在糖尿病病患者中预测诊断基因生物标志物,基于权重基因共表达网络分析和机器学习算法

科学领域:

• 腎臟病學 (nephrology) 是一種醫學專業.
• 基因组学就是基因组学.
• 生物标志物发现发现

背景情况:

• 糖尿病病 (DKD) 是一个重大的健康挑战.
• 识别可靠的DKD诊断标记对于早期干预和管理至关重要.

研究的目的:

• 确定糖尿病病 (DKD) 的新型诊断生物标志物.
• 探索DKD进展背后的分子机制.

主要方法:

• 使用了DKD的基因表达特征和对照样本 (GSE142153,GSE30528).
• 应用差异基因表达分析,加权基因共同表达网络分析 (WGCNA),LASSO回归和支持矢量机器递归特征消除 (SVM-RFE).
• 使用接收器操作特征 (ROC) 曲线分析评估生物标志物性能.

主要成果:

• 在DKD和对照样本之间确定了110个差异表达基因 (DEG).
• 来自WGCNA的"绿"模块与DKD显示出强烈的相关性.
• C-X-C 基因化学因子联体3 (CXCL3) 已成为一个有前途的诊断标记物,曲线下面面积 (AUC) 为0.735.

结论:

• C-X-C 基因化学因子连接体3 (CXCL3) 是糖尿病病 (DKD) 的潜在诊断生物标志物.
• 这些发现为DKD的分子机制提供了新的见解.
• 为了在DKD诊断中获得临床应用,CXCL3需要进一步研究.