Immune cell-specific gene expression and its causal role in osteoporosis and bone mineral density: Insights from single-cell eQTL and GWAS data integration
Notice bibliographique
Résumé
Osteoporosis (OP) is a common metabolic bone disease, with genetic and immune system factors playing crucial roles in its pathogenesis. With the advancement of single-cell RNA sequencing (scRNA-seq), gene expression regulation at the immune cell subtype level has been more deeply explored. In this study, we integrated single-cell expression quantitative trait loci data with genome-wide association study data to systematically investigate the causal relationships between immune cell-specific gene expression and OP risk/ bone mineral density (BMD). Through summary-data-based Mendelian randomization, two-sample Mendelian randomization, Steiger directionality tests, and colocalization analysis, we identified 7 genes in specific immune cell types that are associated with OP/BMD phenotypes, including GLTPD1, NPRL3, NCR3, HBQ1, POU5F1, CDC42, and C10orf32. Specifically, GLTPD1, NPRL3, NCR3, HBQ1, and POU5F1 showed significant causal effects on OP risk, CDC42 was associated with total-body BMD in the 0 to 15 age group, and C10orf32 showed significant causal effects with total-body BMD in the >60 age group. Our findings provide new insights into the role of the immune system in bone metabolism and offer important theoretical support for further research on immune-mediated treatment strategies for OP.
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 | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».