一种糖尿病肾病合并糖尿病视网膜病变关键基因及标签制造技术

本发明专利技术公开了一种糖尿病肾病合并糖尿病视网膜病变关键基因及标签

【技术实现步骤摘要】
一种糖尿病肾病合并糖尿病视网膜病变关键基因及标签SNP的筛选方法、检测方法和用途


[0001]本专利技术涉及生物医学检测
，具体涉及一种糖尿病肾病合并糖尿病视网膜病变关键基因及标签
SNP
的筛选方法
、
检测方法和用途
。

技术介绍

[0002]国际糖尿病联盟数据显示，
2021
年全球约
5.37
亿
(10.5
％
)
成人患糖尿病，预计到
2045
年糖尿病患者可能达到
7.83
亿，糖尿病的患病率随着年龄的增长而增加，在
75
‑
79
岁的成年人中，2型糖尿病患病率估计为
24.0
％，到
2045
年预计将上升到
24.7
％，世界人口的老龄化将导致
60
岁以上糖尿病患者的比例不断增加
。
糖尿病可以影响体内许多不同的器官系统，并且随着时间的推移，可能导致严重的并发症
。
糖尿病的并发症可分为微血管或大血管，微血管并发症包括神经系统损伤
(
神经病变
)、
肾系统损伤
(
肾病
)
和眼损伤
(
视网膜病变
)
；而糖尿病肾病
(Diabetes Kidney Disease
，
DKD)
和糖尿病视网膜病变<br/>(Diabetes Retinopathy
，
DR)
都是常见的糖尿病慢性并发症，其发病率高，现有研究表明
DKD
和
DR
同属于糖尿病微血管病变，由于两者共同的发病机制：
AGEs、
多元醇通路活化
、
氧化应激
、
蛋白激酶
c、
炎症因子
、
血流动力学改变等，导致两者的发生发展存在平行
。
既往临床研究表明
eGFR
水平的降低与
DR
的存在和严重程度相关，
DKD
的分级也与
DR
的分期呈正相关，
DR
与
DKD
之间存在密切关联，在临床常合并发生，而
DR
是导致成人失明的主要原因，而
DKD
则是我国中老年人发生终末期肾脏病
(End stage renal disease
，
ESRD)
的主要原因，他们都严重影响了人们的正常生产生活，危害甚大
。
因此，
DKD
合并
DR
的预测和早期发现对患者个人
、
家庭和社会都是十分重要的
。
[0003]含
I
型血小板结合蛋白基序的解聚蛋白样金属蛋白酶
(a disintegrin
‑
like and metalloproteinase with thrombospondin
‑
1motifs,ADAMTSs)
与基质金属蛋白酶
(MMPs)
和
ADAMs(
一种解聚酶和金属蛋白酶
)
相似，属于锌蛋白酶超家族，其名称由于保守的蛋氨酸残基靠近锌依赖的金属蛋白酶活性部位得来，目前已知的
ADAMTS
功能有
:
①
抑制血管生成；
②
降解
ECM
，水解硫酸软骨素类蛋白多糖
(chondroitin sulphate proteoglycans,CSPGs)
，这类多糖又称为透明凝集多糖
(hyalectan)
类蛋白多糖，包括蛋白多糖
(aggrecan)、
多功能蛋白多糖
(versican)、
短蛋白聚糖
(brevican)
和神经蛋白聚糖
(neurocan)
；
③
维持血液凝固的动态平衡；
④
调节细胞之间的黏附
。
[0004]单核苷酸多态性
(Single nucleotide polymorphisms,SNP)
指的是在基因组染色体水平上由单个核苷酸变异引起的
DNA
序列变化而呈现出的多样性，即多态性
。
多基因风险评分
(Polygenic Risk Score
，
PRS)
技术作为能够在个体水平上评估疾病易感性的预测方法，已经在疾病预测和早期防治等方面中表现出一定的优势，但是其预测精度仍然无法达到临床应用的标准
。
机器学习
(Machine Learning
，
ML)
作为人工智能领域最强有力的一个分支系统，涉及统计学
、
概率论和优化理论等复杂算法，已经逐渐在生物信息学领域扮演不可或缺的作用，同时作为非线性模型的代表，在近年来的疾病预测研究中发展出逐渐上升
的趋势
。
机器学习的优势在于它可以从大量复杂的数据集中检测出难以区分的模式
。
基于
SNP
数据构建的机器学习算法模型可以提高现有
PRS
模型的预测精度，实现糖尿病肾病合并糖尿病视网膜病变临床预测应用
。

技术实现思路

[0005]本专利技术的目的就是针对上述现有技术的不足，提供一种糖尿病肾病合并糖尿病视网膜病变关键基因及标签
SNP
的筛选方法
、
检测方法和用途，其能够实现糖尿病肾病和糖尿病视网膜病变两种疾病的预测，并通过优化模型大幅提高预测结果的准确率
。
[0006]本专利技术采用的技术方案如下：
[0007]一种糖尿病肾病合并糖尿病视网膜病变关键基因及标签
SNP
的筛选方法，关键基因的筛选方法为，通过
GEO(Gene Expression Omnibus)
高通量基因表达数据库进行数据挖掘，获取到
DR
转录组学数据集
(GSE160306)
和
DKD
转录组学数据集
(GSE142025)
，并对这两个数据集中的数据进行整理，基于
R
语言
limma
差异分析
R
包分别对
DR
和
DKD
数据集中的不同疾病进展阶段分组和对照组进行差异基因分析，随后通过韦恩图对相同疾病的不同疾病阶段分组的差异基因取交集的方法分别得到在
DKD
和
DR
不同疾病本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种糖尿病肾病合并糖尿病视网膜病变关键基因及标签
SNP
的筛选方法，其特征在于，通过
GEO
数据库中糖尿病肾病数据集和糖尿病视网膜病变数据集分别筛选糖尿病肾病差异表达基因和糖尿病视网膜病变差异表达基因，通过韦恩图取交集的方法进一步确定两种疾病共有的差异基因，接着通过径向基函数神经网络的机器学习算法综合差异基因差异倍率和表达水平确定了一种糖尿病肾病和视网膜病变共有的差异表达基因
ADAMTS4
为糖尿病肾病合并糖尿病视网膜病变的关键基因
。2.
根据权利要求1所述的糖尿病肾病合并糖尿病视网膜病变关键基因及标签
SNP
的筛选方法，其特征在于，关键基因上的标签
SNP
通过
NCBI
数据库
、
真核生物基因组注释项目数据库
、
千人基因组数据库中基因物理位置及
SNP
物理位置
、
次等位基因频率和群体分布信息，以在
SNP
物理位置在关键基因物理位置上，次等位基因频率大于
0.05
，哈迪温伯格检验
P
值大于
0.05
，连锁不平衡分析
R2小于
0.8
，
SNP
功能注释为条件筛选出5个标签
SNP
位点，分别为
rs4233366、rs4656992、rs41270041、rs4233367
和
rs35630547。3.
一种糖尿病肾病合并糖尿病视网膜病变关键基因及标签
SNP
的检测方法，其特征在于，基于权利要求2所述筛选方法中关键基因上的5种标签
SNP
的检测分型方法为改进的连接酶检测法
。4.
一种糖尿病肾病合并糖尿病视网膜病变关键基因及标签
SNP
的用途，其特征在于，基于权利要求2所述筛选方法中的关键基因
ADAMTS4
和关键基因上5种标签
SNP rs4233366、rs4656992、rs41270041、rs4233367
和
rs35630547
及其组合，通...

【专利技术属性】
技术研发人员：鲁茜，杜蕾，卢寅飞，杨群，阳亭亭，王静怡，刘司杰，李甦雁，印晓星，
申请(专利权)人：徐州医科大学，
类型：发明
国别省市：