编辑推荐：
糖尿病肾病（DN）危害大且治疗手段有限。研究人员开展了寻找 DN 关键生物标志物的研究，通过多种分析方法发现 ITGB2 和 VWF 是关键标志物，抑制 ITGB2 可减轻 DN 中的上皮 - 间质转化（EMT）和炎症，为 DN 诊疗提供新方向。
糖尿病，这个在现代社会中愈发常见的疾病，正悄然引发一系列严重的健康问题，其中糖尿病肾病（Diabetic Nephropathy，DN）尤为棘手。DN 不仅是 1 型和 2 型糖尿病的常见并发症，更是导致终末期肾病的重要原因，在全球范围内，它已成为终末期肾病的首要病因。随着糖尿病患者数量预计在 2045 年增长至 7 亿，DN 的患病率也在逐年攀升。患有 DN 的患者，心血管不良事件、感染和死亡的风险显著增加，这不仅给个人带来巨大痛苦，也给家庭和社会带来沉重的经济负担。目前，DN 的治疗方法主要依赖于长期使用钠 - 葡萄糖协同转运蛋白 2 抑制剂和肾素 - 血管紧张素 - 醛固酮系统抑制剂来控制血糖和血压、缓解蛋白尿，进而延缓肾病进展。然而，这些药物只能延缓病情发展，无法完全阻止 DN 向终末期肾病的转变，患者的临床预后并不乐观。因此，寻找有效的 DN 诊断生物标志物和治疗策略迫在眉睫。
在这样的背景下，中国人民解放军中部战区总医院肾内科的研究人员开展了一项极具意义的研究。他们致力于探索补体系统相关的关键生物标志物，为 DN 的诊疗开辟新途径。该研究成果发表在《European Journal of Medical Research》上。
研究人员采用了多种关键技术方法。首先，从 GEO 数据库下载 DN 微阵列数据集，对数据进行预处理和合并，将其分为训练集和验证集。然后，运用 “limma” 包筛选差异表达基因（Differentially Expressed Genes，DEGs） 。通过计算基因的中位数绝对偏差（Median Absolute Deviation，MAD），去除部分基因后，利用 “WGCNA” 包进行加权基因共表达网络分析，筛选出与 DN 相关的基因。接着，从多个数据库搜索补体系统相关基因（Complement System - Related Genes，CSRGs），与之前得到的基因进行交集分析，确定差异 CSRGs（DCSRGs）。之后，借助 “STRING” 数据库构建蛋白质 - 蛋白质相互作用（Protein - Protein Interaction，PPI）网络，并运用 “LASSO” 和 “Best Subsets Regression（BSR）” 两种机器学习算法筛选关键生物标志物。同时，使用 “CIBERSORT” 算法进行免疫浸润分析，运用基因集富集分析（Gene Set Enrichment Analysis，GSEA）探索相关信号通路，利用 “DSigDB” 和 “enrichR” 包筛选潜在药物。在细胞实验方面，培养 HK - 2 细胞构建 DN 细胞模型，通过慢病毒转染敲低 ITGB2，采用定量逆转录聚合酶链反应（Quantitative Reverse Transcriptase Polymerase Chain Reaction，qRT - PCR）、蛋白质免疫印迹法（Western blotting）、酶联免疫吸附测定（Enzyme - Linked Immunosorbent Assay，ELISA）等方法检测相关指标。
研究结果如下：
- 差异表达基因筛选：通过对数据集的分析，共获得 1012 个 DEGs，包括 613 个上调基因和 399 个下调基因。同时发现 CSRG 评分在 DN 组和对照组之间存在显著差异，表明 CSRG 在 DN 的发生中发挥重要作用。
- DCSRGs 的鉴定：运用 WGCNA 方法筛选出 974 个与 DN 相关的基因，这些基因与 DEGs 和 CSRGs 进行交集分析后，得到 13 个重叠基因，即被认为是 DCSRGs。
- 富集分析和 PPI 网络构建：对 DCSRGs 进行富集分析，GO 分析显示它们主要富集在补体激活、体液免疫反应等 234 个 GO 术语中；KEGG 通路分析表明，富集的通路主要涉及补体和凝血级联反应、金黄色葡萄球菌感染、系统性红斑狼疮等。此外，构建的 PPI 网络包含 13 个节点和 46 条边。
- 关键生物标志物筛选：利用两种机器学习算法，最终确定 VWF 和 ITGB2 为关键生物标志物。这两个标志物在训练集和验证集中的 AUC 值均较高，表明其具有良好的预测性能。同时，它们的表达水平在 DN 组显著高于对照组，且与年龄、血清肌酐水平和肾小球滤过率（GFR（MDRD））等临床特征显著相关。
- GSEA、免疫浸润分析和潜在药物筛选：GSEA 发现 VWF 和 ITGB2 主要参与趋化因子信号通路、细胞黏附分子（Cell Adhesion Molecules，CAMs）、黏着斑和自然杀伤细胞介导的细胞毒性等通路。免疫浸润分析显示，激活的肥大细胞、巨噬细胞和静止的 NK 细胞在 DN 和对照组之间存在显著差异，且 VWF 和 ITGB2 与这些免疫细胞显著相关。此外，还搜索到 98 种与 VWF 和 ITGB2 相关的潜在药物，并构建了关键生物标志物 - 药物网络。
- ITGB2 对 HG 处理的 HK - 2 细胞的影响：在 HG 处理的 HK - 2 细胞中，ITGB2 的 mRNA 和蛋白质表达水平显著升高。敲低 ITGB2 后，HK - 2 细胞的活力显著增加，上皮 - 间质转化（Epithelial - Mesenchymal Transition，EMT）和纤维化相关标志物的表达以及炎症因子的表达均显著降低，这表明抑制 ITGB2 可减轻 HG 处理的 HK - 2 细胞中的 EMT、纤维化和炎症。
研究结论和讨论部分指出，该研究通过 WGCNA 和机器学习方法确定了补体系统相关的关键生物标志物 VWF 和 ITGB2，它们在 DN 的发生发展中具有重要作用，可能是潜在的诊断和治疗靶点。抑制 ITGB2 能够减轻 DN 中的 EMT 和炎症，为 DN 的治疗提供了新的思路。然而，该研究也存在一些局限性，如从现有数据库获取的 CSRGs 可能不全面，ITGB2 在 DN 中的分子机制有待进一步探索，针对 VWF 和 ITGB2 的潜在药物在 DN 临床应用中的效果也需要进一步研究。尽管如此，这项研究为 DN 的诊断和治疗提供了新的方向，具有重要的理论和实践意义，有望推动 DN 诊疗领域的进一步发展。
