揭露CDKN1A和RELA:机器学习驱动的衰老生物标志物用于膝关节骨关节炎的精确诊断和治疗

科学领域:

• 生物医学科学 生物医学科学
• 基因组学就是基因组学.
• 分子生物学分子生物学

背景情况:

• 膝关节骨关节炎 (KOA) 是一种退行性关节疾病,其特征是软骨的分解,与细胞衰老有关.
• 鉴定KOA与衰老相关的生物标志物仍然是一个重大挑战,尽管了解疾病机制的进展.

研究的目的:

• 系统地识别和验证膝关节骨关节炎 (KOA) 中与衰老相关的生物标志物.
• 探索已识别的生物标志物的潜力,作为精确KOA干预的诊断和治疗目标.

主要方法:

• 综合分析KOA基因表达数据集与与衰老相关的基因数据库.
• 利用机器学习 (LASSO,SVM-RFE,随机森林) 来选核心生物标志物.
• 进行了功能丰富 (GO,KEGG,GSEA),免疫细胞透分析 (CIBERSORT),单细胞RNA测序和分子对接.
• 在体内使用小鼠KOA模型和qRT-PCR/Westernblotting验证的结果.

主要成果:

• 在KOA中确定了90个与衰老相关的差异表达基因 (ARDEGs),与衰老和新陈代谢有关.
• 确定了CDKN1A和RELA作为核心生物标志物,在KOA突组织中被发现是下调的.
• 证明了免疫代谢相关性,并证实了对这些生物标志物的黄素结合亲和力.
• 验证了CDKN1A的诊断稳定性和RELA的队列特定意义.

结论:

• CDKN1A和RELA已被验证为膝关节骨关节炎的下调生物标志物.
• 这些生物标志物与细胞循环调节和炎症有关,导致软骨退化.
• 它们的免疫代谢概况和与黄素的相互作用表明,它们有可能用于精确的KOA诊断和治疗.