Клиническая и транскриптомная классификация дегенерации поясничных межпозвонковых дисков, усовершенствованная методами машинного обучения

Введение: Дегенерация поясничных межпозвонковых дисков (LDD) характеризуется выраженной гетерогенностью клинических проявлений и патологических изменений. Однако до сих пор неясно, можно ли использовать вариации транскриптома при LDD для выявления или объяснения причин неоднородности клинической картины. Целью исследования было определить транскриптомную классификацию дегенерированных дисков у пациентов с LDD и установить, можно ли точно предсказывать молекулярные подтипы LDD по клиническим признакам.

Методы: У 108 пациентов последовательно собрали 122 образца ткани пульпозного ядра (NP) для полнотранскриптомного секвенирования РНК (RNA-seq). Для анализа матрицы bulk RNA применили метод кластеризации без учителя. Провели дифференциальный анализ для характеристики транскрипционных сигнатур и нарушений внеклеточного матрикса (ECM), специфичных для подтипов. Состояние субпопуляций клеток каждого подтипа оценивали путем интеграции данных bulk- и single-cell-sequencing. Для изучения возможных молекулярных механизмов использовали анализ в камере Трануэлла и двойной люциферазный репортерный анализ. Для сопоставления молекулярной классификации с клиническими признаками разработали диагностические прогностические модели на основе алгоритмов машинного обучения.

Результаты: LDD была разделена на 4 подтипа с различными молекулярными сигнатурами и ремоделированием внеклеточного матрикса: C1 с преобладанием коллагеногенеза, C2 с оссификацией, C3 с низким уровнем хондрогенеза и C4 с фиброгенезом. Chond1-3 в C1 определяли коллагеногенез диска за счет активации механосенсоров TRPV4 и PIEZO1; клетки-предшественники пульпозного ядра в C2 демонстрировали хондрогенный и остеогенный фенотипы; Chond1 в C3 был связан с нарушением гипоксического микроокружения, приводившим к снижению хондрогенеза; макрофаги в C4 играли ключевую роль в фиброгенезе диска за счет секреции фактора некроза опухоли α (TNF-α). Кроме того, диагностическая прогностическая модель на основе случайного леса показала высокую надежность [площадь под ROC-кривой: 0,9312; точность: 0,84] при стратификации молекулярных подтипов LDD по 12 клиническим признакам.

Выводы: В исследовании выделены 4 различных молекулярных подтипа LDD, которые можно точно стратифицировать на основании клинических признаков. Выявление этих подтипов будет способствовать точной диагностике и разработке персонализированных подходов к лечению LDD.