Single-Cell RNA-Seq Analysis of Cells from Degenerating and Non-Degenerating Intervertebral Discs from the Same Individual Reveals New Biomarkers for Intervertebral Disc Degeneration
Notice bibliographique
Résumé
In this study, we used single-cell transcriptomic analysis to identify new specific biomarkers for nucleus pulposus (NP) and inner annulus fibrosis (iAF) cells, and to define cell populations within non-degenerating (nD) and degenerating (D) human intervertebral discs (IVD) of the same individual. Cluster analysis based on differential gene expression delineated 14 cell clusters. Gene expression profiles at single-cell resolution revealed the potential functional differences linked to degeneration, and among NP and iAF subpopulations. GO and KEGG analyses discovered molecular functions, biological processes, and transcription factors linked to cell type and degeneration state. We propose two lists of biomarkers, one as specific cell type, including C2orf40, MGP, MSMP, CD44, EIF1, LGALS1, RGCC, EPYC, HILPDA, ACAN, MT1F, CHI3L1, ID1, ID3 and TMED2. The second list proposes predictive IVD degeneration genes, including MT1G, SPP1, HMGA1, FN1, FBXO2, SPARC, VIM, CTGF, MGST1, TAF1D, CAPS, SPTSSB, S100A1, CHI3L2, PLA2G2A, TNRSF11B, FGFBP2, MGP, SLPI, DCN, MT-ND2, MTCYB, ADIRF, FRZB, CLEC3A, UPP1, S100A2, PRG4, COL2A1, SOD2 and MT2A. Protein and mRNA expression of MGST1, vimentin, SOD2 and SYF2 (p29) genes validated our scRNA-seq findings. Our data provide new insights into disc cells phenotypes and biomarkers of IVD degeneration that could improve diagnostic and therapeutic options.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».