目的:应用生物信息学多芯片联合分析方法和机器学习技术探索糖尿病肾病(DN)肾小管间质损伤相关基因并阐释其潜在作用机理,为DN诊治提供新思路.方法:从GEO数据库检索获取4个DN肾小管间质组织基因表达数据集,其中GSE30122、GSE47185和GSE99340作为联合芯片数据集,而GSE104954作为独立验证数据集.使用R语言鉴定差异表达基因(DEGs),并进行基因本论(GO)富集和KEGG通路富集分析、基因集富集分析、免疫细胞浸润分析.进一步利用LASSO回归、SVM-RFE和RF机器学习算法筛选核心基因,同时进行外部验证和受试者工作曲线分析,并构建列线图预测模型,最后借助Nephroseq数据库探索其对DN患者临床特征的影响.结果:共获取107个DEGs,富集分析发现DN肾小管间质损伤主要涉及适应性免疫应答、淋巴细胞介导免疫、免疫效应器过程调节等免疫相关功能与金黄色葡萄球菌感染、补体和凝血级联、吞噬体、Th1和Th2细胞分化等免疫炎症相关通路,此外细胞黏附分子、细胞因子-细胞因子受体相互作用、ECM-受体相互作用等通路也显著富集.通过免疫浸润分析发现DN肾小管间质组织中记忆性静息CD4 T细胞、γδT细胞、静息肥大细胞、中性粒细胞上调,CD8 T细胞下调.最后机器学习筛选出MARCKSL1、CX3CR1、FSTL1、AGR2、GADD45B为核心基因,且具有良好的诊断与预测效能.结论:免疫失调和炎性反应、细胞因子作用、细胞外基质沉积为DN肾小管间质损伤核心病理机制,同时MARCKSL1、CX3CR1、FSTL1可能为DN诊断与预测潜在生物标志物.

糖尿病肾病;肾小管间质损伤;生物信息学;机器学习;免疫浸润;核心基因

宿家铭;彭景;陈海敏;周盈;史扬;董昭熙;温雅轩;林子萱;柳红芳

北京中医药大学,北京 100029;北京中医药大学东直门医院,北京 100700

海南医学院学报

[1]宿家铭;彭景;陈海敏;周盈;史扬;董昭熙;温雅轩;林子萱;柳红芳-.基于生物信息学和机器学习鉴定2型糖尿病肾病肾小管间质损伤相关基因)[J].海南医学院学报,2022(20):1558-1566,1578

GSE30122,GSE47185,GSE99340,GSE104954,Nephroseq,MARCKSL1,GADD45B

糖尿病肾病,肾小管间质损伤,多芯,联合分析,机器学习技术,技术探索,DN,潜在作用,GEO,数据库检索,基因表达数据,合芯,差异表达基因,DEGs,本论,通路富集分析,基因集富集分析,免疫细胞浸润,LASSO,RFE,机器学习算法,核心基因,外部验证,受试者工作曲线,列线图预测模型,共获,适应性免疫应答,免疫效应,效应器,免疫相关,相关功能,金黄色葡萄球菌感染,补体,吞噬体,Th1,Th2,细胞分化,免疫炎症,相关通路,细胞黏附分子,细胞因子受体,ECM,路也,免疫浸润,记忆性,静息,CD4,肥大细胞,CD8,CX3CR1,FSTL1,AGR2,预测效能,免疫失调,炎性反应,细胞外基质,基质沉积,病理机制,潜在生物标志物

0.306089