社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

6.6/Q1,机器学习+GEO数据集:探索从类风湿关节炎到骨质疏松转变的细胞凋亡相关遗传机制

生信Othopadics • 3 月前 • 215 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:Apoptosis-associated genetic mechanisms in the transition from rheumatoid arthritis to osteoporosis: A bioinformatics and functional analysis approach

中文标题:从类风湿关节炎到骨质疏松转变的细胞凋亡相关遗传机制:生物信息学和功能分析方法

发表期刊APL Bioengineering

发表时间2024年11

影响因子6.6/Q1

研究目的

骨质疏松症(OP)和类风湿性关节炎(RA)是两种普遍存在且相互关联的疾病,全球健康负担日益加重。导致RA和OP进展的一个关键过程是细胞凋亡或程序性细胞死亡。具体而言,RA中浸润关节组织的免疫细胞释放促炎细胞因子,促进骨形成细胞凋亡,导致骨密度和强度降低。尽管对这些过程有一定的了解,但将细胞凋亡与从RA到OP的进展联系起来的确切的传和分子途径仍然不清楚。本研究的目的是探讨糖皮质激素诱导的骨质疏松症(OP)和类风湿关节炎(RA)的机制,重点关注细胞凋亡及其在RA向OP发展过程中的作用。

研究方法

本研究从细胞死亡角度出发,结合了GEO数据集、WGCNA、功能富集分析、机器学习方法以及免疫浸润分析等全面分析了骨质疏松症(OP)和类风湿性关节炎(RA)之间的分子机制。

研究结果

1.基因选择过程及差异分析结果

首先从GEO数据集GSE12021 (RA)和GSE56814 (OP)中收集差异表达基因(DEGs)。对数据集GSE12021进行差异分析,鉴定出2660个p值小于0.05的基因。在GSE12021中,通过WGCNA分析,筛选出p值小于0.05的模块,得到1571个与RA相关的模块基因。OP的GSE56814数据集通过差异表达分析发现了418个关键基因。

2.富集分析

对23个关键基因进行富集分析。GO分析结果表明,这些关键基因主要富集于细胞器遗传、高尔基遗传和骨化等途径。KEGG富集结果表明,这些关键基因主要集中在破骨细胞分化和MAPK信号通路等通路中。

3.机器学习筛选

在OP数据集上使用LASSO筛选上述10个关键基因,从中确定了6个关键基因,即BRD4、MMP14、NR4A1、ATXN2L、NFKB2和ACIN1。随后进行随机森林分析,鉴定出10个关键基因。

文章小结

该研究探索了ATXN2L和MMP14基因可能在骨质疏松症和RA的发病机制中发挥重要作用,为今后的研究提供了新的视角和潜在的治疗靶点。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/178409
 
215 次点击