识别与程序性细胞死亡相关的生物标志物，以用于骨质疏松症的潜在诊断和治疗

《Endocrine Metabolic & Immune Disorders - Drug Targets》：Identification of Programmed Cell Death-related Biomarkers for the Potential Diagnosis and Treatment of Osteoporosis

骨质疏松症中程序性细胞死亡相关基因及预测模型的构建与验证。

　　本研究聚焦于骨质疏松症（Osteoporosis, OP）与程序性细胞死亡（Programmed Cell Death, PCD）之间的关系，旨在揭示OP发生发展过程中可能涉及的基因调控机制。骨质疏松症是一种常见的代谢性骨病，其特征是骨密度降低、骨微结构退化以及骨骼脆性增加，从而显著提高了骨折的风险。该疾病通常在早期缺乏明显症状，直到发生骨折后才被发现，因此，建立有效的早期诊断和干预手段对于改善患者预后具有重要意义。现有的诊断方法如双能X线吸收法（Dual-energy X-ray Absorptiometry, DXA）虽然被广泛采用，但其应用往往局限于已经出现骨折的患者，这使得在疾病尚未显现时进行干预变得困难。因此，识别新的生物标志物成为当前研究的重点。

程序性细胞死亡是细胞主动调控自身生命活动的一种机制，主要包括凋亡、焦亡、坏死性凋亡、铜死亡、铁死亡、自噬相关细胞死亡、吞噬性细胞死亡、PARP介导的细胞死亡、中性粒细胞胞外陷阱（NET）释放、溶酶体依赖性细胞死亡、活性氧（ROS）敏感性细胞死亡以及pH依赖性细胞死亡等。这些细胞死亡机制在维持骨骼稳态中发挥着重要作用，其异常可能与OP的发生密切相关。研究表明，PCD在骨骼代谢中起着关键作用，尤其是通过调控成骨细胞和破骨细胞的活性，影响骨骼的重塑过程。因此，深入探讨与OP相关的PCD基因及其调控网络，有助于揭示疾病的潜在机制，并为开发新的诊断和治疗策略提供理论依据。

为了识别与OP相关的PCD基因，研究团队利用了公开的基因表达数据集GSE56814和GSE56815，这些数据集包含了来自不同个体的骨质疏松和正常对照样本。通过对这些数据集进行标准化处理，研究人员成功整合了82个正常样本和71个OP样本，并从中筛选出161个差异表达基因（Differentially Expressed Genes, DEGs）。在这些DEGs中，有30个被确认与PCD相关，进一步通过机器学习算法（如LASSO、Boruta和随机森林）筛选出五个关键的PCD相关基因：PDPK1、MAP1LC3B、ZFP36、DRAM1和MPO。这些基因被选为潜在的生物标志物，并用于构建一个预测OP风险的模型。

构建的预测模型采用了“列线图”（Nomogram）的形式，这是一种将多个变量转化为直观评分系统的工具，能够有效评估疾病的风险。模型的性能通过接收者操作特征曲线（ROC Curve）、校准曲线（Calibration Curve）和决策曲线分析（Decision Curve Analysis, DCA）进行验证。结果显示，该模型在GSE56815数据集中表现出较高的预测准确性，其曲线下面积（AUC）达到了0.911，远高于任何单一基因的预测能力。这表明，通过综合多个基因的表达信息，可以更精确地预测OP的发生风险，从而为临床提供更可靠的诊断依据。

进一步的分析表明，这些关键基因不仅在OP患者的样本中表现出显著的表达差异，还在调控网络中与多种转录因子（Transcription Factors, TFs）相互作用。通过构建TF-基因调控网络，研究人员发现，这些基因受到多个TF的调控，说明它们在OP病理过程中具有重要的调控作用。此外，功能富集分析（Functional Enrichment Analysis）揭示了这些基因在多个生物学过程和通路中的显著参与，包括凋亡、自噬、免疫反应以及与慢性炎症相关的信号通路。这些发现表明，OP的发生可能与多种细胞死亡机制的失衡有关，尤其是与免疫系统和炎症反应的异常密切相关。

研究还通过共识聚类（Consensus Cluster Analysis）将OP患者分为三个不同的亚群，每个亚群在基因表达模式和免疫浸润特征上表现出差异。其中，某些基因在不同亚群之间的表达差异显著，进一步支持了它们在OP发展中的关键作用。此外，免疫浸润分析显示，某些与免疫相关的通路在不同亚群中存在显著差异，这提示免疫系统的异常可能在OP的发病机制中扮演重要角色。例如，TGF-β家族成员及其受体、TNF家族成员受体等通路在OP中表现出明显的调控差异，说明这些通路可能通过影响破骨细胞的分化和成骨细胞的功能，从而在OP的病理过程中发挥重要作用。

值得注意的是，这些关键基因的表达模式与多种PCD机制相关。例如，MAP1LC3B和DRAM1是自噬相关基因，其表达变化可能影响自噬过程，进而影响骨代谢。ZFP36则与铁死亡相关，通过调控铁代谢相关蛋白的表达，可能在OP的发病过程中起到关键作用。PDPK1参与凋亡和溶酶体依赖性细胞死亡，其在OP中的表达变化可能影响细胞的存活和死亡平衡。MPO则与中性粒细胞胞外陷阱（NET）释放相关，其表达异常可能影响免疫反应和炎症水平，从而对OP的进程产生影响。这些基因的协同作用可能在OP的病理机制中形成复杂的调控网络，提示在疾病治疗中需要综合考虑多种细胞死亡机制的相互作用。

此外，研究还发现，这些基因在OP患者中的表达模式与免疫系统的活动密切相关。通过单样本基因集富集分析（ssGSEA）和基因集富集分析（GSEA），研究人员进一步揭示了这些基因如何通过调控免疫反应，影响OP的发展。例如，某些免疫通路在不同亚群中的表达水平存在显著差异，这可能意味着OP的进展过程中存在不同的免疫调控模式。这些发现不仅加深了对OP发病机制的理解，也为未来研究提供了新的方向。

尽管本研究取得了重要进展，但仍存在一定的局限性。首先，所使用的样本主要来自循环单核细胞，而非直接来源于骨组织，这可能影响对这些基因在骨组织中表达水平的准确评估。其次，研究结果主要基于生物信息学分析，缺乏实验验证，因此需要进一步的体内和体外实验来确认这些基因在OP中的具体作用机制。此外，由于所使用的公共数据库样本量有限，某些亚群的分析可能存在偏差，影响结果的普遍适用性。因此，未来的研究应结合更大规模的样本数据，并考虑基因表达以外的表观遗传、代谢和蛋白质组学变化，以更全面地揭示OP的发病机制。

总体而言，本研究通过整合生物信息学分析和机器学习方法，成功识别了五个与OP相关的PCD相关基因，并构建了一个具有高预测准确性的列线图模型。这些基因的表达变化不仅与OP的发生发展密切相关，还可能通过调控多种生物学过程和免疫反应，影响骨骼稳态。未来的研究可以进一步验证这些基因在OP中的具体作用机制，并探索其作为诊断和治疗靶点的潜力。随着对PCD机制的深入研究，有望开发出更有效的干预手段，以减少OP对患者健康的影响，并降低其对社会和经济带来的负担。