骨质疏松与肾结石关联探秘：大数据与生物信息学开启精准诊疗新篇

《Biology Direct》：Exploring the association between osteoporosis and kidney stones: a clinical to mechanistic translational study based on big data and bioinformatics

为探究骨质疏松（OP）和肾结石（KSD）的关系及潜在机制，研究人员分析 NHANES 数据库数据并结合生物信息学方法开展研究。结果发现骨量减少与肾结石风险增加有关，mTOR 信号通路是关键共享机制。该研究为相关疾病诊疗提供新方向。

　　在医学领域，骨质疏松和肾结石看似 “风马牛不相及”，一个关乎骨骼健康，常导致骨头变脆、易骨折；另一个则困扰泌尿系统，引发疼痛、血尿等症状。但实际上，它们之间可能存在着千丝万缕的联系。以往研究虽发现二者有一些共同的病理生理风险因素，像饮食等环境因素对它们都有影响，可具体的关联机制却一直模糊不清。这就好比在黑暗中摸索，医生们难以精准地预防和治疗这两种疾病。为了打破这一困境，天津医科大学第二医院的研究人员开展了一项极具意义的研究，相关成果发表在《Biology Direct》上。

研究人员采用了多种关键技术方法。一方面，利用美国国家健康与营养检查调查（NHANES）数据库，获取大量人群的健康和营养数据，这些数据涵盖生理测量、健康问卷、实验室测试等丰富信息；另一方面，运用生物信息学手段，整合基因表达数据并借助机器学习技术筛选关键基因，同时通过数据库挖掘和分子对接等方法深入探究疾病机制。

研究结果如下：

• 人口特征与疾病关联：研究共纳入 13,357 名参与者，对比有肾结石和无肾结石的人群发现，肾结石组年龄更大、男性居多、非西班牙裔白人占比高，且在教育程度、吸烟饮酒率、患糖尿病和高血压比例等方面与无肾结石组存在差异。同时，肾结石患者的股骨颈骨矿物质密度（BMD）更低，骨量减少和骨质疏松的患病率更高12。
• 基因分析结果：通过对基因表达数据集的分析，研究人员识别出 14 个共表达基因，再经机器学习算法筛选出 WNT1 为关键基因。结合公共数据库筛选出 267 个常见基因靶点，确定 AKT1 和 TNF 为核心靶点。构建蛋白质 - 蛋白质相互作用（PPI）网络并分析发现，这些靶点与免疫、炎症相关，KEGG 富集分析还指出 mTOR 信号通路是关键共享机制34。
• 免疫细胞浸润情况：分析免疫细胞浸润发现，在 KSD 组中，静息树突状细胞和 M1 巨噬细胞浸润显著增加，静息肥大细胞浸润显著降低；而在 OP 组，正常和骨质疏松组免疫细胞浸润无显著差异5。
• 药物预测与分子对接：利用药物签名数据库（DSigDB）预测出 9 种潜在治疗药物，分子对接结果显示，吴茱萸碱（Evodiamine）、西洛他唑（cilostazol）和薯蓣皂苷元（diosgenin）等药物与靶点结合稳定67。

研究结论和讨论部分指出，骨量减少与肾结石风险增加密切相关，mTOR 信号通路在骨质疏松和肾结石的发病机制中起着关键作用。这一发现为治疗这两种疾病提供了新的潜在方向，比如可以开发针对 mTOR 信号通路的药物。同时，研究也存在一定局限性，像数据缺失可能导致偏差、研究对象主要为欧美人群，限制了结论的普适性等。但总体而言，该研究为后续进一步探究骨质疏松和肾结石的关联奠定了重要基础，有望推动相关疾病的早期诊断、个性化治疗和预防策略的发展，在基础研究和临床应用领域都具有重要意义。