重用抗糖尿病药物治疗:孟德尔的随机化和文本挖掘研究
Chenfeng Wang1, Huiwei Wang2,3, Ting Feng1
1Department of Orthopedic Surgery, The First Affiliated Hospital, College of Medicine, Zhejiang University, Hangzhou, Zhejiang 310030, China.
International journal of medical sciences
|July 14, 2025
概括
这项研究证实糖尿病会增加炎风险. 生物信息学分析发现了潜在的药物,如CILAZAPRIL和RESATORVID用于治疗糖尿病引起的 (DG).
科学领域:
- 遗传学和生物信息学
- 代谢障碍 代谢障碍 代谢障碍
- 血管并发症 血管并发症
背景情况:
- 糖尿病是一种严重的炎风险因素.
- 糖尿病诱发性 (DG) 的确切因果关系和潜在机制仍然不完全理解.
- 确定DG的治疗目标对于患者的治疗结果至关重要.
研究的目的:
- 通过使用孟德尔随机化 (MR) 调查糖尿病 (1型和2型) 和坏风险之间的因果关系.
- 通过生物信息学分析识别DG的潜在治疗剂,包括文本挖掘和药物基因相互作用 (DGI) 研究.
- 为管理GD的临床干预提供新的见解.
主要方法:
- 一个两样 MR 设计利用全基因组关联研究 (GWAS) 总结数据来评估糖尿病和疹之间的关联.
- 与糖尿病相关的单核酸多态 (SNP) 作为仪器变量,并进行了有效性检查.
- 使用文本挖掘,蛋白质与蛋白质相互作用 (PPI) 网络和DGI分析来确定候选治疗标和药物.
主要成果:
- 核磁共振分析表明,在1型糖尿病的遗传易感性和炎风险增加之间存在因果关系 (OR:1.19).
- 2型糖尿病 (T2DM) 也因果关系与更高的炎风险相关 (OR: 1.57).
- 生物信息学分析确定了50个相关基因,并揭示了6个基因是12种潜在药物用于DG治疗的目标,包括CILAZAPRIL,RESATORVID,SILTUXIMAB和OLOKIZUMAB.
结论:
- 这项研究提供了强有力的证据,证明了1型和2型糖尿病对瘤发病风险的因果关系.
- 综合生物信息学方法成功地确定了DG的潜在治疗剂.
- 这些发现为临床研究和治疗策略提供了新的方向,旨在预防和治疗糖尿病引起的.
