今天给同学们分享一篇非肿瘤+WGCAN+机器学习的生信文章“Identification and validation of immune and oxidative stress-related diagnostic markers for diabetic nephropathy by WGCNA and machine learning”,这篇文章于2023年2月22日发表在Front Immunol期刊上,影响因子为8.786。
糖尿病肾病(DN)以蛋白尿、高血压和肾功能逐渐减退为特征,在发达国家是终末期肾脏疾病最常见的原因,也给社会和经济带来了严重负担。研究表明,随着全球糖尿病患病率的上升,患有DN的人数也在增加,预计在未来20年左右,糖尿病患者将从5.37亿增加到7.83亿。然而,目前的治疗方法主要侧重于肾素-血管紧张素系统的阻断、血压管理和血糖控制。因此,迫切需要寻找糖尿病肾病诊断和治疗的新靶点。随着生物信息学的进步,近年来其研究技术已经广泛应用于探索多种疾病的靶点,包括糖尿病肾病。
图1 流程图
1. 差异表达基因的鉴定
从GSE30528中获得了1696个差异表达基因(DEGs),并从Genecard数据库中挖掘出了另外855个与氧化应激相关的基因。通过对这两者的交集,生成了111个差异表达氧化应激基因(DEOSGs)(图2A-C)。
图2 筛选差异表达基因(DEGs)
2.&n