ระดับ D· รากฐานทางวิทยาศาสตร์จากห้องปฏิบัติการและสัตว์ทดลองการศึกษาในห้องปฏิบัติการEurope PMCเข้าถึงฉบับเต็มได้ฟรี

Integrated Bioinformatics and Experimental Validation Reveal Macrophage Polarization-Related Biomarkers for Osteoarthritis Diagnosis

He Q., Liu L., Hu X., Hu X., Lin L., Song Z.

การศึกษาในห้องปฏิบัติการ เกี่ยวกับ ข้อเสื่อม (ทั่วไป) ตีพิมพ์ในวารสาร J Multidiscip Healthc ปี 2025 — สรุปอัตโนมัติจากบทคัดย่อ PubMed

เปิดรายการอ่านของฉัน
ระดับ D· รากฐานทางวิทยาศาสตร์จากห้องปฏิบัติการและสัตว์ทดลองระดับหลักฐานของงานวิจัยนี้

หลักฐานจากการศึกษาในห้องปฏิบัติการและสัตว์ทดลอง เป็นรากฐานที่ช่วยให้เข้าใจกลไกและศักยภาพก่อนการศึกษาในมนุษย์ต่อไป

  • ระดับ A · หลักฐานทางคลินิกค่อนข้างแข็งแรง
  • ระดับ B · หลักฐานทางคลินิกที่กำลังเติบโตและมีสัญญาณเชิงบวก
  • ระดับ C · งานวิจัยในมนุษย์ระยะต้นที่กำลังสำรวจประโยชน์
  • ระดับ D · รากฐานทางวิทยาศาสตร์จากห้องปฏิบัติการและสัตว์ทดลอง
  • กำลังศึกษาเพิ่มเติม · หัวข้อใหม่ที่นักวิจัยกำลังสำรวจอย่างต่อเนื่อง
อ่านคำอธิบายระดับหลักฐาน A–D

ข้อมูลหน้านี้ดึงมาจากฐานข้อมูล PubMed โดยตรง คำอธิบายภาษาไทยเป็นสรุปอัตโนมัติจากข้อมูลบรรณานุกรมและบทคัดย่อ ไม่ใช่การแปลทั้งฉบับ และไม่ใช่คำแนะนำทางการแพทย์

ประเภทการศึกษา
การศึกษาในห้องปฏิบัติการ
วารสาร
J Multidiscip Healthc (2025)
จำนวนผู้เข้าร่วม (จากบทคัดย่อ)
—
แหล่งข้อมูล
Europe PMC
PMID
40765736
PMCID
PMC12323875
DOI
10.2147/jmdh.s537507
จำนวนการอ้างอิง
3

บทคัดย่อ (ต้นฉบับภาษาอังกฤษ)

Purpose Osteoarthritis (OA) is the most common type of arthritis and early detection is crucial to improving prognosis. In this study, we identified crucial genes associated with macrophage polarization in OA and constructed a diagnostic model to provide novel insights for diagnostic and therapeutic strategies. Methods The GSE55235 and GSE55457 datasets were merged through the GEO database to identify genes related to macrophage polarization by conducting weighted gene co-expression network analysis (WGCNA) and differential expression analysis. Least absolute shrinkage and selection operator (LASSO), random forest (RF), and support vector machine recursive feature elimination (SVM-RFE) algorithms were used to identify hub genes and construct a diagnostic model validated through internal datasets and multiple external bulk RNA-seq and single-cell RNA-seq data. Additionally, various analyses, including immune infiltration, gene set enrichment analysis, competing endogenous RNA (ceRNA) construction, and drug prediction, were conducted. Finally, clinical samples were clinically validated through RT-qPCR (OA: Control = 10: 5) and IHC (6: 5) experiments. Results Three hub genes (MYC, SIK1, and NFIL3) were identified, and the diagnostic model constructed using them demonstrated good diagnostic efficacy in both internal and external datasets (internal AUC = 0.965, external AUC = 0.847)

สิ่งที่งานวิจัยนี้ไม่ได้พิสูจน์

  • • งานวิจัยนี้ไม่ได้พิสูจน์ว่า SVF เป็นการรักษาที่ได้รับการรับรอง หรือใช้แทนการรักษามาตรฐานได้
  • • เป็นการศึกษาก่อนคลินิก ผลในสัตว์ทดลองหรือห้องปฏิบัติการไม่สามารถนำมาสรุปผลในมนุษย์ได้

ระดับหลักฐาน

หลักฐานจากการศึกษาในห้องปฏิบัติการและสัตว์ทดลอง เป็นรากฐานที่ช่วยให้เข้าใจกลไกและศักยภาพก่อนการศึกษาในมนุษย์ต่อไป

ดูวิธีจัดระดับหลักฐาน

ดูงานวิจัยทั้งหมดที่เกี่ยวข้อง

กรองห้องสมุดงานวิจัยด้วยชื่อเรื่อง ชื่อผู้เขียน หรือปีที่ตีพิมพ์ของงานวิจัยนี้

งานวิจัยที่เกี่ยวข้อง