Transcriptomic and lipidomic profiling provide novel insight into the pathogenesis of monogenic <i>SGMS2</i> -related osteoporosis
Notice bibliographique
Résumé
Abstract Heterozygous pathogenic variants in the SGMS2 gene, encoding the sphingomyelin-synthesizing enzyme sphingomyelin synthase 2, cause a rare monogenic form of osteoporosis with low bone density, fractures, bone deformities, sclerotic cranial lesions, and occasionally, neurological symptoms. Three disease-causing heterozygous SGMS2 variants have been reported: c.148C&gt;T (p.Arg50*), c.185T&gt;G (p.Ile62Ser), and c.191T&gt;G (p.Met64Arg). This study examined the cellular mechanisms of SGMS2-related osteoporosis and skeletal dysplasia through transcriptomic and lipidomic profiling of serum and fibroblasts from patients and controls. Bulk RNA sequencing and SCIEX lipidyzer-based lipidomics were employed. Differential expression analysis revealed 215 upregulated and 58 downregulated genes enriched in 169 Gene Ontology Biological Processes related to skeletal, neurological, ocular, muscular, and membrane functions. Pathway analysis revealed enriched pathways associated with interleukin signaling, electrical transmission across gap junctions, and circadian clock. Four lipid metabolism pathways were enriched: PPARα regulation, glycerophospholipid biosynthesis, phospholipid metabolism, and lipid metabolism. Lipidome analysis failed to detect significant differences between fibroblasts of patients and controls, while revealing 55 upregulated lipids, predominantly triacylglycerols (TAGs), but no downregulated lipids in serum of the patients. These findings suggest that SGMS2 variants modulate circadian rhythm and gap junction assembly, adversely affecting bone health and homeostasis, and may affect neuron-supporting cells in SGMS2-related osteoporosis.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».