临床前发现转化为像骨关节炎这样的人类疾病仍然是一个重大挑战.
- 可转换组件回归 (TransComp-R) 是一种用于识别疾病预测生物通路的计算框架.
- 评估常见的小鼠骨关节炎模型对人类数据的可翻译性至关重要.
研究的目的:
- 评估两种创伤后骨关节炎小鼠模型 (DMM和ACLR) 对人类软骨转录学数据的可翻译性.
- 通过跨物种计算方法确定预测人类骨关节炎的生物学途径.
- 为了为骨关节炎的治疗发现提供临床前模型的选择.
主要方法:
- 对公开可用的小鼠和人类骨关节炎软骨转录学数据的分析.
- 应用TransComp-R来将人类数据投射到小鼠模型主要组件分析 (PCA) 空间.
- 回归分析包括人类共变量 (性别,年龄) 和基因组丰富分析用于途径解释.
主要成果:
- 对于DMM和ACLR模型,已经确定了不同的生物途径.
- 两种模型都解释了至少在一个人体研究中超过50%的累积差异.
- DMM模型PC突出显示炎症,细胞信号和新陈代谢通路;ACLR模型PC显示免疫功能和细胞通路.
结论:
- 两种小鼠模型都成功地预测了人类的骨关节炎,特别是与没有关节病理的对照组相比.
- 跨物种,共变量意识的翻译方法有助于选择适合的人类骨关节炎研究的临床前模型.
- 这种方法支持人类骨关节炎的治疗发现和途径分析.
