摘要
[目的] 本研究通过生物信息学方法探索糖尿病肾病(diabeticnephropathy，DN)肾小球病变的关键基因及信号通路，并探讨其潜在作用。 [方法] 从GEO(GeneExpressionOmnibus)数据库中下载4个糖尿病肾病的基因芯片数据集GSE30528、GSE47183、GSE104948和GSE96804。通过R语言“limma”包分别对数据集GSE30528、GSE47183、GSE104948进行差异分析。使用“RobustRankAggreg”包来筛选3个数据集中共有的差异表达基因(differentiallyexpressedgenes，DEGs)。然后，利用STRING数据库进行蛋白质-蛋白质相互作用(protein-proteininteraction，PPI)网络分析，利用CytoHubba插件里面的10种算法各筛选排名前15的枢纽基因，接着使用R包“UpSetR”筛选10种算法共有的hub基因。通过logistic回归分析进一步筛选核心基因。使用GSE96804数据集验证核心基因的表达水平，利用受试者工作特征(receiveroperatingcharacteristic，ROC)曲线评估核心基因对DN的预测效能。通过对核心基因进行相关性分析和富集分析，进一步明确核心基因参与DN的潜在机制。 [结果] 在GSE30528、GSE47183、GSE104948三个数据集中，共鉴定出55个共有的差异表达基因，包括38个上调基因和17个下调基因。用R包“UpSetR”筛选出4个枢纽基因(FN1、CD44、C1QB、C1QA)，其中FN1是DN的重要核心基因，可能是DN的潜在生物标志物。相关性分析和富集分析表明，FN1与COL6A3、COL1A2、THBS2和CD44均呈正相关，共同通过ECM受体相互作用通路参与糖尿病肾病的发展。 [结论] 本研究通过分析GEO基因芯片数据，发现FN1、CD44、C1QB、C1QA等hub基因与DN发生发展密切相关，其中FN1尤为重要，通过相关性分析和富集分析发现FN1与COL6A3、COL1A2、THBS2、CD44有着正相关关系，共同通过ECM受体相互作用通路参与糖尿病肾病的发展，可能是糖尿病肾病潜在生物标志物，有望是DN研究的新靶点，可以为将来的基础研究提供一个新的思路。当然，本研究还需要实验进一步验证。
NETL