急性肾损伤的诊断生物标志物与靶向药物预测:一种计算学方法

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

【字体: 大 中 小 】 时间:2026年01月14日 来源:Endocrine Metabolic & Immune Disorders - Drug Targets 2

编辑推荐:

  背景:急性肾损伤(Acute Kidney Injury, AKI)是一种起病急骤、预后差的临床综合征,现有诊断方法存在灵敏度低及滞后性缺陷,亟需发现新的精准生物标志物以实现早期识别与精确干预。方法:研究人员从基因表达综合数据库(Gene Expression

  
背景:急性肾损伤(Acute Kidney Injury, AKI)是一种起病急骤、预后差的临床综合征,现有诊断方法存在灵敏度低及滞后性缺陷,亟需发现新的精准生物标志物以实现早期识别与精确干预。方法:研究人员从基因表达综合数据库(Gene Expression Omnibus, GEO)获取AKI样本,利用"WGCNA"软件包鉴定AKI相关模块基因;采用"Limma"软件包筛选差异表达基因(Differentially Expressed Genes, DEGs);将关键模块基因与DEGs取交集构建蛋白互作(Protein-Protein Interaction, PPI)网络,联合cytoHubba插件中六种算法(MCC、MNC、Degree、EPC、Closeness及Radiality)筛选候选基因;应用最小绝对收缩与选择算子(Least Absolute Shrinkage and Selection Operator, LASSO)回归联合支持向量机—递归特征消除(Support Vector Machine–Recursive Feature Elimination, SVM-RFE)机器学习算法交叉筛选诊断生物标志物,并通过受试者工作特征(Receiver Operating Characteristic, ROC)分析验证其预测效能;应用Cytoscape 3.8.0构建转录因子(Transcription Factors, TFs)调控网络;最后利用药物特征数据库(Drug Signatures Database, DSigDB)预测潜在靶向药物并进行分子对接分析。结果:共筛选出498个与AKI显著相关的关键模块基因,进一步鉴定出88个AKI相关DEGs及18个候选基因;通过双机器学习算法交叉筛选并验证得到四个具有高诊断价值的生物标志物——DDX17、FUBP1、PABPN1及SF3B1,其ROC曲线下面积(Area Under the Curve, AUC)均大于0.8,预示良好预测性能;此外筛选出SF3B1对应19个TFs和17个miRNA、PABPN1对应10个TFs和58个miRNA、FUBP1对应15个TFs和60个miRNA、DDX17对应13个TFs和109个miRNA;药物预测与分子对接分析显示去乙酰秋水仙碱(Demecolcine)及庚酸睾酮(Testosterone Enanthate)可稳定结合部分标志物。讨论:鉴定出的四个与AKI密切相关的潜在生物标志物可能通过调控转录等关键过程参与AKI发生发展,预测的Demecolcine和Testosterone Enanthate可能通过调节关键靶基因参与肾损伤修复;虽需进一步实验验证,但可为AKI治疗提供新干预策略。结论:通过整合多种计算方法筛选出四个具有高诊断价值的AKI生物标志物,揭示AKI分子机制新视角,为实现AKI早期精准诊断与个体化治疗提供新理论基础。
《Endocrine Metabolic & Immune Disorders - Drug Targets》(投稿期刊标注为Endocrine Metabolic)刊载的该文,题为《急性肾损伤的诊断生物标志物与靶向药物预测:一种计算学方法》,以下为论文主体内容的解读总结。
【研究背景】
急性肾损伤(Acute Kidney Injury, AKI)是以肾功能快速恶化为特征的临床危重症,可进展为代谢性酸中毒、器官水肿、肾外器官损害及慢性肾脏病(Chronic Kidney Disease, CKD),住院病死率高达50%–65.2%。目前AKI诊断依赖血清肌酐(Serum Creatinine, SCr)升高或尿量减少的KDIGO(Kidney Disease: Improving Global Outcomes)标准,但SCr在肾损伤早期变化不明显,导致诊断延迟、错失干预窗口期。因此,发现可在SCr升高前即出现异常、兼具高灵敏度与高特异度的新型分子生物标志物,是AKI早期预警与精准干预的核心需求。近年来加权基因共表达网络分析(Weighted Gene Co-expression Network Analysis, WGCNA)及机器学习已被广泛用于疾病相关生物标志物挖掘,本研究拟整合WGCNA、差异表达分析、蛋白互作(Protein-Protein Interaction, PPI)网络及双机器学习算法,从GEO数据库中系统性筛选AKI诊断标志物并预测潜在靶向药物,实现"分子识别–诊断验证–药物预测–分子对接"的一站式计算分析。
【主要关键技术方法】
研究人员下载GEO数据集GSE61739(含48例肾移植受者FFPE活检标本,24例AKI与24例对照),使用WGCNA包筛选与AKI表型最相关的基因模块;用Limma包筛选差异表达基因(Differentially Expressed Genes, DEGs, p<0.01),取模块基因与DEGs交集导入STRING数据库构建PPI网络,用Cytoscape 3.8.0及cytoHubba插件六种拓扑算法(MCC、MNC、Degree、EPC、Closeness、Radiality)取交集得候选基因;分别用glmnet包做LASSO回归、e1071包做支持向量机–递归特征消除(Support Vector Machine–Recursive Feature Elimination, SVM-RFE)分析筛选特征基因,两者交集再经ROC分析(multipleROC包)以AUC≥0.8确认诊断生物标志物;用hTFtarget和Encori数据库预测标志物的转录因子(Transcription Factors, TFs)及miRNA调控关系并构建调控网络;用Enrichr包基于药物特征数据库(Drug Signatures Database, DSigDB)预测靶向药物,从PubChem获取配体3D结构、Uniprot获取标志物蛋白晶体结构,经PyMOL预处理后用AutoDockTools进行分子对接(结合能阈值<-5 kcal/mol)。
【研究结果】
3.1 WGCNA筛选获得498个与AKI关联的关键模块基因
对GSE61739进行样本聚类剔除1个离群样本,确定最佳软阈值β=4建立无标度拓扑网络,划分13个共表达模块。模块–表型相关性热图显示黑色模块与AKI相关性最强(cor=0.48, p=7×10-4),去除不可识别基因后得到498个AKI相关关键模块基因用于后续分析。
3.2 对498个关键模块基因行功能富集分析
基因本体(Gene Ontology, GO)富集显示生物过程(Biological Process, BP)主要富集于转录调控、RNA加工、RNA代谢及mRNA加工;细胞组分(Cellular Component, CC)定位于细胞核、核质、胞质溶胶及细胞质;分子功能(Molecular Function, MF)富集于蛋白结合、RNA结合、DNA结合及mRNA结合。京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)通路分析显著富集剪接体(Spliceosome)、mRNA监视通路、丝裂原活化蛋白激酶(Mitogen-Activated Protein Kinase, MAPK)信号通路、Wnt信号通路及p53信号通路,提示所鉴定基因可能参与AKI发病中的免疫代谢失调。
3.3 DEGs筛选与PPI网络构建
Limma分析得到611个DEGs(p<0.01),与498个关键模块基因取交集获88个AKI相关DEGs。将88个基因导入STRING构建PPI网络并用Cytoscape可视化,经cytoHubba六种算法各取Top 20基因后取交集,鉴定出18个AKI候选基因(hub genes)。
3.4 两种机器学习方法鉴定四个AKI诊断生物标志物
对18个候选基因行LASSO回归得到7个特征基因(lambda.min=0.0937),SVM-RFE得到10个特征基因(最小RMSE对应),两者交集得6个枢纽基因。ROC分析显示DDX17(AUC=0.821)、FUBP1(AUC=0.835)、PABPN1(AUC=0.817)、SF3B1(AUC=0.884)AUC均>0.8,DDX5与TARDBP的AUC为0.788未达阈值。最终确定DDX17、FUBP1、PABPN1、SF3B1为AKI潜在诊断生物标志物。
3.5 生物标志物转录因子调控网络构建及分子对接
hTFtarget预测到SF3B1有19个TFs、PABPN1有10个TFs、FUBP1有15个TFs、DDX17有13个TFs;Encori预测分别有17、58、60、109个实验验证计数≥5的靶向miRNA。DSigDB预测靶向药物为Demecolcine和Testosterone Enanthate。分子对接结果显示:DDX17与Demecolcine结合能-7.46 kcal/mol(氢键GLN-180、ASP-404);DDX17与Testosterone Enanthate结合能-7.50 kcal/mol(氢键LYS-76、PHE-94);SF3B1与Testosterone Enanthate结合能-7.78 kcal/mol(氢键ASP-511),三对对接结合能均<-5 kcal/mol,表明稳定结合。
【讨论与结论】
讨论部分指出,GO与KEGG富集提示RNA加工、剪接体及MAPK/Wnt/p53通路参与AKI进程。DDX17(DEAD-box RNA helicase 17)参与DNA修复与miRNA调控,既往与慢性肾病进展相关;FUBP1(Far Upstream element-Binding Protein 1)为癌基因,亦被报道参与肾纤维化;PABPN1(Poly(A) Binding Protein Nuclear 1)调控RNA加工;SF3B1(Splicing Factor 3b subunit 1)为剪接体组分,在肾肿瘤中存在异常剪接。本文首次将四者联用作为AKI诊断候选标志物,其在急性损伤状态下可能有特异性表达模式。药物预测中Demecolcine为微管聚合抑制剂,主要经肾清除,安全窗窄,在肾功能受损者中存在毒性风险;Testosterone Enanthate为雄激素制剂,可能通过间接机制参与肾组织损伤调节。研究局限包括仅基于单一GEO数据集、样本量偏小、缺乏独立队列与湿实验验证、TF-miRNA网络仅为数据库预测、药物缺乏药代/毒理评价,需后续在多中心临床样本及体内外模型中进一步确认。
结论(翻译):本研究基于WGCNA联合双机器学习算法筛选出四个具有潜在诊断价值的AKI标志物(DDX17、FUBP1、PABPN1及SF3B1),显示良好预测性能;进一步预测并筛选出Demecolcine和Testosterone Enanthate作为潜在靶向药物,分子对接验证其与标志物具结合活性。研究结果为AKI的早期诊断与靶向干预提供了理论基础;未来将通过功能实验探究各标志物在不同AKI亚型中的表达特征与机制作用,并结合临床标本验证其适用性,推动上述生物标志物及药物重定位的潜在临床应用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号