蛋白质学和机器学习方法的应用,以研究糖尿病病原和查尿路生物标志物

科学领域:

• 腎臟病學 (nephrology) 是一種醫學專業.
• 蛋白质组学是指蛋白质组学.
• 生物化学 生物化学

背景情况:

• 糖尿病病 (DN) 是全球末期病的主要原因.
• 目前DN的早期诊断方法是不够的.
• 了解DN机制对于及时干预至关重要.

研究的目的:

• 为了确定新的尿液生物标志物用于早期检测糖尿病病.
• 探索导致DN进展的潜在机制.
• 使用可靠的分析方法验证潜在的生物标志物.

主要方法:

• 从2型糖尿病患者和健康对照组收集的尿样.
• 在查队列上进行蛋白质组学分析,以确定候选生物标记物.
• 机器学习用于识别重叠的蛋白质.
• 与酶相关的免疫吸收试验 (ELISA) 用于验证.

主要成果:

• 幽默性免疫反应,补体激活,氨酸-血管新生素系统和细胞粘附分子与DN进展有关.
• 五种蛋白质 (KLK1,CSPG4,PLAU,SERPINA3,ALB) 被确定为潜在的DNA生物标志物.
• KLK1和CSPG4与尿中的白蛋白与肌素比率 (UACR) 有正相关;SERPINA3与尿中的白蛋白与肌素比率有负相关.

结论:

• 确定了KLK1,CSPG4和SERPINA3作为早期糖尿病病诊断的有希望的生物标志物.
• 阐明了涉及免疫和道的潜在疾病机制.
• 突出了蛋白质组学和机器学习在DN生物标志物发现中的实用性.