Ключевые результаты
Исследователи идентифицировали 5 ключевых генов, связанных с метаболизмом аминокислот при дегенерации межпозвоночных дисков (IDD):
- Повышенная экспрессия: CETP, AIFM1, GM2A
- Пониженная экспрессия: PNPLA2, AGK
Созданная номограмма на основе этих генов показала AUC = 0,812, что указывает на высокую диагностическую точность модели. Молекулярный докинг выявил, что соединения NVP-AEW541 и EGCG способны связываться с белком AIFM1 с энергией связывания -10,7 ккал/моль.
Методология
Исследование объединило мульти-омиксный подход с машинным обучением:
- Интеграция трёх транскриптомных датасетов из базы GEO
- Пересечение генов метаболизма аминокислот с дифференциально экспрессированными генами
- Отбор ключевых генов методами LASSO, SVM и Random Forest
- Создание SHAP-интерпретируемой номограммы
- Валидация через single-cell анализ, in silico knockout, молекулярный докинг и Western blot
В исследовании было выявлено 43 изменённых гена, связанных с метаболизмом аминокислот, из которых отобрано 5 наиболее значимых.
Клиническое значение
Полученные результаты имеют важное практическое значение:
Диагностические возможности
- Пятигенная сигнатура может служить биомаркером для ранней диагностики IDD
- Высокая точность предсказательной модели (81,2%) делает её перспективной для клинического применения
Патогенетические механизмы
- Дегенеративные диски характеризуются усиленной иммунной инфильтрацией
- Ключевые гены либо подавляют защитные матриксные гены, либо нарушают стрессоустойчивость тканей
- Выявлена связь между нарушением метаболизма аминокислот и развитием хронической боли в спине
Терапевтический потенциал
- NVP-AEW541 и EGCG показали способность связываться с целевым белком AIFM1
- Данные соединения могут стать основой для разработки новых терапевтических подходов
Выводы
Исследование впервые системно охарактеризовало роль метаболического репрограммирования аминокислот в патогенезе дегенерации межпозвоночных дисков. Пятигенная сигнатура (CETP, AIFM1, GM2A, PNPLA2, AGK) представляет собой потенциальный ключевой регуляторный путь и может служить основой для:
- Разработки персонализированных диагностических панелей
- Создания таргетных терапевтических стратегий
- Углубления понимания молекулярных механизмов хронической боли в спине
Интеграция мульти-омиксных данных с машинным обучением открывает новые возможности для precision medicine в лечении дегенеративных заболеваний позвоночника.