文章标题：Identification of aging-related genes in diagnosing osteoarthritis via integrating bioinformatics analysis and machine learning
中文标题：通过整合生物信息学分析和机器学习鉴定衰老相关基因诊断骨关节炎
发表期刊：Aging (Albany NY)
发表时间：2024年1月
影响因子：3.9/Q2
研究方法
结果分析
1. OA 中 DEARGs 的鉴定
2.DEARGs 的功能富集和蛋白质-蛋白质相互作用分析
DEARGs 主要在生物过程（BP）方面参与衰老、对脂多糖的反应和对细菌来源分子的反应；在细胞成分（CC）方面涉及 RNA 聚合酶 II 转录调节因子复合物等；在分子功能（MF）方面包括 DNA 结合转录激活剂活性等。最重要的 KEGG 通路有癌症转录失调、人 T 细胞白血病病毒 1 感染、MAPK 信号通路、细胞衰老和细胞周期。PPI 网络显示了 DEARGs 编码的蛋白质之间存在密切相互作用。
3. 共表达网络的建立
绿色和黄绿色模块分别显示与 OA 的正负连接。在 42 个 DEARGs 和 462 个关键基因之间的绿色模块中发现了 13 个交叉基因。交集基因如下：TOP2A 、 TFDP1 、 ELN 、 IGFBP3 、 EFEMP1 和 NGF。JUN、ARNTL、CDKN1、AMXI1、DDIT3、HMGB2 和 IRS2。
4. 通过机器学习鉴定候选 Hub 衰老相关基因
四个交叉衰老相关生物标志物基因如下：JUN、CDKN1A、DDIT3 和 HMGB2 。
5. Hub 衰老相关基因表达水平
OA 样本中 HMGB2 、 CDKN1A 和 DDIT3 的表达水平显著低于正常样本 （p < 0.01）。然而，与正常样本相比，虽然 OA 中 JUN 的表达水平较低，但没有统计学差异。
6.Hub 衰老相关基因在 OA 和正常样本中的诊断价值
选择四个枢纽衰老相关基因作为骨关节炎（OA）风险预测模型，构建列线图以证明其诊断价值。列线图评分可预测患 OA 的可能性，校准曲线显示该模型在预测 OA 方面表现出色，DCA 表明其具有高临床应用价值。在训练集 GSE114007 中，列线图及 HMGB2、CDKN1A、JUN 和 DDIT3 单个基因均有较高 AUC 值。在验证集 GSE169077 中得到类似结果，表明枢纽衰老相关基因和列线图都有良好诊断价值。
7.4 个 Hub 基因的 RT-PCR 验证
HMGB2 、 CDKN1A 和 JUN 4 个枢纽衰老相关基因的相对 mRNA 表达水平与既往分析结果一致。DDIT3 显示没有统计学上的显著差异。
文章小结
本研究确定了 4 个与 OA 相关的中心 DEARGs （HMGB2 、 CDKN1A 、 JUN 和 DDIT3）。这些基因可以作为 OA 的潜在治疗靶点。然而，需要更多的实验研究来证实它在 OA 中的作用。（如果你正寻求思路复现、实验设计或定制化的数据分析服务，那么请不要错过我们哟~）
