整合生物信息学和机器学习方法筛选并验证ZFYVE27作为骨质疏松症潜在诊断生物标志物

《Frontiers in Immunology》:Screening and validation of ZFYVE27 as a potential diagnostic biomarker for osteoporosis via integrative bioinformatics and machine learning approaches

【字体: 大 中 小 】 时间:2026年06月24日 来源:Frontiers in Immunology 7.0

编辑推荐:

  摘要 目的:骨质疏松症(OP)是一种全身性代谢性骨骼疾病,其特征为骨密度降低、骨微结构恶化,以及随之而来的脆性骨折易感性增高。生物信息学方法作为基因组研究与临床转化之间的关键桥梁,已被广泛应用于OP研究。然而,精确识别核心致病基因并随后开发稳健且准确的诊断

  
摘要
目的:骨质疏松症(OP)是一种全身性代谢性骨骼疾病,其特征为骨密度降低、骨微结构恶化,以及随之而来的脆性骨折易感性增高。生物信息学方法作为基因组研究与临床转化之间的关键桥梁,已被广泛应用于OP研究。然而,精确识别核心致病基因并随后开发稳健且准确的诊断生物标志物仍是紧迫的临床需求。
方法:研究人员首先通过比较健康对照组和骨质疏松患者的转录组谱,识别差异表达基因(DEGs),随后对相关的生物学过程和信号通路进行功能富集分析。接着应用加权基因共表达网络分析(WGCNA)来分离疾病特异性模块基因。通过将这些模块基因与DEGs取交集,精确界定了OP相关DEGs。利用LASSO回归算法筛选出七个枢纽候选基因。随后,采用支持向量机(SVM)和随机森林(RF)机器学习算法进一步优化和交叉验证这些潜在诊断生物标志物。这些多算法输出的交集最终确定了核心生物标志物。此外,建立了卵巢切除(OVX)小鼠OP模型以实验验证ZFYVE27的表达水平,并同时构建了竞争性内源RNA(ceRNA)调控网络,以阐明其在OP发病机制中的转录后调控机制。
结果:ZFYVE27被成功验证为OP的最佳诊断生物标志物。与假手术组相比,OVX模型组中ZFYVE27的mRNA和蛋白表达水平均显著上调(p < 0.01),强烈提示ZFYVE27在OP的病理进展中发挥关键作用。
结论:本研究确定ZFYVE27为OP临床诊断的新型生物标志物。此外,研究结果为进一步阐明OP的分子发病机制和开发靶向治疗干预措施提供了坚实的理论基础。
论文解读文章

骨质疏松症(OP)是一种全身性代谢性骨骼疾病,以骨密度降低、骨微结构破坏和脆性骨折风险增高为特征,尤其在绝经后女性中高发。目前,OP的治疗方法包括运动、维生素和矿物质补充以及药物治疗,但长期用药常出现疗效平台期并可能引发严重不良反应。随着高通量测序技术的发展,基因治疗为OP提供了新视角,但其核心的分子生物学机制仍不清楚。因此,识别新的分子生物标志物和潜在的药物靶点至关重要。该研究旨在通过整合生物信息学和机器学习方法,从转录组数据中筛选并验证OP的诊断生物标志物,以推动精准诊断和靶向治疗。

研究人员从基因表达综合(GEO)数据库下载了GSE35956和GSE230665数据集,合并后得到8例健康对照和17例OP患者的表达矩阵。通过差异表达分析、加权基因共表达网络分析(WGCNA)、LASSO回归、支持向量机(SVM)和随机森林(RF)等多算法筛选,最终确定ZFYVE27为OP的核心诊断生物标志物,并在卵巢切除(OVX)小鼠模型中通过微计算机断层扫描(micro-CT)、逆转录定量聚合酶链反应(RT-qPCR)和蛋白免疫印迹(Western blotting)实验验证其表达。同时构建了基于ZFYVE27的竞争性内源RNA(ceRNA)调控网络。该研究成果发表在《Frontiers in Immunology》。

关键的技术方法包括:1)差异表达分析(使用limma和sva R包识别DEGs);2)加权基因共表达网络分析(WGCNA)构建共表达网络并筛选OP相关模块基因;3)LASSO回归、支持向量机递归特征消除(SVM-RFE)和随机森林(RF)三种机器学习算法交叉筛选核心基因;4)在卵巢切除(OVX)小鼠模型中,利用micro-CT评估骨微结构,RT-qPCR和Western blotting验证ZFYVE27的mRNA和蛋白表达;5)利用miRanda、miRDB、miRWalk和TargetScan数据库预测miRNA,结合SpongeScan预测lncRNA,构建ceRNA网络。样本队列来源为GEO数据库(GSE35956和GSE230665)及兰州大学医学实验中心提供的C57BL/6J小鼠。

研究结果:

3.1 功能富集分析提示钙分泌和骨代谢参与OP病理
通过差异分析在OP样本与健康样本间识别出2306个DEGs。基因集富集分析(GSEA)显示黏着斑(FAs)、甲状旁腺激素(PTH)合成与分泌、蛋白质消化吸收通路显著上调。KEGG分析提示心肌细胞肾上腺素能信号和PTH通路激活。GO分析显示差异基因与蛋白丝氨酸/苏氨酸激酶活性、肌动蛋白结合、钙调蛋白结合等分子功能相关,以及神经元胞体、含胶原的细胞外基质、FAs等细胞组分相关,并参与小GTP酶介导的信号转导、胚胎器官发育等生物学过程。

3.2 WGCNA识别OP相关基因集
通过构建无标度基因共表达网络,选择β=10为软阈值,经层次聚类识别出7个基因模块,其中深青绿色模块与OP相关性最高(R=0.62),包含1467个基因。将该模块基因与差异基因取交集,获得404个疾病相关差异基因。疾病本体论分析提示代谢性疾病(如脂代谢紊乱、家族性高脂血症)可能影响骨骼健康。功能富集分析表明甘油酯、中性脂的生物合成和代谢过程在维持骨骼健康中发挥重要作用,甘油酯、甘油磷脂和氮代谢途径可能通过骨细胞增殖/分化机制影响OP进展。

3.3 LASSO回归分析识别七个核心基因
对疾病相关差异基因进行LASSO回归分析,筛选出FAM120C、THSD4、SAMD10、PDK2、ZFYVE27、SBK1和DMRTA1七个核心基因。受试者工作特征(ROC)曲线验证显示,这七个基因的组合对OP具有高诊断效能(曲线下面积>0.9),且在OP组中高表达。

3.4 核心基因分析
免疫细胞浸润分析显示,OP样本中CD4+ T细胞、浆细胞、中性粒细胞和自然杀伤细胞活性升高,提示免疫失调参与OP进展。基因集分析显示核心基因与Wnt和Notch信号通路显著相关,表明这些通路在OP机制中发挥作用。

3.5 机器学习组合识别ZFYVE27作为诊断标志物
LASSO回归识别出七个核心基因,SVM-RFE和RF分别识别出40个和30个OP相关基因,三者的交集仅得到ZFYVE27,故将其确定为诊断标志物。

3.6 ZFYVE27在OP中的探索
在独立数据集GSE7185中验证ZFYVE27的稳定性,GSEA、KEGG和GO分析均与之前结果一致,支持其作为疾病诊断标志物的稳定性。差异分析识别出19个与ZFYVE27相关的基因,相关性分析显示ZFYVE27与GDPD3(R=0.57)和MARCO(R=0.79)高度相关,这三个基因在GSE230663和GSE25956数据集中均一致上调。

3.7 ZFYVE27在OP模型中的表达水平
通过OVX诱导8周龄C57BL/6J雌性小鼠建立OP模型。micro-CT评估显示,OVX组骨密度(BMD)、骨体积分数(BV/TV)和骨小梁数量(Tb.N)显著降低,骨小梁分离度(Tb.Sp)增加(p<0.05)。RT-qPCR和Western blotting结果显示,OVX组ZFYVE27的mRNA和蛋白水平显著高于假手术组(p<0.01)。

3.8 ceRNA网络的构建
根据筛选标准,仅识别出与ZFYVE27相关的miR-1207-3p,利用SpongeScan预测的lncRNA-miRNA相互作用,构建了以ZFYVE27为中心的ceRNA网络。

讨论部分总结:本研究整合生物信息学和机器学习,通过WGCNA识别OP相关基因模块,经多算法筛选并实验验证ZFYVE27为诊断标志物,同时构建了ZFYVE27靶向的ceRNA网络,揭示了新的转录后调控见解。差异基因分析显示黏着斑、PTH信号、蛋白质代谢和肾上腺素能信号等通路在OP中改变。WGCNA揭示脂代谢紊乱与骨稳态密切相关。免疫细胞分析显示雌激素缺乏导致CD4+ T细胞、浆细胞、中性粒细胞等异常,以及M1/M2巨噬细胞极化失衡。ZFYVE27(又名Protrudin)含FYVE结构域,参与细胞内运输、轴突生长和自噬,其在OP模型中表达上调,可能通过调控囊泡运输影响骨细胞功能。GDPD3和MARCO可能与脂代谢和巨噬细胞极化相关。ceRNA网络提示KCNQ1OT1可能通过miR-1207-3p调控ZFYVE27。尽管存在样本量小等局限性,但ZFYVE27跨物种表达一致性增强了其临床转化潜力。

研究结论翻译:本研究阐明了ZFYVE27、GDPD3和MARCO在骨质疏松症发病机制中的关键作用,并最终确定ZFYVE27为该疾病的潜在生物标志物。未来需要进一步验证核心基因如何通过脂代谢或免疫系统通路影响骨稳态,这些验证将有助于更好地理解OP的病理生理机制,并促进OP的临床诊断和治疗干预。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号