反复流产与细胞衰老：用人工智能和单细胞测序找“衰老信号”

反复流产（RPL）是指连续发生两次或以上自然流产，影响约1%~5%的育龄女性，给家庭带来身心负担，但其具体发病机制尚不明确。本研究聚焦‘细胞衰老’这一近年备受关注的生物学过程——当子宫内膜细胞过早衰老，可能影响胚胎着床和妊娠维持。研究人员首先从国际公共数据库（GEO）整合多个RPL患者的基因表达数据，并校正不同实验批次带来的误差；接着筛选出在RPL患者中表达异常、且与细胞衰老相关的基因（共获得DEARGs）；再通过功能富集分析（GO/KEGG）、蛋白互作网络（PPI）和通路分析（GSEA），探索这些基因可能参与的生物学过程（如细胞黏附、基质重塑、信号传导等）。随后，运用多种机器学习算法（如随机森林、LASSO回归等）从大量基因中‘锁定’5个最核心的衰老相关基因：CYB5R3、LEO1、PAK2、RHOA和GADD45G。基于这5个基因，团队构建了一个可视化预测工具（列线图模型），并通过校准曲线、决策曲线和ROC曲线证实其具有良好的诊断区分能力。进一步的单细胞测序分析发现，GADD45G主要在蜕膜基质细胞中高表达；虚拟敲除模拟提示它可能调控细胞外基质重建和黏附相关通路。药物富集分析还预测出若干潜在的小分子干预化合物。最后，研究人员用临床蜕膜组织样本进行qRT-PCR实验验证：CYB5R3、PAK2、RHOA和GADD45G在RPL患者中显著升高，而LEO1则明显降低——结果与计算预测高度一致。综上，该研究不仅揭示了细胞衰老在RPL中的关键作用，还提供了一个有临床转化潜力的多基因诊断模型，为未来开发靶向干预策略和实现个体化诊疗奠定了基础。