Journal of Theoretical & Computational Science
Offener Zugang

Abstrakt

In-silico- basierte Analyse von CKD-Expressionsdaten in Korrelation mit Diabetes mellitus enthüllt Biomarker-Gen

Mohd. Murshad Ahmed, Safia Tazyeen, Aftab Alam, Anam Farooqui, Shahnawaz Ali, Md. Zubbair Malik und Romana Ishrat

Chronische Nierenerkrankungen (CKD) werden weltweit zu einem umfassenden Problem der öffentlichen Gesundheit. Die aktuelle Angst vor der Krankheit könnte auf die Veränderung der zugrunde liegenden Pathogenität zurückzuführen sein. Ziel unserer Studie war es, eine detaillierte Analyse der Microarray-Genexpressionsdaten von CKD in Korrelation mit Diabetes und die Identifizierung von Biomarkergenen bereitzustellen. Hier wurden Affymetrix-Expressionsarrays verwendet, um differenziell exprimierte Gene in 22 bzw. 69 Proben von CKD und Diabetes zu identifizieren. Darüber hinaus werden einige der wichtigsten biologischen Veränderungen beschrieben, die bei CKD beobachtet werden, und spezifische Verfahren zur Durchführung einer Qualitätsbewertung des Affymetrix-Genchips unter Verwendung von GEO-Datensätzen (GSE70528, GSE11045) dargestellt. Außerdem werden Qualitätskontrollpakete veranschaulicht, um die Visualisierung für eine detaillierte Analyse zu verdeutlichen. Wir haben 912 differenziell exprimierte Gene bei CKD und 629 bei Diabetes identifiziert. Durch einen umfassenden Vergleich von CKD mit Diabetes haben wir 80 gemeinsame Gene gefunden, von denen 29 hochreguliert und 51 herunterreguliert waren. Bei der weiteren Analyse dieser 80 Gene mit NCG wurden 10 häufige Gene gefunden, die an verschiedenen Krebsarten beteiligt sind. Die Ergebnisse unterstreichen daher die Bedeutung dieser 10 häufigen, unterschiedlich exprimierten Gene, wenn man sie als Biomarker für drei Krankheiten betrachtet: Diabetes, CKD und Krebs. Unsere Studien haben unterschiedlich exprimierte Gene katalogisiert, die möglicherweise eine wichtige Rolle bei der Pathogenese von CKD spielen und als Biomarker dienen könnten.