Py学习  »  机器学习算法

11.4/Q1, 机器学习:血浆蛋白质组学谱揭示了与骨质疏松症相关的蛋白质和 3 种特征模式

生信Othopadics • 6 月前 • 132 次点击  

如果您对骨科疾病生信临床研究感兴趣,请为小骨点点关注,持续解读骨科前沿生信文献和思路。如果您需要定制化服务,欢迎扫码联系小骨~

文章标题:Plasma proteomic profiles reveal proteins and three characteristic patterns associated with osteoporosis: A prospective cohort study

中文标题:血浆蛋白质组学谱揭示了与骨质疏松症相关的蛋白质和 3 种特征模式:一项前瞻性队列研究

发表期刊J Adv Res

发表时间2024年10

影响因子11.4 /Q1

研究目的

探索与骨质疏松症相关的血浆蛋白可以深入了解其病理发展,确定用于筛查高危人群的新型生物标志物,并促进发现有效的治疗靶点。本研究旨在确定与骨质疏松症相关的潜在蛋白质,并从蛋白质组学角度探索潜在机制。

研究方法

该研究包括英国生物样本库 (UKB) 中 42,325 名没有骨质疏松症的参与者,其中 1,477 人在随访期间患上了骨质疏松症。我们使用 Cox 回归和孟德尔随机化分析来检查血浆蛋白与骨质疏松症之间的关联。利用机器学习来探索对骨质疏松症风险具有很强预测能力的蛋白质。

研究结果

1.鉴定与骨质疏松症相关的蛋白质


在分析的 2919 种血浆蛋白中,有 205 种蛋白与模型 1 中的骨质疏松症显著相关。在模型 2 中,134 种蛋白质仍与骨质疏松症显著相关。硬化素 (SOST) 、脂联素 (ADIPOQ) 、肌酸激酶 B 型 (CKB) 、生长/分化因子 15 (GDF15) 和 IGFBP2 在所有模型中均显示出与骨质疏松症最显著的相关性。

2.血浆蛋白与骨质疏松症之间的因果关系

采用双样本孟德尔随机化,我们验证了欧洲人群血浆蛋白与骨质疏松症之间的因果关系。Steiger 方向检验支持与骨质疏松症显著相关的所有蛋白质的定向因果关系。11 种蛋白与骨质疏松症显著相关 (P < 至少三种 MR 方法为 0.05),而 6 种蛋白表现出提示相关性 (P < 0.05 至少两种 MR 方法)。值得注意的是,来自肿瘤坏死因子 (TNF) 家族的 4 种蛋白与骨质疏松症显著相关,TNFRSF9在所有方法中均显示出显著关联。

3.机器学习识别具有重要预测能力的蛋白质

首先,我们根据预测模型中的显着性对与骨质疏松症相关的 134 种蛋白质进行排名。FSHB 、 SOST 和 ADIPOQ 成为主要预测因子。随后,我们将前 10 种蛋白 (包括 FSHB 、 SOST 、 ADIPOQ 、 HAVCR1 、 CGA 、 EDA2R 、 GDF15 、 NEFL 、 GAST 和 IGDCC4 )选择到模型中进行进一步预测分析。SHAP 图显示,FSHB 和 SOST 在骨质疏松症患者中的范围最广,突出了它们强大的预测能力。

文章小结

研究确定了几种与骨质疏松症相关的蛋白质,并强调了血浆蛋白通过三个主要途径影响其进展的作用:免疫、脂质代谢和 FSH 调节。这为骨质流失的不同分子模式和发病机制提供了进一步的见解,并可能有助于加强对病情的早期诊断和长期监测。如果您对生信分析和公共数据库挖掘感兴趣,但时间和精力有限或者缺乏相关经验,小骨非常乐意为您提供如下服务:免费思路评估、付费方案设计和生信分析等,有意向的老师欢迎联系小骨哦!

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/178137
 
132 次点击