基于生物信息学,确定与代谢重编程相关的基因作为糖尿病病的潜在诊断生物标志物

科学领域:

• 基因组学和生物信息学
• 分子生物学分子生物学
• 糖尿病学 糖尿病学

背景情况:

• 糖尿病病 (DN) 是一种严重的糖尿病并发症,导致逐渐的损伤.
• 代谢重编程与DN病变产生有关,但机制尚不清楚.
• 这项研究研究了在DNA中差异表达的代谢重编程相关基因 (MRRGs).

研究的目的:

• 在糖尿病病中识别差异表达的MRRGs.
• 探索DNA中代谢重编程的潜在机制.
• 发现DN的潜在诊断生物标志物和治疗点.

主要方法:

• 对50个DN和33个对照样本的GEO数据集 (GSE30528,GSE96804) 的分析.
• 使用limma和功能丰富 (GO,KEGG,GSEA) 的差异基因表达分析.
• 构建蛋白质-蛋白质相互作用网络以确定枢纽基因,并分析调节网络和免疫细胞透.

主要成果:

• 确定了119个差异表达的MRRG (MRRDEGs) 参与像MAPK信号传递这样的途径.
• 发现了9个枢纽基因 (FN1,CD44,KDR,EGF,HSPG2,HGF,FGF9,IGF1,ALB) 具有很高的诊断准确性 (AUC为0.7-0.9).
• FN1和CD44与纤维化相关,这表明它们可能是生物标志物. 观察到显著的免疫细胞透差异.

结论:

• 已确定FN1和CD44是具有DN诊断潜力的枢纽基因.
• 这项研究强调了免疫细胞透到DNA中的差异.
• 这些发现提供了对DN进展和潜在治疗策略的见解.