7.5/Q1，骨头是怎么被抗凝药“掏空”的？望京医院团队用公共数据库+机器学习，直接锁定两个“捣乱分子”

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~

想复现高分生信文章，关键得看懂“临床+生信”的组合拳。小骨今天分享的这篇刚发表的JTM文章就是绝佳模板：它先用MIMIC-IV数据库2万多例数据实锤“依诺肝素用超90天，骨质疏松风险暴增10倍”，但这只是引子。真正的发文杀手锏在于后头的生信流水线——网络毒理学捞靶点、GEO差异分析、WGCNA找模块、LASSO机器学习降维，最后筛出CDK16和VHL两个核心基因，再做分子 docking 验证。
这套“临床问题+多组学筛选+机器学习”的套路，发文优势极其明显：全是公共数据库不花钱，逻辑闭环好讲故事，关键是极易复现。换个药、换个病，立马又是一篇。所以说，别再生信只做肿瘤预后了，拿去解释药物安全性才是新趋势。

下面和小骨一起来看具体文章内容吧！

文章标题：Long-term enoxaparin use and osteoporosis risk: a real-world cohort study with integrative computational and network toxicology approaches

中文标题：长期使用依诺肝素与骨质疏松风险：综合计算和网络毒理学方法的现实队列研究

发表期刊： J Transl Med

发表时间：2026年4月

影响因子：7.5/Q1

研究背景

尽管依诺肝素被认为比普通肝素的骨骼毒性更低，但长期使用是否会增加骨质疏松风险缺乏真实的临床证据，其潜在分子机制也不明确。

研究方法

本研究是一项基于MIMIC-IV数据库的回顾性队列研究，共纳入23,852名使用依诺肝素的成人患者。首先通过多变量逻辑回归、限制性立方样条（RCS）和中介分析，评估依诺肝素暴露时间与骨质疏松风险的关联。随后，整合网络毒理学、转录组差异分析、加权基因共表达网络分析（WGCNA）、LASSO机器学习特征筛选及分子对接等方法，筛选药物与疾病的共同靶点，识别核心基因，并预测其结合能力。所有统计分析使用R和SPSS软件完成。