生物信息学联合蛋白质组学分析IgA肾病的差异表达基因及靶向中药预测

Analysis of differentially expressed genes in IgA nephropathy and prediction of targeted Chinese medicine by bioinformatics combined with proteomics

摘要

目的 采用生物信息学联合蛋白质组学探究IgA肾病（IgAN）相关差异基因的表达，并筛选相关的靶向中药。　方法选取基因表达综合数据库（GEO）的GSE93798和GSE37460数据集，通过R语言筛选IgAN差异表达基因（DEGs），并采用火山图和热图进行DEGs可视化分析。使用韦恩图获取2个数据集的交集DEGs，利用DAVID工具对交集DEGs进行GO和KEGG富集分析，使用STRING筛选交集DEGs的PPI网络，用Cytoscape软件进行拓扑分析以筛选关键基因。收集陕西省中医医院30例IgAN患者和5例微小病变（MCD）患者的尿液样本进行蛋白质组学测定，进一步分析关键基因在IgAN患者尿液中的差异表达，最后利用Coremine Medical预测与IgAN相关的Hub基因的靶向中药。 结果 共筛选出52个交集DEGs，包括37个上调和15个下调。GO分析表明交集DEGs主要富集于炎症反应、细胞膜外侧区域等。KEGG富集分析主要包括了细胞外基质受体互作通路、AGE-RAGE信号通路等。利用PPI网络筛选出包括FOS、EGR1、ATF3、FOSB、CD36、POSTN、CYBB、TYROBP、C3AR1、CSF1R、FN1、COL1A1、COL1A2、MMP9、CD68、ALB、CCL2和ITGB2在内的18个关键基因。蛋白质组学分析结果表明FN1、CD36在IgAN患者尿液中的表达均高于MCD患者（P<0.05）。最后，预测了调控17个关键基因的199种中药。　结论IgAN差异基因的表达多与机体炎症反应、细胞黏附、信号转导等相关。FN1、CD36在IgAN患者尿液中显著表达，可能成为未来IgAN诊断和治疗的靶点之一。预测得到的中药及其性味、归经与IgAN的病机基本吻合，为未来IgAN的治疗提供新的研究方向和用药参考。

Abstract

Objective To identify differentially expressed genes（DEGs） associated with IgA nephropathy（IgAN） and explore the underlying mechanisms and potential targeted Chinese medicines by bioinformatics and proteomics. Methods The GSE93798 and GSE37460 datasets were downloaded from the Gene Expression Omnibus（GEO）. Differentially expressed genes（DEGs） between IgAN and healthy controls were identified with R and visualized by volcano plots and heat maps. Overlapping DEGs shared by the two data⁃sets were determined by Venn diagrams， and analyzed using GO and KEGG pathway enrichment analyses with DAVID tools. Protein⁃protein interaction networks were constructed in STRING， and hub genes were selected by topological analysis in Cytoscape. Urine samples from 30 IgAN patients and 5 minimal-change disease（MCD） patients in Shaanxi Provincial Hospital of Traditional Chinese Medicine were collected for proteomic profiling to validate the differential abundance of hub genes in IgAN urine. Finally， Coremine Medical was used to predict traditional Chinese medicines targeting these IgAN-related hub genes. Results A total of 52 overlapping DEGs were identified， including 37 up-regulated and 15 down-regulated genes. GO enrichment indicated that these genes were prima⁃rily involved in inflammatory response and external side of the plasma membrane. KEGG enrichment pathway of DEGs mainly included the ECM⁃receptor interaction pathway，AGE⁃RAGE signaling pathway， etc. Eighteen key genes， including FOS， EGR1， ATF3， FOSB， CD36， POSTN， CYBB， TYROBP， C3AR1， CSF1R， FN1， COL1A1， COL1A2， MMP9， CD68， ALB， CCL2 and ITGB2， were screened out using the PPI network. Proteomic data further showed that urinary FN1 and CD36 levels were significantly higher in IgAN patients than in those with MCD（P<0.05）. Finally， 199 traditional Chinese medicines were predicted to modulate 17 hub genes. Conclusion The expressions of IgAN differential genes are mostly related to the body's inflammatory response， cell adhesion， signal transduction， etc. FN1 and CD36 are significantly expressed in the urine of patients with IgAN and may become one of the targets for the diagnosis and treatment of IgAN in the future. The predicted Chinese medicines and their tastes and attributes basically coincide with the pathogenesis of IgAN， providing new research directions and medication references for the treatment of IgAN.

Graphical abstract

关键词

IgA肾病 / 生物信息学 / 蛋白质组学 / GEO数据库 / 差异基因 / 中药

Key words

IgA nephropathy / bioinformatics / proteomics / GEO database / differential genes / Chinese medicine

IgA肾病（IgA nephropathy，IgAN）是全球最常见的原发性肾小球疾病，约40%的IgAN患者可发展为终末期肾病（end stage renal disease，ESRD）^［1］。其临床表现多样，主要表现为镜下血尿或肉眼血尿，可伴不同程度蛋白尿、高血压和肾功能损伤，是导致慢性肾功能衰竭的主要原因之一^［2］。目前IgAN的确诊主要依靠肾活检，其病理主要表现为半乳糖缺乏的IgA1（galactose-deficient IgA1，Gd-IgA1）免疫复合物在肾脏沉积，系膜细胞（MC）增生，细胞外基质（ECM）合成增加，多种免疫细胞浸润，包括巨噬细胞、单核细胞和T细胞。然而肾活检因其有创性，存在一定的风险，因此，需寻找更准确、敏感、无创的生物标志物来判断IgAN诊断及预后。

IgAN的发病机制尚不明确，目前在国际上较为公认的IgAN发病机制是“四重打击”学说，围绕Gd-IgA1开展的一系列研究提示IgAN发病涉及免疫复合物沉积、补体激活、炎性因子释放等多个环节^［3］。现IgAN治疗尚无特效方案，主要是充分支持治疗，包括降低血压、减少尿蛋白及改善不良生活习惯^［4］。鉴于糖皮质激素、免疫抑制剂等传统药物疗效有限且存在一定不良反应^［5-7］，随着IgAN发病机制深入研究，靶向治疗其发病机制中的关键分子逐渐成为未来治疗策略研究热点。近年来，中医药疗法在调节血糖和血脂代谢、减轻肾损害、延缓肾病、预防肾小球硬化和纤维化等方面的作用逐渐被揭示，并且中药具有多成分、多靶点、疗效好、副作用小的优势^［8，9］。但用药规律方面缺乏系统科学的研究。

随着芯片技术和高通量测序的不断发展，对于探索更具有特异性的差异表达基因（differentially expressed genes，DEGs）提供了巨大帮助，其结果将有益于筛选疾病的诊断标志物及靶向治疗分子。蛋白组学分析能够阐明生物体各种生物基因组在细胞中表达的全部蛋白质的表达模式及功能模式。因此，本研究利用生物信息学技术和蛋白组学分析筛选IgAN的差异表达基因，寻找无创诊断标志物，进一步识别关键基因以探讨其可能的发病机制，探索治疗IgAN的潜在靶点，并筛选出潜在的靶向中药，为IgAN的治疗提供新的研究方向和用药参考。

1 材料与方法

1.1 检索GEO数据库及差异表达基因筛选

GEO数据库（https：//www.ncbi.nlm.nih.gov/geo）中筛选相关表达谱芯片数据集，寻找IgAN患者的相关信息，筛选条件为“IgA nephropathy”物种选择“human”。下载IgAN相关数据集GSE93798，其平台为GPL22945，共计IgAN肾脏标本20例、正常肾脏标本22例^［10］，相关数据集GSE37460，其平台为GPL14663和GPL11670，有IgAN肾脏标本、正常肾脏标本各27例^［11］，GEO芯片样本数据均下载以供进一步分析。基因表达数据通过R语言软件（version 3.6.0；http：//www.r-project.org/）进行标准化处理，随后以|log₂FC|>1和校正P<0.05为标准，使用R软件的limma包^{［12，13］}，行DEGs筛选，并利用Venny2.1绘制韦恩图，获得交集DEGs。

1.2 交集DEGs功能富集分析

利用DAVID分析平台（http：//david.ncifcrf.gov）对交集DEGs进行GO功能和KEGG富集分析，以此来寻找表达基因所映射的生物学通路和生物学功能^［14］。P<0.05为差异有统计学意义。

1.3 交集DEGs的PPI网络构建和Hub基因鉴定

为了进一步揭示共同DEGs编码的蛋白质之间的潜在关系并识别Hub基因，将交集DEGs上传至STRING12.0数据库（https：//string-db.org），选择物种为“智人”，靶点关联的置信度为0.40，对交集DEGs进行PPI分析；将通过STRING数据库获取的“stv”文件导入Cytoscape 3.9.1软件中，选取3个参数评估蛋白互作网络中节点的拓扑特征：度值（degree）、介数（betweenness）、紧密度（closeness），这3个参数的高低与节点网络中的重要性呈正相关，根据这3个参数筛选出差异表达的Hub基因。

1.4 蛋白质组学分析验证差异表达Hub基因

1.4.1 研究对象

选取2022年9月至2023年12月于陕西省中医医院经肾穿刺活检确诊的IgAN患者30例，微小病变患者5例。入组标准：①经肾脏穿刺活检确诊为IgAN；②所有入组的IgAN患者在入院前均未接受过系统诊疗，未服用过糖皮质激素及免疫抑制剂以及可能影响尿蛋白的药物。排除标准：①合并其他心、脑、肺等重大疾病；②有失语、认知功能障碍、精神障碍或其他无法配合检查及治疗者；③正在参与其他临床试验者。本研究经陕西省中医医院伦理委员会批准（2024伦审第62号）。

1.4.2 临床资料和样本收集

收集所有患者的一般资料，包括性别、年龄、体质量、血压，实验室检查包括白细胞（WBC）、血红蛋白（HGB）、C反应蛋白（CRP）、肌酐（Scr）、尿酸（UA）、尿素氮（BUN）、血清白蛋白（ALB）、总胆固醇（TG）、甘油三酯（TC）、估算肾小球滤过率（eGFR）、24 h尿蛋白定量（24 h-UTP）等。采集所有入组患者的清洁中段晨尿于10 mL无菌试管，保存在-80 ℃冰箱中。

1.4.3 蛋白质组学检测

蛋白质组学实验流程包括尿液（目标样品）蛋白的提取质检、蛋白定量、蛋白酶切、肽段除盐与定量、质谱检测与数据分析等环节^{［15，16］}。

1.4.3.1 试剂和仪器

BCA工作液、蛋白标准溶液（BSA）、二硫苏糖醇（DTT）购自碧云天生物技术有限公司，TMT6plex标记试剂、TMT10plex标记试剂、TMTpro16plex标记试剂、Orbitrap Exploris™ 480购自美国赛默飞世尔科技公司，碘乙酰胺（IAA）购自上海阿拉丁生化科技股份有限公司，低温冷冻研磨仪（JXFSTPRP-CLN）、分体式超声破碎仪（MX-150T）购自上海净信实业发展有限公司，多功能微孔板检测仪（SynergyH1）购自美国伯腾仪器有限公司，高效液相色谱仪（Ultimate3000）、EASY⁃nLC™ 1200型纳升级超高效液相色谱仪购自美国Thermo公司。

1.4.3.2 蛋白提取与酶解

①称取适量尿液样品，转入2 mL离心管中，加入适量钢珠和含有8 mol/L尿素、50 mmol/L Tris-HCl以及终浓度为0.01 mol/L的Roche Cocktail的裂解液，置于冰上5 min；②使用研磨仪破碎裂解（60 Hz，2 min），以20 000g在4 ℃下离心15 min，取上清液；③加入终浓度为10 mmol/L的DTT，37 ℃水浴1 h；④加入终浓度为20 mmol/L的碘乙酰胺（IAA），避光放置30 min；⑤每个样品取150 μg蛋白质；⑥按蛋白质与酶的质量比50∶1加入3 μg胰蛋白酶，37 ℃下酶解14~16 h；⑦利用Waters固相萃取小柱对酶解的肽段进行除盐，真空抽干；⑧将抽干的肽段用纯水复溶，-20 ℃储存。

1.4.3.3 采用质谱检测（Nano⁃LC⁃MS/MS）处理肽段样品

将抽干的肽段样品用0.1%甲酸（FA）复溶，以20 000g离心10 min后，取上清液进行进样。通过EASY-nLC™ 1200系统进行分离。样品进入自制C18色谱柱（350 mm×0.1 mm，粒径1.8 μm），以300 nL/min的流速，按照以下有效梯度进行分离：0~103 min，4% B（98%乙腈ACN，0.1% FA）线性升至27%；103~111 min，27%~40% B；111~113 min，40%~90%B；113~120 min，保持90%B。经过液相色谱分离肽段通过nanoESI源离子化后，进入质谱的Orbitrap Exploris™ 480进行数据采集，采用非依赖性采集模式进行检测。

1.4.3.4 蛋白质谱数据分析

使用DIA-NN软件（https：//www.nature.com/articles/s41592-019-0638-x）（版本1.8）对此次DIA质谱数据进行蛋白质搜索鉴定及定量分析。设置蛋白质鉴定模式为Direct-DIA，酶切参数为Trypsin/P，最大漏切数为2，蛋白鉴定可信度策略为Target-decoy，蛋白鉴定阈值为图谱假阳性（P<0.01），蛋白错误发现率（false discovery rate， FDR）<0.01%。

1.5 筛选靶向中药

基于Coremine Medical数据库，预测与Hub基因显著相互作用的潜在靶向中药（P<0.05）^［17］。此外，通过查阅《中国药典》2020年版和《中华本草》，规范了相关中药的名称及其性味、归经信息。

1.6 统计学分析

采用SPSS26.0软件进行统计分析。呈正态分布的计量资料以均数±标准差（X±S）表示，分类数据以绝对频率和百分比表示。呈正态分布的比较使用方差分析，非正态分布的比较采用非参数检验。采用Pearson相关性检验来分析Hub基因与多个临床指标的关联，以P<0.05认为差异有统计学意义。

2 结果

2.1 差异表达基因筛选结果

使用R语言软件对GSE93798和GSE37460基因表达数据进行DEGs筛选。在GSE93798数据集中，共筛选出376个差异基因，包括113个表达上调基因和263个表达下调基因。在GSE37460数据集中，共筛选出126个差异基因，包括107个表达上调基因和19个表达下调基因（见图1）。通过韦恩图分析，从两个数据集中筛选出52个交集DEGs，其中37个基因表达上调，15个基因表达下调（见图2）。

2.2 交集DEGs的GO和KEGG富集分析结果

将上述52个DEGs，通过DAVID数据库进行GO功能注释与KEGG富集分析。根据基因富集数目与

显著程度，筛选出前10名，通过微生信绘制GO三合一条形图，生物学过程（BP）主要涉及炎症反应、细胞黏附、信号转导等；细胞组分（CC）主要涉及细胞膜外侧区域、细胞外空间、含胶原蛋白的细胞外基质等；分子功能（MF）主要涉及同种蛋白结合、细胞外基质结构成分、特异性双链DNA结合等（见图3）。KEGG富集分析共获得23条信号通路，选出评分较高的20条通路，同时通过微生信网站绘制气泡图进行可视化处理，结果显示，主要涉及细胞外基质（ECM）受体互作通路、AGE-RAGE信号通路、病毒蛋白与细胞因子及细胞因子受体的相互作用、蛋白质消化和吸收、PI3K-Akt信号通路、IL-17信号通路等（见图4）。

2.3 交集DEGs的PPI网络构建和Hub基因鉴定结果

基于STRING数据库获得的交集DEGs蛋白质交互数据建立了交集DEGs蛋白互作网络图（见图5）。利用Cytoscape 3.9.1软件的拓扑结构分析功能，从交集DEGs中筛选出前18个Hub基因，并建立了Hub基因的PPI网络图（见图6）。其中，ALB、FOS、EGR1、ATF3和FOSB的表达水平下调，而CD36、POSTN、CYBB、TYROBP、C3AR1、CSF1R、FN1、COL1A1和COL1A2的表达水平上调。

2.4 蛋白质组学验证Hub基因表达结果及临床指标相关性分析

蛋白质组学分析共检测出3 774个蛋白，其中包含9个Hub基因，对9个Hub基因进行进一步分析发现FN1、CD36在IgAN组的表达均高于MCD组（P<0.05，见图7）。对9个Hub基因与IgAN患者临床指标进行Pearson相关性检验分析，结果显示：COL1A1与eGFR呈正相关（r=0.472，P<0.01）；FN1与CRP呈正相关（r=0.665，P<0.01）；ALB与UA和24 h UTP均呈正相关（r=0.508，0.756，均P<0.01）；CYBB与UA和C3均呈负相关（r分别为-0.366，-0.397，均P<0.05）；ITGB2与CRP呈正相关（r=0.401，P<0.05），与UA和C3呈负相关（r分别为-0.381，-0.371，均P<0.05）；MMP9与C3呈负相关（r=-0.435，P<0.05，见表1）。

2.5 基于Hub基因的靶向中药的预测结果

利用Coremine Medical数据库检索与18个IgAN相关的Hub基因对应的中药（其中C3AR1未能预测到相关的中药），共得到与17个Hub基因相关的290个潜在靶向中药，选取Degree值前10的Hub基因进行展示（见表2）。由于中药具有多靶点的特点，这290个中药中存在重复，去重后得到199个不同药物。在药味方面，预测得到的干预Hub基因的中药以苦味为主，其次是甘味和辛味；在药性方面，以温性为主，其次是寒性和平性。归经方面，以肝经为主，其次是脾经、肺经和肾经（见图8）。对应靶点数较多的中药包括丹参、三七、菟丝子等（见图9）。

3 讨论

IgA肾病（IgAN）是一种临床病理综合征，临床表现轻重不一，大约25%~50%的IgAN患者在确诊后20年内会发展为终末期肾病。虽然“四重打击”学说在国际上被广泛认为是IgAN发病机制的理论，但其潜在的分子机制仍需进一步探索。本研究从GEO数据库下载IgAN相关两套数据集，以|log₂FC|>1且P<0.05为阈值，共筛选出52个交集差异基因（37个上调、15个下调）。功能与通路富集显示，这些基因主要富集于炎症反应、细胞黏附、信号转导等生物学过程，并显著涉及ECM-受体相互作用、AGE-RAGE、PI3K-AKT及IL-17等信号通路。Li等^［18］发现在糖尿病肾病中ECM受体互作通路与肾脏纤维化密切相关。

Kay^［19］总结指出，AGE-RAGE信号转导在维持和调节糖尿病患者的ECM中发挥作用，但在IgAN中的作用尚不明确。PI3K-Akt信号通路是哺乳动物细胞中控制细胞生长、迁移、增殖和代谢的关键节点^［20］。多项研究证实，PI3K-Akt通路可通过参与炎症、氧化应激、细胞凋亡、上皮-间质转化和自噬来影响CKD的发展^［21-23］。IL-17信号通路与免疫和炎症有着复杂的联系，Matsumoto等^［24］的研究发现，IL-17信号转导与促进炎性细胞因子释放、白细胞募集和IgAN肾损伤进展有关。综上，这些富集得到的KEGG信号通路提示了炎症反应、细胞凋亡、纤维化等过程在IgAN中的作用。

利用Cytoscape软件进行拓扑分析，筛选出了18个Hub基因，包括FOS、EGR1、ATF3、FOSB、CD36、POSTN、CYBB、TYROBP、C3AR1、CSF1R、FN1、COL1A1、COL1A2、MMP9、CD68、ALB、CCL2和ITGB2。为进一步寻找能够区分IgAN和其他肾病的无创性生物标志物，本研究选用与IgAN病理表现相似而发病机制不同的MCD患者作为对照，通过定量蛋白组学分析进一步发现，FN1和CD36在IgAN患者尿液中的表达均高于MCD患者，可能是IgAN诊断的潜在尿液标志物。值得关注的是，FN1和CD36共同富集在ECM受体相互作用通路中，因此重点讨论ECM受体互作通路及其在通路中富集的相关基因对IgAN可能存在的影响。FN1被确定为ECM的主要成分，其水平升高能够反映IgAN肾纤维化严重程度^［25］。Roszkowska-Blaim等^［26］发现，尿液中FN1的表达可能是评估IgAN疾病活动的指标。近期研究表明，CD36在CKD患者肾组织中表达显著上调，可通过参与细胞信号传导和代谢途径加速肾脏疾病的进展，从而影响免疫细胞的分化和活化^{［27，28］}。另外，COL1A2与COL1A1也一同在ECM受体相互作用通路中富集。Ⅰ型胶原蛋白是胶原蛋白家族的重要成员，是细胞外基质的关键结构组分，通常由两条Ⅰ型α1型胶原链（COL1A1）和一条Ⅰ型α2型胶原链（COL1A2）组成的异源三聚体^{［29，30］}。间质纤维化与ECM的过度积累有关，尤其COL1A1、COL1A3和FN1^［31］。据报道，COL1A2的上调可导致糖尿病肾病（DKD）中肾纤维化增加^［32］。根据以上研究推测COL1A2、COL1A1、CD36与FN1的共表达在ECM-受体相互作用途径中起关键作用，并可能促进IgAN的发生和发展。

IgAN在传统中医中并无对应的病名，根据IgAN的临床症状，在中医内可以归类为“尿血”“肾风”“虚劳”“水肿”“腰痛”等证型的范畴内^{［33，34］}。从发病病位上看，肺主皮毛，肺卫主一身之表，因此风热毒邪多侵袭肺表。IgAN具有慢性病程特征，反复难愈，久病入肾入络。肾为气之根，肺主气，脾为气血生化之源，故气虚者多呈现为肺脾肾三脏气虚；肝藏血，肾藏精，精血同源，故阴虚者多为肝肾阴虚。由此可见，IgAN的发病与肝、脾、肾、肺密切相关。治疗上，IgAN的中医辨治以整体观念和辨证论治为指导思想。本着中医学“急则治标、缓则治本”的原则，急性发作期的治疗以祛邪为主，慢性迁延期以扶正为主，病情虚实夹杂者，则扶正与祛邪兼顾^［35］。本研究通过Coremine Medical数据库获取干预Hub基因所映射的中药，并总结中药的性味归经。最终得出，干预Hub基因的中药药性多为温、寒、平；五味以苦、甘、辛为主。性温者能散寒、补虚、助阳；性寒者能清热、解毒、凉血、消肿；味苦者能泄、能燥、能坚；味甘者能补、能和、能缓；味辛者能散、能行。温、甘、平的中药可用于益气、温阳、滋阴、补血；辛、苦、寒的中药可用于行气、活血、清热、化痰。

本研究筛选得到的IgAN相关的Hub基因所映射的重点潜在治疗中药有黄芪、三七、丹参、菟丝子、赤芍、大黄、泽泻、赤芍、泽兰、三棱等。预测中药与《IgA肾病中医临床实践指南》（2011版）中的指导用药有部分重合。如预测的黄芪、地黄可益气滋阴；赤芍、丹参可活血化瘀；菟丝子、枸杞子可滋补肝肾。黄芪主要生物活性成分黄芪甲苷Ⅳ具有降血糖、控制蛋白尿和保护肾小管的药理作用^［36］。菟丝子药理作用丰富，能有效抑制颗粒细胞凋亡和自噬失衡、抑制氧化应激、改善线粒体功以及调节免疫系统等^［37］，配合收涩力强的金樱子，则补中有收，既补肾气，又固肾精，可针对性治疗蛋白尿。对于蛋白尿所引发的水肿等真虚假实之证亦可使用，起到“塞因塞用”之效^［38］。现代研究表明丹参能够通过抑制氧化应激、抗炎、抗纤维化等作用，广泛应用于抑制肾脏纤维化中^［39］。一项对赤芍提取物的研究发现其具有降SCr、BUN，保护肾功能的作用，对肾脏形态学的改善作用表现在对肾小球纤维化的改善^［40］。综上，预测的中药与临床用药有所重合，反向证明了诊断生物标志物的准确性和可靠性，并且此次研究发现丹参与COL1A2、COL1A1、CD36与FN1都有关联，推测其有效成分或可通过作用于ECM受体互作通路发挥对IgAN的治疗作用，值得进一步被研究。

综上所述，本研究发现的18个Hub基因在IgAN的病理生理过程中可能扮演重要角色，与炎症反应、细胞黏附、信号转导等生物学过程和信号通路密切相关。蛋白组学进一步分析发现FN1、CD36可能是IgAN诊断的潜在尿液标志物，同时COL1A2、COL1A1、CD36、FN1在ECM受体相互作用通路中富集，可能共同促进IgAN的发生和发展。本研所挖掘的中药性味、归经与IgAN的病机基本吻合，验证了预测得到的IgAN相关生物标志物的准确性和可靠性，同时为临床治疗IgAN的中药选择提供了一定的参考依据。本研究仍存在不足之处：①纳入分析的IgAN数据集样本以及用于蛋白组学分析的IgAN患者数量有限，可能由于样本量过少导致分析结果存在一定的误差；②在Coremine Medical数据库中，个别Hub基因所映射的中药未找到，也未找到部分药物的性味、归经等相关信息，从而可能造成了中药预测结果的偏倚；③本研究主要是通过Hub基因统计相关中药的理论探讨，后期需要动物实验、临床观察等来验证所预测的靶点、通路以及中药预测的有效性。

参考文献

[1] Wu L， Du X， Lu X. Role of telitacicept in the treatment of IgA nephropathy［J］. Eur J Med Res， 2023， 28（1）： 369.

[2] Rajasekaran A， Julian BA， Rizk DV. IgA nephropathy： an inte⁃resting autoimmune kidney disease［J］. Am J Med Sci， 2021， 361（2）： 176-194.

[3] Rodrigues JC， Haas M， Reich HN. IgA nephropathy［J］. Clin J Am Soc Nephrol， 2017， 12（4）： 677-686.

[4] Floege J， Rauen T， Tang SCW. Current treatment of IgA nephropathy［J］.Semin Immunopathol， 2021， 43（5）： 717-728.

[5] Rauen T， Fitzner C， Eitner F，et al. Effects of two immunosuppressive treatment protocols for IgA nephropathy［J］. J Am Soc Nephrol， 2018， 29（1）： 317-325.

[6] Zhang Y， Hu YT， Lv JC， et al. Corticosteroids in the treatment of IgA nephropathy： lessons from the TESTING trial［J］. Pediatr Nephrol， 2023， 38（10）： 3211-3220.

[7] Hou FF， Xie D， Wang J， et al. Effectiveness of mycophenolate mofetil among patients with progressive IgA nephropathy： a randomized clinical trial［J］. JAMA Netw Open， 2023， 6（2）： e2254054.

[8] Wang B， Lin L， Ni Q， et al. Chinese medicine for treating diabetic nephropathy［J］. Chin J Integr Med， 2011， 17（10）： 794-800.

[9] Wang W， Dai R， Cheng M， et al. Metabolic reprogramming and renal fibrosis： what role might Chinese medicine play？［J］. Chin Med， 2024， 19（1）： 148.

[10] Liu P， Lassén E， Nair V， et al. Transcriptomic and proteomic profiling provides insight into mesangial cell function in IgA nephropathy［J］. J Am Soc Nephrol， 2017， 28（10）： 2961-2972.

[11] Berthier CC， Bethunaickan R， Gonzalez⁃Rivera T， et al. Cross⁃species transcriptional network analysis defines shared inflammatory responses in murine and human lupus nephritis［J］. J Immunol， 2012， 189（2）： 988-1001.

[12] Li X， Zeng M， Liu J， et al. Identifying potential biomarkers for the diagnosis and treatment of IgA nephropathy based on bioinformatics analysis［J］. BMC Med Genomics， 2023， 16（1）： 63.

[13] Ren H， Lv W， Shang Z， et al. Identifying functional subtypes of IgA nephropathy based on three machine learning algorithms and WGCNA［J］. BMC Med Genomics， 2024， 17（1）： 61.

[14] Huang DW， Sherman BT， Tan Q， et al. The DAVID gene functional classification tool： a novel biological module⁃centric algorithm to functionally analyze large gene lists［J］. Genome Biol， 2007， 8（9）： R183.

[15] Tyanova S， Temu T， Sinitcyn P， et al. The perseus computational platform for comprehensive analysis of （prote）omics data［J］. Nat Methods， 2016， 13（9）： 731-740.

[16] Guan J， Wang M， Zhao M， et al. Discovery of fibrinogen γ⁃chain as a potential urinary biomarker for renal interstitial fibrosis in IgA nephropathy［J］. BMC Nephrol， 2023， 24（1）： 60.

[17] Ding MR， Qu YJ， Hu B， et al. Signal pathways in the treatment of Alzheimer's disease with traditional Chinese medicine［J］. Biomed Pharmacother， 2022， 152： 113208.

[18] Li L， He M， Tang X， et al. Proteomic landscape of the extracellular matrix in the fibrotic kidney［J］. Kidney Int， 2023， 103（6）： 1063-1076.

[19] Kay AM， Simpson CL， Stewart JA Jr.， The role of AGE/RAGE ignaling in diabetes⁃mediated vascular calcification［J］. J Diabetes Res， 2016， 2016： 6809703.

[20] Wang H， Gao L， Zhao C， et al. The role of PI3K/Akt signaling pathway in chronic kidney disease［J］. Int Urol Nephrol， 2024， 56（8）： 2623-2633.

[21] Gao L， Yuan P， Zhang Q， et al. Taxifolin improves disorders of glucose metabolism and water⁃salt metabolism in kidney via PI3K/ Akt signaling pathway in metabolic syndrome rats［J］. Life Sci， 2020， 263： 118713.

[22] Li D， Yu K， Feng F， et al. Hydroxychloroquine alleviates renal interstitial fibrosis by inhibiting the PI3K/Akt signaling pathway［J］. Biochem Biophys Res Commun， 2022， 610： 154-161.

[23] Kma L， Baruah TJ. The interplay of ROS and the PI3K/Akt pathway in autophagy regulation［J］. Biotechnol Appl Biochem， 2022， 69（1）： 248-264.

[24] Matsumoto K， Kanmatsuse K. Interleukin⁃17 stimulates the release of pro⁃inflammatory cytokines by blood monocytes in patients with IgA nephropathy［J］. Scand J Urol Nephrol， 2003， 37（2）： 164-171.

[25] Lee CS， Fu H， Baratang N， et al. Mutations in fibronectin cause a subtype of spondylometaphyseal dysplasia with "corner fractures"［J］. Am J Hum Genet， 2017， 101（5）： 815-823.

[26] Roszkowska⁃Blaim M， Mizerska⁃Wasiak M， Bartłomiejczyk I. Urinary fibronectin excretion as a marker of disease activity in children with IgA nephropathy and Henoch⁃Schönlein nephropathy［J］. Przegl Lek， 2006， 63 ： 90-93.

[27] Yuan Q， Tang B， Zhang C. Signaling pathways of chronic kidney diseases， implications for therapeutics［J］. Signal Transduct Target Ther， 2022， 7（1）： 182.

[28] Chen Y， Zhang J， Cui W， et al. CD36， a signaling receptor and fatty acid transporter that regulates immune cell metabolism and fate［J］. J Exp Med， 2022， 219（6）： e20211314.

[29] Koga Y， Pelizzola M， Cheng E， et al. Genome⁃wide screen of promoter methylation identifies novel markers in melanoma［J］. Genome Res， 2009， 19（8）： 1462-1470.

[30] Mori K， Enokida H， Kagara I， et al. CpG hypermethylation of collagen type I alpha 2 contributes to proliferation and migration activity of human bladder cancer［J］. Int J Oncol， 2009， 34（6）：1593-1602.

[31] Bülow RD， Boor P. Extracellular matrix in kidney fibrosis： more than just a scaffold［J］. J Histochem Cytochem， 2019， 67（9）： 643-661.

[32] Riser BL， Najmabadi F， Garchow K， et al. Treatment with the matricellular protein CCN3blocks and/or reverses fibrosis deve⁃lopment in obesity with diabetic nephropathy［J］. Am J Pathol， 2014， 184（11）： 2908-2921.

[33] 李锦青，王奕，马晓燕，等.IgA肾病的中西医结合治疗新进展［J］.中国中西医结合肾病杂志， 2024，25（3）：264-267.

[34] 王银萍，陈静. IgA肾病的中西医诊治进展［J］.中国中医药现代远程教育，2024，22（3）： 148-150.

[35] 史兴华， 厉兆春.中医药治疗IgA肾病研究进展［J］.国医论坛，2024，39（5）：70-74.

[36] Shen Z， Cui T， Liu Y， et al. Astragalus membranaceus and Salvia miltiorrhiza ameliorate diabetic kidney disease via the “gut⁃kidney axis”［J］. Phytomedicine， 2023， 121： 155129.

[37] Donnapee S， Li J， Yang X， et al. Cuscuta chinensis Lam.： a systematic review on ethnopharmacology， phytochemistry and pharmacology of an important traditional herbal medicine［J］. J Ethnopharmacol， 2014， 157： 292-308.

[38] 王翼天，顾成娟，王涵，等. 菟丝子、女贞子、金樱子治疗肾病蛋白尿经验：仝小林三味小方撷萃［J］.吉林中医药， 2020， 40（7）： 861-864.

[39] 段晓楠，吕静，杨冠琦.丹参治疗高血压肾病的作用机制研究进展［J］.中草药，2024，55（14）： 5002-5010.

[40] 陈焱.赤芍提取物对早期糖尿病肾病大鼠血糖、血脂及肾功能的影响［J］.中华中医药学刊，2017，35（1）： 205-208.

基金资助

陕西省科技厅社会发展领域重点研发项目(2018SF-273)