Disease-first public-data integration with local virtual knockout prioritizes shared proteins linking osteoarthritis and osteoporosis.
پخش حرفهای فارسی و انگلیسی
در حال بررسی نسخههای صوتی ذخیرهشده…
تنظیم صدای طبیعی و سرعت
صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده میشود معمولاً طبیعیترند. انتخاب صدا به صداهای نصبشده در ویندوز و مرورگر شما بستگی دارد.
چکیده اصلی
Osteoarthritis and osteoporosis frequently coexist in older adults, but shared molecular programs remain unclear. We developed a disease-first multilayer public-data integration framework to identify shared protein candidates while preserving disease-specific structure before cross-disease comparison. Public bulk transcriptomic datasets from osteoarthritis synovium and cartilage and osteoporosis-related monocytes, femoral bone, and osteogenic stromal compartments were analyzed independently within each disease. Disease-level signatures were generated using differential expression analysis, robust rank aggregation, functional enrichment, and weighted gene co-expression network analysis. A shared axis was defined by concordant dysregulation, shared biological processes, and criteria-positive coexpression-module correspondences, with module matching subsequently calibrated against a size-preserving null model. Candidate genes were mapped to proteins and prioritized by integrating interaction topology, signaling priors, protein annotation, tissue support, disease-association and genetic evidence, local CARNIVAL virtual knockout, and single-cell contextual perturbation analysis. Both diseases showed reproducible signatures enriched in antigen presentation, cytokine regulation, extracellular matrix organization, osteoclast differentiation, ossification, and bone remodeling. Cross-disease comparison yielded 234 criteria-positive module pairs; 53 retained pair-specific support at empirical FDR < 0.05, whereas the total number of criteria-positive pairs did not exceed the global null expectation. Protein-level integration prioritized HLA-DRB1, HSP90AA1, CTSK, RPL7, PRG4, HLA-DRA, CLEC3B, TIMP1, SPP1, and APOE. Local virtual knockout assigned the highest model-derived CARNIVAL scores to HLA-DRB1 and HSP90AA1. Across the evaluated network configurations, HLA-DRB1 exceeded the prespecified score threshold in all four evaluable configurations, whereas HSP90AA1 exceeded it in four of six, indicating greater configuration stability for HLA-DRB1. Primary matched-null calibration of 39 evaluable candidate-compartment pairs retained nine pairs at global FDR < 0.05. External quality-control sensitivity analysis retained 125,090 of 161,470 cells and identified 10 globally FDR-supported pairs. Although only two of the nine primary pairs remained supported in the same compartment, five of the six primary supported genes retained evidence in at least one compartment. Recalculation using the quality-controlled cell-context evidence retained all primary top 10 proteins, with HLA-DRB1 and HSP90AA1 remaining the two highest-ranked candidates. Composition-aware bulk sensitivity analysis retained the direction of 36 of 40 candidate-cohort effects, while matched transcriptional-program adjustment retained 24 of 27 effects and showed greater attenuation of MHC-II candidates than of ribosomal or protein-folding candidates. These findings support a shared osteoimmune-matrix-remodeling protein axis linking osteoarthritis and osteoporosis and provide candidates for future experimental validation.
نتیجه فارسی
این مطالعه یک چارچوب یکپارچگی دادههای عمومی چندلایه را برای شناسایی پروتئینهای مشترک بین آرتروز و پوکی استخوان توسعه داد. تحلیلها نشان دادند که هر دو بیماری در فرآیندهایی مانند ارائه آنتیژن و بازسازی استخوان مشترک هستند. پروتئینهای HLA-DRB1 و HSP90AA1 به عنوان بالاترین گزینههای اولویتدار شناسایی شدند. نتایج با استفاده از تحلیلهای حساسیت مختلف تکرارپذیر بود.
- یک چارچوب یکپارچگی دادههای عمومی چندلایه برای شناسایی پروتئینهای مشترک توسعه یافت.
- HLA-DRB1 و HSP90AA1 به عنوان پروتئینهای اولویتدار شناسایی شدند.
- فرآیندهای مشترک شامل ارائه آنتیژن و بازسازی استخوان بود.
- تحلیلهای حساسیت نتایج را تکرارپذیر نشان دادند.
- این یافتهها محور پروتئینی مشترک را پشتیبانی میکنند.
ترجمه فارسی چکیده
آرتروز و پوکی استخوان اغلب در بزرگسالان مسن همزمان وجود دارند، اما برنامههای مولکولی مشترک روشن نیستند. نویسندگان یک چارچوب یکپارچگی دادههای عمومی چندلایه مبتنی بر بیماری برای شناسایی گزینههای پروتئینی مشترک توسعه دادند. تحلیلهای تکبیماری برای بافت مفصلی و غضروف آرتروز و مونوسیتهای مرتبط با پوکی استخوان، استخوان ران و محیطهای استخوانسازی انجام شد. نشانههای سطح بیماری با تحلیل بیان تفاضلی، تجمیع رتبههای مقاوم، غنیسازی عملکردی و تحلیل شبکه همبستگی ژن وزنی تولید شد. محور مشترک با ناهنجاری همسو، فرآیندهای زیستی مشترک و تطابقهای مثبت معیارهای ماژول همبستگی تعریف شد. گزینههای ژنی به پروتئینها نگاشت شدند و با یکپارچگی توپولوژی تعامل، پیشفرضهای سیگنالینگ، برچسبگذاری پروتئین، حمایت بافت، همبستگی بیماری و شواهد ژنتیکی، حذف موضعی مجازی CARNIVAL و تحلیل آشوب تکسلولی اولویتبندی شدند. هر دو بیماری نشانههای قابل تکرار را در ارائه آنتیژن، تنظیم سیتوکین، سازماندهی ماتریس خارج سلولی، تفاوتساز اپیتلیال استخوان، استخوانسازی و بازسازی استخوان غنی کردند. مقایسه بین بیماریها ۲۳۴ جفت ماژول مثبت معیار را به دست آورد. پروتئینهای HLA-DRB1، HSP90AA1، CTSK، RPL7، PRG4، HLA-DRA، CLEC3B، TIMP1، SPP1 و APOE اولویتبندی شدند. HLA-DRB1 و HSP90AA1 بالاترین امتیازهای CARNIVAL را داشتند. ۹ جفت از ۳۹ جفت اولویتدار در FDR جهانی < ۰.۰۵ باقی ماندند. این یافتهها محور پروتئینی مشترک «آرتروز-ایمنی-بازسازی ماتریس» را که بین آرتروز و پوکی استخوان مرتبط است، پشتیبانی میکنند.
روش پژوهش
چارچوب یکپارچگی دادههای عمومی چندلایه مبتنی بر بیماری توسعه یافت. تحلیلهای بیان تفاضلی، تجمیع رتبههای مقاوم و تحلیل شبکه همبستگی ژن وزنی برای تولید نشانههای سطح بیماری استفاده شد. گزینههای ژنی با یکپارچژی توپولوژی تعامل و شواهد ژنتیکی اولویتبندی شدند.
محدودیتها
تعداد جفتهای مثبت معیار از انتظار خالی جهانی فراتر نرفت. فقط دو جفت اولیه در همان محیط باقی ماندند. نتایج به طور کامل در تمام تحلیلهای حساسیت تکرار نشدند.
نمای PICO و پیامدها
- جمعیت
- بزرگسالان مسن با آرتروز و پوکی استخوان.
- مداخله/مواجهه
- یکپارچگی دادههای عمومی چندلایه مبتنی بر بیماری.
- مقایسه
- مقایسه بین بیماریها.
- حجم نمونه
- ۱۶۱،۴۷۰ سلول (در تحلیل حساسیت کنترل کیفیت خارجی).
متن کامل اصلی
لینک مستقیم از metadata منبع گرفته شده و در تب جدید باز میشود.
باز کردن متن کامل