差异表达基因筛选与功能富集分析
从GEO数据集中鉴定与DKD相关的差异表达基因，并分析其功能富集。
利用limma包分析GSE96804数据集中DKD与正常样本的差异表达基因，并通过Metascape数据库进行GO和KEGG富集分析。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
糖尿病肾病早期诊断关键生物标志物的识别与验证
Identification and validation of key biomarkers for the early diagnosis of diabetic kidney disease.
实验完整度
高包含GEO数据集分析、WGCNA和LASSO建模、体外细胞模型（高糖刺激HMC）、体内小鼠模型（STZ诱导），并进行了免疫组化、Western blot和qRT-PCR验证。
主要模型
人类肾小球组织样本（GSE96804、GSE104948数据集） 人肾系膜细胞（HMC） STZ诱导的糖尿病小鼠模型
重点核对
模型：STZ诱导的C57BL/6小鼠糖尿病模型，每组5只，STZ剂量50mg/kg，连续5天腹腔注射 细胞模型：人肾系膜细胞（HMC）在高糖（40mmol/L）或正常糖（5.5mmol/L）培养基中培养24小时 核心基因表达：通过免疫组化、Western blot和qRT-PCR检测OAS1、SECTM1、SNW1的表达 诊断模型：基于LASSO选择的8个基因（AVP、ATP2B1、PON2、SNW1、SLC35A1、SECTM1、ZNF280B、OAS1）的模型在训练集AUC为0.9915，验证集AUC分别为0.9444和1
摘要
背景：糖尿病肾病（DKD）是终末期肾病的主要原因。本研究探索了与DKD相关的核心基因和通路，以识别潜在的诊断和治疗靶点。方法：我们从基因表达综合数据库（GEO）下载了微阵列数据集GSE96804和GSE104948。数据集共包括53个DKD样本和41个正常样本。使用R包“limma”识别差异表达基因（DEGs）。利用Metascape数据库进行基因本体（GO）功能和京都基因与基因组百科全书（KEGG）通路富集分析，以确定DEGs的通路和功能注释。构建了WGCNA网络，筛选了绿松石模块中的枢纽基因，并使用LASSO回归选择核心基因构建诊断模型，并在独立数据集中验证。通过体外和体内实验验证核心基因。结果：在GSE96804数据集中共鉴定出430个DEGs，包括285个上调和145个下调的DEGs。WGCNA筛选出128个建模候选基因集。通过LASSO回归共鉴定出8个DKD特征基因以构建预测模型。结果显示训练集（GSE96804）的准确率为99.15%，测试集（GSE104948-GPL22945和GSE104948-GPL24120）的准确率分别为94.44%和100%。在建模基因中选择了三个具有高连通性的核心基因（OAS1、SECTM1和SNW1）。体外和体内实验证实了这些基因的上调。结论：生物信息学分析结合实验验证，确定了三个新的DKD特异性基因。这些发现可能增进我们对DKD分子基础的理解，并为其临床管理提供潜在的治疗靶点。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 寻找与糖尿病肾病早期诊断相关的关键生物标志物和潜在治疗靶点。
- 核心机制
- 核心基因OAS1、SECTM1和SNW1可能通过调控多种信号通路（如JAK-STAT、钙信号通路等）以及影响免疫细胞浸润（如CD4记忆性T细胞）参与DKD的发病机制。
- 主要证据
- 基于GEO数据集差异表达分析、WGCNA、LASSO回归鉴定核心基因，并在STZ诱导的糖尿病小鼠模型和高糖刺激的肾系膜细胞中验证了OAS1、SECTM1和SNW1的表达上调。
- 研究意义
- 这些发现可能提供DKD早期诊断的生物标志物和潜在治疗靶点，增进对DKD分子基础的理解。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
WGCNA共表达网络构建与模块筛选
构建共表达网络，筛选与DKD最相关的基因模块。
使用WGCNA包基于差异基因构建共表达网络，软阈值设为8，识别模块，选择与DKD相关性最高的turquoise模块，并筛选枢纽基因（|MM|>0.8且|GS|>0.5）。
LASSO回归构建诊断模型
基于候选基因构建DKD诊断预测模型。
使用LASSO回归对WGCNA筛选的128个基因进行特征选择，得到8个特征基因，构建风险评分模型，并通过ROC曲线评估模型性能。
免疫浸润分析
评估DKD中免疫细胞浸润情况，并分析核心基因与免疫细胞的相关性。
使用CIBERSORT算法推断22种免疫细胞比例，比较DKD与正常组差异，并进行Spearman相关性分析。
GSEA通路富集分析
探索核心基因高表达组富集的KEGG通路。
使用GSEA比较核心基因高表达组与低表达组的KEGG通路差异。
ceRNA网络构建
构建核心基因相关的ceRNA网络。
利用miRcode数据库预测miRNA-mRNA互作，NPInter数据库预测lncRNA-miRNA互作，构建lncRNA-miRNA-mRNA网络并可视化。
体内动物模型验证
验证核心基因在DKD小鼠模型中的表达。
构建STZ诱导的糖尿病小鼠模型，通过Masson染色、血糖、肌酐、尿白蛋白/肌酐比评估模型，并通过免疫组化、Western blot检测核心基因表达。
体外细胞模型验证
验证核心基因在高糖刺激的系膜细胞中的表达。
将人肾系膜细胞（HMC）在高糖或正常糖培养基中培养24小时，通过Western blot和qRT-PCR检测核心基因表达。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
差异表达分析
功能富集分析
共表达网络分析
免疫浸润分析
通路富集分析
ceRNA网络构建
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 动物建模 | 链脲佐菌素 | Sigma-Aldrich | -- |
| 细胞培养 | DMEM培养基 | Gibco | -- |
| 胎牛血清 | Gibco | -- | |
| 免疫组化 | 兔多克隆抗SNW1抗体 | Abcam | ab167165 |
| 抗OAS1抗体 | Proteintech | 14955-1-AP | |
| 抗SECTM1抗体 | Bioss | bs-10153R | |
| 抗CD4抗体 | Abcam | ab183685 | |
| RNA提取与qPCR | RNA提取试剂盒 | Takara | RR420 |
| PrimeScript逆转录酶 | Takara | RR420 | |
| qPCR试剂盒 | Takara | RR036A | |
| Western blot | RIPA裂解液 | -- | -- |
| 抗SNW1抗体 | Abcam | ab167165 | |
| 抗OAS1抗体 | Proteintech | 14955-1-AP | |
| 抗SECTM1抗体 | Bioss | bs-10153R | |
| 二抗 | Abcam | ab205718 | |
| 增强化学发光试剂 | UElandy | -- | |
| ImageJ软件 | National Institutes of Health | V1.8.0 |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据获取与差异表达分析 | 数据集GSE96804和GSE104948的样本组成（DKD和对照样本数），差异表达筛选阈值（p<0.05，|Log2FC|>1） 阅读提示：Methods 2.1, 3.1 |
| WGCNA分析 | 软阈值设定（8），模块筛选标准（|MM|>0.8，|GS|>0.5），选取的模块（turquoise） 阅读提示：Methods 2.4, Results 3.2 |
| LASSO诊断模型 | 候选基因集（128个基因），LASSO回归参数（lambda），8个特征基因列表，模型公式 阅读提示：Methods 2.3, Results 3.3 |
| 动物模型 | 小鼠品系、性别、年龄（C57BL/6雄性6-8周），STZ剂量（50mg/kg）和给药方式（腹腔注射，连续5天），对照组设置，每组5只，观察时间点（20周） 阅读提示：Methods 2.9, Results 3.8 |
| 细胞模型 | 人肾系膜细胞来源（ATCC），培养条件（DMEM+10%FBS，37°C，5%CO2），高糖处理浓度（40 mmol/L）和时间（24小时），正常糖浓度（5.5 mmol/L） 阅读提示：Methods 2.10, Results 3.9 |