在基于生物信息学和机器学习的基础上,识别糖尿病病的与内质网膜压力相关的糖尿病病生物标志物
Jiaming Su1,2, Jing Peng1, Lin Wang1,2
1Dongzhimen Hospital, Beijing University of Chinese Medicine, Beijing, China.
Frontiers in endocrinology
|September 25, 2023
概括
这项研究确定了与糖尿病病 (DN) 进展相关的关键ER压力特征基因 (CDKN1B,EGR1,FKBP5,GDF15,MARCKS). 这些发现为早期诊断提供了潜在的生物标志物,并为DN提供了新的治疗点.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 分子生物学分子生物学
背景情况:
- 糖尿病病 (DN) 是一个重要的全球健康问题.
- ER压力及其信号通路与DN相关的功能障碍有关.
- 在DN中ER压力的精确机制和生物标志物仍然不清楚.
研究的目的:
- 为了确定与DN进展相关的ER压力相关基因 (ERSRGs).
- 使用特征性的ERSRG开发DN的诊断模型.
- 探索DN的潜在治疗点.
主要方法:
- 使用了来自MSigDB/GeneCards的GEO数据库微阵列数据集和ERSRG.
- 集成差异表达基因,WGCNA和机器学习来识别枢纽ERSRG.
- 开发了一种DN诊断模型,并分析了免疫透和患者聚类.
主要成果:
- 生物信息学整合揭示了与DN中放松管制的ERSRG相关的途径和免疫透.
- 在DN中确定了CDKN1B,EGR1,FKBP5,GDF15和MARKS作为ER压力特征基因.
- 这些基因显示出作为DN的诊断生物标志物的潜力.
结论:
- 这项研究揭示了ER应激在DN病理生理学中的作用.
- 已识别的ER压力特征基因可以作为DN的早期诊断生物标志物.
- 这些发现表明了针对DN患者ER压力的新型治疗策略.
