整合生物信息学与机器学习鉴定糖尿病肾病肾小球损伤基因及药物靶点预测

本研究针对糖尿病肾病(DN)这一高死亡率微血管并发症的分子机制不明问题，通过整合GSE30528等GEO数据集，结合WGCNA和LASSO/SVM/RF机器学习算法，鉴定出FN1、CD36等5个关键生物标志物，揭示其与免疫浸润和代谢通路的关联，并通过分子对接预测GW9662等潜在治疗药物，为DN早期诊断和精准治疗提供新靶点。论文发表于《Scientific Reports》，创新性融合多组学分析与实验验证，推动DN诊疗发展。

　　

糖尿病肾病(DN)作为糖尿病最严重的微血管并发症之一，全球患者数量预计到2045年将达6.29亿，其中约三分之一糖尿病患者最终发展为DN。目前临床依赖的微量白蛋白尿检测存在敏感性不足等问题，且现有治疗策略对延缓肾功能恶化的效果有限。尽管代谢改善、血流动力学调节和抗纤维化等疗法有所进展，但DN肾小球损伤的具体分子机制仍未完全阐明，这成为制约精准诊疗的关键瓶颈。

为解决这一难题，郑州大学公共卫生学院与重庆医科大学等机构的研究人员Li Zhang和ZhenPeng Sun等，在《Scientific Reports》发表了一项创新研究。该研究通过整合多组学数据和机器学习算法，系统揭示了DN肾小球损伤的分子特征，并预测了潜在治疗靶点。

研究采用三大关键技术：1) 整合GSE30528、GSE104948和GSE96804三个GEO数据库的肾小球组织转录组数据，通过sva包消除批次效应；2) 联合加权基因共表达网络分析(WGCNA)与差异表达基因(DEGs)筛选，结合LASSO回归、支持向量机(SVM-RFE)和随机森林(RF)三种机器学习算法筛选关键基因；3) 利用Nephroseq数据库验证临床相关性，通过DSigDB预测药物靶点并进行AutoDock分子对接，最后在BKS-db糖尿病小鼠模型中通过RT-qPCR验证标志物表达。

主要研究结果

数据集整合与差异基因鉴定
合并GSE30528和GSE104948数据集后，鉴定出233个DEGs（79上调/154下调）。WGCNA分析显示，turquoise和blue模块与DN表型相关性最强，这些模块基因主要富集于细胞因子-受体相互作用、吞噬体和趋化因子信号通路。

机器学习筛选生物标志物
三种算法共同鉴定出FN1、C1orf21、CD36、CD48和SRPX2五个核心基因。ROC曲线显示这些标志物在训练集和验证集（GSE96804）的AUC均>0.9。值得注意的是，除C1orf21在DN中低表达外，其余基因在DN肾小球组织中的表达均显著高于其他肾病（IgA肾病、狼疮性肾炎等），体现高度特异性。

免疫微环境与分子分型
ssGSEA分析发现DN样本中CD8⁺T细胞、记忆B细胞等免疫细胞浸润显著增加。FN1等4个基因与免疫评分呈正相关，而C1orf21呈负相关。基于标志物表达谱将DN分为CS1/CS2两种亚型：CS1表现为脂肪酸代谢通路上调，且Th17细胞浸润增加，提示该亚型可能更具侵袭性。

临床转化价值验证
Nephroseq数据库分析显示FN1、CD36表达与肾小球滤过率(GFR)负相关，与血清肌酐正相关。分子对接预测GW9662（PPARγ拮抗剂）与CD36结合能低至-8.36 kcal/mol，而传统药物阿利维A酸（alitretinoin）可通过抑制NF-κB减轻纤维化。动物实验证实DN小鼠肾组织中FN1、CD36等基因表达显著上调。

结论与展望
该研究首次系统鉴定出FN1等5个DN特异性生物标志物，揭示其通过调控细胞外基质(ECM)重构（FN1）、脂质代谢（CD36）和免疫激活（CD48）等多机制参与肾小球损伤。创新点在于：1) 建立基于多组学的DN分子分型体系；2) 发现CS1亚型与代谢-免疫交叉对话的关联；3) 提供GW9662等老药新用的理论依据。

局限性在于小鼠模型缺乏C1orf21同源基因，且临床样本量较小。未来需开展多中心队列验证，并探索标志物在尿液外泌体中的检测可行性。该研究为DN的早期诊断和个体化治疗提供了重要理论依据，尤其对开发针对肾小球特异性损伤的靶向药物具有指导意义。