8+非肿瘤分析，WGCNA+机器学习筛选相关基因

最新推荐文章于 2024-09-27 20:57:42 发布

生信风暴

最新推荐文章于 2024-09-27 20:57:42 发布

阅读量261

点赞数

文章标签：零知识证明

本文链接：https://blog.csdn.net/2301_79430545/article/details/132561882

版权

该研究通过WGCNA和机器学习方法，结合GSE30528数据集，识别并验证了糖尿病肾病（DN）的免疫和氧化应激相关诊断标志物。分析发现了CD36、SLC1A3和ITGB2为中心基因，具有潜在的诊断价值。

摘要由CSDN通过智能技术生成

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。