探索性骨-脑转录组学关联及用于骨折愈合的基于常微分方程的数字孪生框架

《Brain Research》：Exploratory bone–brain transcriptomic associations and an ODE-based digital-twin framework for fracture healing

　　

骨折愈合激活全身骨骼-神经信号通路程序。骨-脑枢纽基因汇聚于神经免疫和血管通路。单细胞分析揭示小胶质细胞和内皮细胞区域的作用。数字孪生模型将修复受损动力学与认知脆弱性联系起来。精准模拟提出了骨和脑保护的策略。引言：骨折愈合依赖于炎症、血管、免疫和骨骼细胞群体之间的协调相互作用（Xue等，2026年5月）。骨折愈合是一个有序的编排过程，包括炎症的逐步消退、间充质干细胞的募集、血管新生的重塑、成骨细胞与破骨细胞的偶联、骨痂形成和骨结构的恢复（Xue等，2026年5月，Ben Letaifa等，2024年5月15日）。骨折愈合传统上被视为局部组织修复过程。然而，新兴证据表明，骨骼损伤会引发广泛的全身性反应，包括免疫激活、代谢适应、血管重塑、凝血和内分泌调节（Maruyama等，2020年6月）。这些发现表明，骨再生受不同生理系统整合作用的影响，而非孤立的骨骼事件（Evans等，2024年3月）。近期研究支持这一观点，表明Wnt5a依赖性的对骨质疏松脂肪源性干细胞的调控影响成骨分化和骨缺损修复，提示有效的骨骼再生取决于不同再生区室中整合的细胞程序的作用（Liu等，2025年2月）。骨骼系统与神经系统之间的通讯引起了越来越多的关注（Nasme等，2025年2月）。骨和脑共享许多调控通路，控制发育、衰老、炎症和组织稳态。经典的成骨调节因子，如RANKL/OPG信号轴和骨形态发生蛋白，在骨骼重塑和神经生物学中具有明确的功能（Yuan等，2019年5月7日）。同样，血管生成和炎症介质如ANGPT1、GDF15、MMP9和细胞因子参与血管完整性、免疫调节和神经退行性病变（Xue等，2022年2月，Ince等，2024年12月，Rempe等，2016年9月）。流行病学和实验研究指出骨质疏松、骨折、认知衰退、阿尔茨海默病（AD）和年龄相关衰弱之间存在双向关系（Nasiri等，2025年11月）。骨源性因子与神经发生、突触可塑性和神经炎症相关。反之，神经系统疾病常通过内分泌、自主神经和行为通路影响骨骼代谢和骨折风险。支持这些观点的机制研究表明，绝经时雌激素缺乏增强了小胶质细胞介导的神经炎症（Usman和Mondal，2025年7月），以及对STING1等免疫信号通路的调控可影响远端组织的细胞增殖和适应性反应（Li等，2025年6月），这些观察为骨骼-神经串扰提供了间接背景，但并未确立其因果关系（Zhang和Zhang，2024年7月）。尽管取得了这些进展，骨-脑轴的生物架构仍未完全理解（Liu等，2025年12月2日，Mao等，2026年5月，Zhao等，2026年5月25日，Rong等，2026年3月）。大多数先前研究集中于单个生物标志物或孤立的信号通路，通常使用横断面实验设计，对骨折愈合和神经调控背后的动态相互作用知之甚少。同样，骨骼疾病和神经退行性疾病通常作为独立的生物学实体进行研究，尽管有越来越多的证据表明它们共享炎症、血管和代谢机制。很少有研究在检查骨骼-神经关联时整合分子、细胞、组织水平、遗传和临床证据。系统生物学和数字医学的最新进展引入了数字孪生的概念，即将复杂生物系统的计算表征，能够整合跨多个尺度的异质性数据（Khoshfekr Rudsari等，2025年11月）。数字孪生方法在心血管医学（Van Osta等，2026年6月）、肿瘤学（Giansanti和Morelli，2025年5月20日）、代谢紊乱（Seyedi等，2025年12月）和重症监护（Kuruppu Appuhamilage等，2025年6月19日）领域展现了相当大的前景，通过将机制建模与机器学习和可用的临床或生物数据相结合，模拟疾病进展和治疗反应。机制常微分方程（ODE）模型（Lo等，2021年3月15日）、图神经网络和系统药理学框架为表征动态生物学相互作用和优化精准干预提供了互补方法。然而，数字孪生概念在骨折愈合和骨-脑通讯领域的应用仍是大片未开发之地（Li等，2026年1月）。具体而言，将分子发现、动态骨骼再生、神经调控、遗传证据和治疗优先级整合到统一的数字孪生框架中的工作尚未系统开展。相关计算研究已将实验数据与多尺度建模和多模态分子分析相结合；这些实例提供了方法学背景，但未验证骨折愈合模拟框架（Tang等，2025年2月，Onyeagba和Tesfamichael，2025年3月24日）。另一个主要挑战在于将系统水平的生物学知识转化为临床可行的策略。虽然多组学技术已大幅扩展了我们对骨折生物学和神经退行性病变的理解，但将转录组、单细胞、组织水平、遗传和临床信息整合到个性化预测和治疗决策中的工作仍然有限。现有的干预策略通常专注于骨骼修复，其神经学或长期全身效应仍不确定。共享骨-脑调控网络的鉴定提出了针对协调的骨骼-神经通路的精准干预可能提供机会改善骨折管理，同时可能影响神经系统结果的可能性（Nasme等，2025年2月，Pinnamaneni等，2025年12月）。近期的多组学和单细胞研究同样表明细胞网络因组织背景而异，但其与骨折相关的骨骼-神经关联的相关性仍不确定（Ni等，2026年3月，Wu等，2024年8月）。在本研究中，我们使用了一种分层框架，将有审计的转录组证据与描述性单核分析和探索性模型或文献推导模块分开。我们探讨了作者策展的基因面板是否在三个可追溯的人类不良骨表型队列中显示出可重复的表达差异，以及这些信号是否也存在于一个阿尔茨海默病总脑数据集中，以及基于ODE的模型如何在前设假设下展示骨折愈合动力学。研究设计与分析框架：本研究采用分层二次分析框架，将有审计的经验分析、描述性定位和模型或文献推导的探索性研究分开。有审计的经验层包括三个与人类骨相关的二元对比的随机效应合成、单独校正的GSE48350阿尔茨海默病总脑对比，以及GSE138852内的描述性细胞内定位。先前的网络和多模态研究为探索性转录组对比提供了方法学背景——不良骨表型与阿尔茨海默病的转录组比较：为探索不良骨表型中的转录组模式，我们评估了一个涵盖成骨、炎症、血管生成、凝血、细胞外基质重塑、神经修复和RANKL/OPG信号的75基因面板。补充图1总结了筛查GEO数据集中目标基因的覆盖度、数据集特异性表达模式、贡献数据集之间的方向一致性得分，以及FDR < 0.05基因的比例（补充图1——讨论：骨折愈合传统上被认为是一种以局部再生为主的过程，涉及炎症消退、骨痂形成、血管重塑和骨重建的协调（Einhorn和Gerstenfeld，2015年1月）。然而，越来越多的证据表明，骨折愈合与超出损伤骨骼组织的全身性免疫激活、代谢适应和神经血管反应相关（Baertl等，2021，Parker等，2024年2月）。我们整合了——结论：随机效应分析鉴定出BMP10和ANGPT1为主要骨相关转录组信号，而单独的GSE48350分析揭示了名义上的AD背景表达模式。GSE138852显示了选定基因具有细胞类型依赖性的定位，GTEx分析揭示了组织依赖性表达和探索性血脑相关模式。MR分析为选定循环骨相关蛋白提供了额外的遗传背景。基于ODE的模型生成了——CRediT作者贡献声明：马超：原始草稿撰写、项目管理、方法学、形式分析、数据管理、概念构思。陆威：审阅与编辑、监督、方法学、调查。郭瑞鹏：审阅与编辑、监督、调查、概念构思。伦理批准与参与同意：本研究未涉及新的动物实验、人类参与者招募、临床干预或人类样本收集。所有数据均来源于公开可用且已去标识化的数据集，因此无需额外的伦理批准和知情同意。资金：不适用。出版同意：所有贡献者均参与了本研究并批准投稿的稿件。数据可用性：本研究中分析的数据集来源于公开可用且已去标识化的仓库。包括GSE35958、GSE56815、GSE7158、GSE176265、GSE17825、GSE48350、GSE138852、GSE120221和GSE253355在内的GEO数据集可从NCBI基因表达综合数据库（https://www.ncbi.nlm.nih.gov/geo/）获取。附加数据来源于GTEx门户（https://gtexportal.org/home/）、IEU OpenGWAS（https://opengwas.io/）、DrugBank（https://go.drugbank.com/）和Therapeutic Target——AI工具使用说明：生成式人工智能工具仅用于手稿文本的语言润色和风格优化，以及为计算分析代码提供结构化参考和语法建议。没有任何AI系统参与研究设计、数据生成与分析、结果解释、核心科学论点的撰写或结论的制定。所有作者已彻底审阅并验证了手稿的全部内容——未引用参考文献（Xia等，2024）。利益冲突声明：作者声明不存在可能影响本论文报道工作的已知竞争财务利益或个人关系。马超 | 陆威 | 郭瑞鹏