急性肾损伤的诊断生物标志物与靶向药物预测：一种计算方法

《Endocrine, Metabolic & Immune Disorders - Drug Targets》：Diagnostic Biomarkers and Targeted Drug Prediction for Acute Kidney Injury: A Computational Approach

AKI诊断生物标志物及药物预测研究：通过GEO数据库筛选AKI相关模块基因，结合LASSO回归与SVM-RFE算法识别DDX17、FUBP1、PABPN1、SF3B1四个高诊断价值标志物（AUC>0.8），构建其转录因子及miRNA调控网络，并通过分子对接预测Demecolcine和Testosterone Enanthate可能干预肾损伤。研究为AKI早期精准诊疗提供新理论依据。

　　

摘要

引言：急性肾损伤（AKI）是一种发病迅速、预后较差的临床综合征，现有的诊断方法存在灵敏度低和诊断延迟的问题。为了实现早期识别和精准干预，迫切需要发现新的生物标志物。

方法：从基因表达组数据库（GEO）中获取了AKI相关样本。使用“WGCNA”软件包识别与AKI相关的模块基因，通过“Limma”软件包筛选差异表达基因（DEGs）。通过将关键模块基因与DEGs进行交集运算构建蛋白质相互作用网络，并结合cytoHubba插件中的六种算法（MCC、MNC、Degree、EPC、Closeness和Radiality）来筛选候选基因。利用LASSO回归和基于支持向量机的递归特征消除（SVM-RFE）机器学习算法对这些候选基因进行交叉筛选，并通过接收者操作特征（ROC）分析验证其预测性能。使用Cytoscape 3.8.0构建转录因子（TFs）调控网络。最后，通过DSigDB数据库和AutoDockTools对潜在靶药物进行了预测和分子对接分析。

结果：共筛选出498个与AKI显著相关的关键模块基因，进一步确定了88个AKI相关DEGs和18个候选基因。重要的是，通过LASSO回归和SVM-RFE两种机器学习算法筛选并验证了4个具有高诊断价值的生物标志物（DDX17、FUBP1、PABPN1和SF3B1），这些生物标志物的ROC曲线下面积（AUC）值大于0.8，表明其具有良好的预测性能。此外，还筛选出了19个与SF3B1相关的TFs和17个miRNA、10个与PABPN1相关的TFs和58个miRNA、15个与FUBP1相关的TFs和60个miRNA，以及13个与DDX17相关的TFs和109个miRNA。药物预测和分子对接分析显示，Demecolcine和Testosterone Enanthate能够稳定地与某些标志物结合。

讨论：发现了4个与AKI密切相关的潜在生物标志物，它们可能通过调节转录等关键过程参与AKI的发生和发展。预测的Demecolcine和Testosterone Enanthate也可能通过调节关键靶基因参与肾损伤的修复。尽管仍需进一步的实验验证，但这些发现可能为AKI的治疗提供新的干预策略。

结论：综上所述，通过整合多种计算方法筛选出了4个具有高诊断价值的AKI生物标志物，为理解AKI的分子机制提供了新的视角。这些结果为实现AKI的早期精准诊断和个性化治疗奠定了新的理论基础。