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

5.9/Q1,广西医科大三附院从宏观到微观:多组学整合+机器学习如何重塑骨关节炎免疫代谢研究?生信方法全解析

生信Othopadics • 9 月前 • 294 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~

当单细胞测序成为标配,如何从海量数据中挖掘真正的生物学故事,成为摆在每位研究者面前的难题。6月发表的一项骨关节炎研究,为我们提供了一个“生信方法范本”。该研究巧妙地融合Bulk RNA-seq与单细胞数据,并借助机器学习筛选关键基因,最终在单细胞分辨率下精准锁定了免疫-代谢互作网络。这种策略的优势在于能系统性地从宏观现象追溯到微观机制,极大提升研究的深度与说服力,这正是当前高分文章的“流量密码”。然而,其背后也面临着多组学数据整合、算法选择与计算资源等多重挑战。

下面和小骨一起来看具体文章内容吧!

文章标题:Integrated multi-omics and machine learning reveals immune-metabolic signatures in osteoarthritis: from bulk RNA-seq to single-cell resolution

中文标题:综合多组学和机器学习揭示骨关节炎的免疫代谢特征:从批量 RNA 测序到单细胞分辨率

发表期刊Frontiers in Immunology

发表时间2025年6

影响因子5.9/Q1


研究背景


骨关节炎(OA)已被视为一种由免疫-代谢相互作用核心驱动的复杂疾病。为系统揭示其分子网络与细胞异质性,本研究整合多组学与机器学习,从组织层面的批量RNA测序到单细胞分辨率,旨在解析OA关键的免疫-代谢特征。

研究方法


1. 生物标志物发现:基于批量RNA-seq数据,利用多种机器学习算法筛选与OA诊断相关的核心基因。
2. 免疫浸润分析:通过计算分析,初步揭示OA关节组织中免疫细胞浸润的特征及其与代谢过程的关联。
3. 单细胞验证与深化:在单细胞分辨率下,精确鉴定表达核心基因的细胞亚型,并深入解析特定细胞群(如巨噬细胞)内驱动OA的免疫-代谢互作网络
以机器学习从宏观转录组中挖掘线索,再用单细胞技术从微观层面进行细胞定位和机制阐明。

文章结果

免疫代谢相关DEGs的鉴定与富集分析


研究首先通过数据整合与去批次效应,确保了八个独立数据集的可靠性(图A-B)。在此基础上,研究鉴定出67个免疫代谢相关差异表达基因(DEGs)(图C-D)。表达模式与统计检验均证实这些DEGs的显著性(图E-F)。后续功能分析揭示,这些基因不仅共同富集于炎症反应与脂质代谢等关键通路,且相关基因集在OA中被显著激活(图G-H),系统性地提示了免疫代谢紊乱在OA发病中的核心作用。

免疫代谢相关基因与免疫代谢途径的相关性分析


图A显示OA中免疫与代谢通路被广泛激活。图B的相关性分析则进一步表明,这种全局性的通路激活与核心的免疫代谢基因表达变化密切相关,共同构成了OA复杂的相互作用网络。

共表达网络的构建


WGCNA分析鉴定出一个与OA免疫代谢特征高度相关的红色共表达模块。该模块基因在功能上显著富集于脂质代谢、AMPK信号通路及神经活性配体-受体相互作用等关键通路,提示其在OA免疫代谢调控中扮演核心角色。

免疫代谢相关枢纽基因的筛选

研究首先通过LASSO回归初步筛选出38个关键免疫代谢基因(图A-B)。随后,整合随机森林、Bagging、GBM、XGBoost及决策树共七种机器学习算法进行交叉验证(图C-I),最终共同鉴定出13个具有功能相似性的核心枢纽基因(图J),为后续研究提供了高置信度的候选靶标。

机器学习模型和卷积神经网络的建立和验证

如图A-D所示,SVM模型在七种算法中性能最优,训练集与验证集AUC均表现优异。同时,构建的CNN模型精度在训练过程中显著提升,最终也展现出强大的判别能力(图E-G),共同验证了所选生物标志物的有效性。

研究意义

究通过整合多组学与机器学习,首次在单细胞分辨率下系统揭示了骨关节炎中关键的免疫-代谢互作网络,不仅为理解其致病机制提供了新视角,也为开发新的诊断标志物和靶向疗法奠定了坚实基础。

(如果各位老师有生信方面的问题想要咨询,欢迎扫码联系小骨,小骨为您提供如下服务:免费思路评估、付费方案设计和生信分析等)

往期推荐


5.9/Q1,骨质疏松筛查顺带捞一篇一区文章:公开队列数据+零成本随访,两表一图生信人也能冲!

14.1/Q1,上海第十人民医院生信发文新范式:多组学整合+免疫微境剖析,HTR2B/STAT1/NLRP3轴的发文之路与挑战

20.3/Q1,多伦多大学8万核+空间转录组,首绘膝盖“脂肪地图”:一文拆解0实验冲到IF 20+的生信套路与坑点

16.4/Q1,GBD 2023 前瞻+2021 实战:低骨密度全球负担 0 实验发顶刊的生信套路与审稿雷区

14.1/Q1,北大学者从bulk到单细胞再到空间:三招生信组合拳,让EGR1轻松拿下干细胞顶刊

15.7/Q1,武大深度学习+38万人GWAS一键搞定20%遗传度!骨髓脂肪“因果”骨质疏松的生信超速发文套路,暗藏哪些坑?

15.7/Q1,川大多组学发NC:同一关节100k细胞纵向追踪,揭秘TNF/JAK抑制剂如何“精准拆弹”RA

11.7/Q1,Cell Metabolism同款生信套路拆解:38K单细胞+多组学锁定“衰老干细胞”引爆OA顶刊!

9.7/Q1,挪威奥斯陆大学解码腰椎术后风险:可解释机器学习整合影像组学特征与心理社会因子的预测引擎

30.9/Q1,cells子刊怎么发,南方医科大破解骨骼的“激素密码”:多组学锁定375个骨因子,揭开抗衰老新靶点!


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/188385