利用互补的多主题数据整合方法,以获得脏疾病的机械洞察力
Fadhl Alakwaa1, Vivek Das2, Arindam Majumdar3
1Department of Internal Medicine, Division of Nephrology, University of Michigan, Ann Arbor, Michigan, USA.
JCI insight
|March 10, 2025
概括
整合多omics数据揭示了关键的尿蛋白和与慢性病 (CKD) 进展相关的途径. 这种方法有助于理解CKD机制,并确定潜在的治疗点.
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.
- 蛋白质组学是指蛋白质组学.
- 代谢学 代谢学 代谢学
背景情况:
- 慢性病 (CKD) 是一个重大的全球健康挑战.
- 了解CKD复杂的病理生理学对于有效的管理至关重要.
- 高度的多维数据提供了对疾病机制的新见解的潜力.
研究的目的:
- 探索互补的多维数据集成方法的实用性.
- 阐明CKD进展背后的机制.
- 确定与CKD结果相关的强大的生物标志物.
主要方法:
- 组织转录基因,尿液和血蛋白质基因,尿液代谢基因数据的整合.
- 应用两个正交的多omics数据集成方法 (无监督和监督).
- 用生存分析在独立队列中验证已识别的尿蛋白.
主要成果:
- 这两种整合方法都确定了8种与长期CKD结果显著相关的尿蛋白.
- 这些发现在一个独立的验证小组中复制.
- 确定了三个共同的丰富途径:补充和凝血级联,细胞因子-细胞因子受体相互作用和JAK/STAT信号传递.
结论:
- 多层次数据整合策略有效地识别和优先考虑慢性病进展中的疾病机制.
- 已识别的尿蛋白和尿路具有作为生物标志物和治疗点的潜力.
- 这种综合的多学科方法对于在数据复杂度不断增加的情况下推进病研究非常有价值.
更多相关视频
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
1.1K
11:47Using 2-Photon Microscopy to Quantify the Effects of Chronic Unilateral Ureteral Obstruction on Glomerular Processes
Published on: March 4, 2022
2.2K
