骨质疏松症的新型免疫相关诊断标志物的识别探究  

作　　者：丘敏岐 赵朵 彭小忠[1] 李小峰 

机构地区：[1]柳州市工人医院,广西柳州545005 [2]广西医科大学第二附属医院,广西南宁530000 [3]广西骨伤医院,广西南宁530012

出　　处：《中文科技期刊数据库（全文版）医药卫生》2024年第10期0143-0152,共10页

基　　金：广西医疗卫生适宜技术开发与推广应用项目,编号为S2021124;广西壮族自治区卫生和计划生育委员会计划课题,编号为Z2020644;广西中医药适宜技术开发与推广项目,编号为GZSY23-15。

摘　　要：通过生物信息学和机器学习算法,探讨与骨质疏松症相关的免疫诊断标志物,为其诊断和治疗提供新的见解。方法 从GEO数据库下载与骨质疏松症相关的芯片数据,使用R软件中的Limma包进行差异表达基因分析。利用ClusterProfiler包进行GO功能分析,并通过SVM-RFE和LASSO回归模型筛选潜在诊断标志物。使用CIBERSORT评估骨质疏松症相关的免疫细胞构成,分析关键基因与免疫细胞的相关性。结果 (1)差异表达分析识别出21个差异基因(8个上调,13个下调);(2)通过LASSO和SVM-RFE分析筛选出潜在基因BEGAIN、BRIP1、BRDT、ABCA4、PDZK1、PAQR4、DCTN1、MGC4294、CCL24;(3)ROC曲线验证显示BEGAIN、BRIP1、BRDT、PDZK1、PAQR4、MGC4294在诊断中具有重要意义;4.免疫相关性分析表明BRIP1、BRDT、PDZK1与多种免疫细胞有显著相关性。结论 BRIP1、BRDT和PDZK1在骨质疏松症中的差异表达具有诊断价值,并可能通过调节免疫细胞的功能参与疾病进展。这些基因有望成为诊断和治疗骨质疏松症的潜在生物标志物和治疗靶点。

关 键 词：骨质疏松症 机器学习 免疫细胞浸润 生物信息学 

分 类 号：R446[医药卫生—诊断学]