Fostamatinib Disodium

如果把全球药物市场比作一场马拉松，肿瘤是领跑的第一梯队，那么紧随其后的第二梯队，就是自身免疫与炎症疾病（自免）。这个赛道贡献了约 1300–1700 亿美元的年收入（不同统计口径），诞生过 Humira 这样的"世纪药王"，也正在孕育新一代霸主。 一、市场篇：第二大药物市场的底色 先看盘子。综合多家机构口径： 市场 2025 年规模 远期预测 全球（宽口径） 约 1327–1725 亿美元 2032 年约 2620 亿美元（CAGR 5.6%–6.2%） 全球（窄口径） 约 1137 亿美元 2031 年约 1550 亿美元（CAGR 5.3%） 中国 约 327–724 亿元人民币（口径差异大） 2030 年约 1645 亿元（CAGR 约 18%） 三个结构性特征值得记住： ①生物制剂占全球约 66%，但口服小分子增速更快，正在从注射剂手里"抢市场"； ②中国是全球增速最快的自免市场（CAGR 约 18%，约为全球 3 倍），生物制剂渗透率预计从 2020 年的 24% 升至 2035 年的 73%； ③大单品生命周期长：自免药物依赖长期用药，度普利尤单抗上市 8 年仍以 20%+ 速度增长——这是自免与肿瘤最大的商业差异。 二、品种篇：2025 自免 TOP 榜的三组信号 药物 靶点 公司 2025 销售 增速 Dupixent IL-4Rα 赛诺菲/再生元 约 178 亿美元 +20%~26% Skyrizi IL-23 p19 艾伯维 175.6 亿美元 +49.9% Rinvoq JAK1（口服） 艾伯维 83.0 亿美元 +39.1% Cosentyx IL-17A 诺华 66.7 亿美元 +8.6% Entyvio 整合素 α4β7 武田 61.1 亿美元 稳健 Stelara IL-12/23 p40 强生 60.8 亿美元 -41.3% Tremfya IL-23 p19 强生 51.6 亿美元 +40.5% Humira TNF-α 艾伯维 45.4 亿美元 -49.5% Kesimpta CD20 诺华 44.3 亿美元 +37.3% 信号一：双雄争霸，"2 型炎症"称王。Dupixent（IL-4Rα）约 178 亿美元、Skyrizi（IL-23）175.6 亿美元并驾齐驱。艾伯维"双子星"（Skyrizi + Rinvoq）合计已超 258 亿美元，超过了 Humira 巅峰时刻——教科书级的专利悬崖自救。 信号二：老王谢幕，类似药时代。Humira 腰斩（-49.5%）、Stelara 大跌（-41.3%），曾经"一代 TNF、二代 p40"的时代正在被 IL-23 p19 精准制导 + 生物类似药双重终结。TNF 抑制剂全面进入内卷价格战。 信号三：口服逆袭，从二线走向一线。Rinvoq（JAK1）83 亿美元、+39.1%，说明 JAK 抑制剂正在摆脱黑框警告阴影，凭借"一片药替代一针剂"的便利性切入 RA、AD、UC、白癜风等更广人群。2026 年 3 月，强生口服 IL-23 受体多肽 icotrokinra 获 FDA 批准治疗银屑病——"生物制剂级疗效 + 口服便利"的形态竞争正式开启。 三、靶点篇：四代浪潮的接力 自免研发的底层逻辑，是一条从"广谱压制"走向"精准调控"再到"系统重置"的演进线： 1.0 TNF 时代（1998–）：阿达木、英夫利西开创生物制剂治自免的历史，如今被类似药全面接管，角色转为"基层基石"。 2.0 精准细胞因子（2017–）：IL-17、IL-23 p19、IL-4Rα 接棒。Dupixent 打通 2 型炎症（特应性皮炎→哮喘→鼻窦炎→COPD→大疱性类天疱疮→CSU），Skyrizi 统治银屑病–IBD 轴。 3.0 胞内激酶口服化（2019–）：JAK（乌帕替尼）→ TYK2 变构抑制（氘可来昔替尼）→ BTK（remibrutinib，2025 年 9 月获批 CSU，首个口服靶向药；rilzabrutinib 获批 ITP）→ 口服 IL-23R（icotrokinra）。口服剂型是这一代的核心竞争力。 4.0 免疫重置（现在进行时）：从"持续压制"转向"一次治疗、长期缓解"——CD19 CAR-T、T 细胞衔接器（TCE）双抗、深层 B 细胞耗竭抗体。 目前全球研发集中在六大方向：口服小分子化、长效制剂、双特异性抗体（TSLP×IL-13、IL-23p19/TL1A 等）、T 细胞衔接器（CD19×CD3、BCMA×CD3）、CAR-T 免疫重置、PROTAC/分子胶降解剂。 自免药物看似五花八门，其实可以用一条轴串起来：越靠上游的靶点管"信号"，越靠下游的靶点管"细胞"。急性病打上游单靶点，慢性病打多靶点组合，而整个行业的终局方向，是靶点轴上最下游的"免疫重置"。下面按五层拆解。 第一层：上游启动——组织预警与固有免疫 炎症的"点火"环节。上皮细胞、肥大细胞等受到刺激后释放预警信号，先把固有免疫发动起来。 靶点 代表药物 状态与适应症 TSLP 特泽佩鲁单抗 上市（哮喘），广谱上游阻断的样板 IL-33 itepekimab 等 在研为主（COPD、2 型炎症） IL-36R 佩索利单抗 上市（泛发性脓疱型银屑病急性发作） IL-1β 阿那白滞素、卡那单抗 上市（急性痛风、周期性发热综合征） GM-CSFR mavrilimumab 等 在研（RA、巨细胞动脉炎） 特点：起效快、适合急性/发作性疾病，但适应症偏窄——不是每条炎症通路的"第一块骨牌"都已找到。 第二层：细胞因子网络——最拥挤的主战场 适应性免疫的"通信层"，也是自免药物最密集的层，几乎所有头部产品都在这里： ■TNF-α：一代传奇，阿达木/英夫利西，现被生物类似药接管； ■IL-6 / IL-6R：托珠单抗、萨利卢单抗（RA），托珠单抗还用于细胞因子释放综合征； ■IL-12/23 p40 → IL-23 p19：从乌司奴单抗到利桑珠单抗/古塞奇尤单抗，"p19 更精准"的替代逻辑已被 2025 年销售数据验证； ■IL-17A/F：司库奇尤单抗、比美吉珠单抗（银屑病/中轴型脊柱关节炎）； ■IL-4Rα / IL-13：度普利尤单抗打通 2 型炎症全域（AD→哮喘→COPD→大疱性类天疱疮→CSU），2025 年约 178 亿美元； ■IL-5 / IL-5R：美泊利珠单抗、本瑞利珠单抗（嗜酸性疾病）； ■BAFF / APRIL：贝利尤单抗、泰它西普（BLyS/APRIL 双靶，SLE 及五大适应症拓展）； ■I 型干扰素（IFNAR）：阿尼鲁单抗（SLE），2026 年 4 月起有笔式注射器自给药版本。 特点：机制清晰、适应症广，但"me-too"密度极高——第二层的新进入者必须靠头对头数据或双抗组合（如 TSLP×IL-13、IL-23p19/TL1A）找差异化。 第三层：受体、归巢与补体——管住"细胞去哪儿、末端打没打" 这一层不拦信号的产生，而是管两件事：炎症细胞归巢到器官，以及补体级联的末端执行。 ■整合素 α4β7 / α4：维得利珠单抗（IBD 肠道选择性，2025 年 61 亿美元稳健增长）、那他珠单抗（MS）； ■S1P 受体：芬戈莫德/奥扎莫德/伊曲莫德/波尼莫德（MS、UC）——口服的"淋巴细胞囚禁术"； ■CTLA-4·CD28 共刺激：阿巴西普（CTLA-4-Ig，RA），选择性"踩刹车"； ■CD40L：frexalimab 等在研（MS Ⅲ期），T-B 细胞对话的阻断者； ■补体 C5 / C5aR：依库珠单抗/雷夫利珠单抗（NMOSD、gMG）、阿伐可泮（ANCA 血管炎）——管末端效应； ■补体 B 因子：iptacopan（2026 年 7 月获批 IgAN，补体小分子口服化的里程碑）； ■IL-23R（口服）：icotrokinra，2026 年 3 月获批银屑病——首个口服 IL-23 受体阻断多肽，"第三层的靶点、口服的形态"。 特点：器官选择性是最大卖点（肠病用肠道选择性、神经用中枢可达性），安全谱通常优于广谱细胞因子阻断。 第四层：胞内激酶——口服小分子的主战场 信号传进细胞之后，靠激酶接力。这一层的共同卖点是口服： ■JAK1/2/3：托法替尼、乌帕替尼（2025 年 83 亿美元、+39.1%）——广谱但背着黑框警告； ■Tyk2：氘可来昔替尼（变构抑制，选择性提升的代表），国产 ICP-332/ICP-488、D-2570 密集跟进； ■BTK：remibrutinib（2025 年 9 月获批 CSU，首个口服靶向药）、rilzabrutinib（ITP）、奥布替尼（ITP 注册III期）、fenebrutinib（MS Ⅲ期）——同时打 B 细胞和 Fc 受体通路； ■Syk：福坦替尼（ITP）； ■IRAK4：在研，且有降解剂（PROTAC/分子胶）路线，天然免疫通路的下一个口服蓝海； ■ROCK2：belumosudil（慢性 GVHD）。 特点：便利性换安全性——越下游、越广谱的激酶抑制，越要和感染/血栓/肝毒性等系统性风险做交易。选择性（变构、可逆共价、降解剂）是这一代的军备竞赛。 第五层：清除与免疫重置——从"压制"到"重开" 最下游的策略不再阻断某个信号，而是直接清除致病细胞、重建免疫耐受： ■CD20：利妥昔单抗、奥法妥木单抗、奥妥珠单抗——经典 B 细胞耗竭； ■CD19 抗体：inebilizumab（2025 年 4 月获批 IgG4-RD，适应症从 NMOSD 不断外扩）； ■FcRn：艾加莫德、罗扎尤利珠单抗（gMG）——清除致病 IgG 的"回收站"路线； ■CD19 CAR-T：Kyverna miv-cel 已于 2026 年 5 月启动滚动 BLA（僵人综合征），有望成为全球首个获批的自免 CAR-T；SLE 患者中已出现随访 2 年以上的无药缓解；诺华 rap-cel 则因 3 例死亡于 2026 年 9 月暂停自免临床——安全工程学决定这一层的天花板； ■TCE 双抗：CD19×CD3、BCMA×CD3，把肿瘤学的武器库搬进自免，中国资产正密集 BD 出海； ■CD38 / Treg 疗法：在研，耐受性重建的远期方向。 特点：目标是"一次治疗、长期缓解"，从慢病管理模式切换为一次性干预——但代价是极高的安全性门槛与监管不确定性。 数据来源：各公司 2025 财年业绩报告及公开披露、弗若斯特沙利文、行业研究机构统计；监管批准信息（FDA/NMPA/EMA）截至 2026 年 9 月。市场规模因统计口径（是否含慢病共病用药等）存在区间，本文已标注。本文为行业信息整理，不构成任何投资建议。

还在为糖尿病肾病找新靶点而头疼？这篇Clinical Epigenetics教你用多组学+机器学习+单细胞测序+分子动力学模拟，从衰老相关基因入手，筛出9个核心基因，还找到了两个老药新用的候选药物，动物实验都验证了，直接抄作业！ 真正开启不学R语言时代！！！关注本号私信“资料”两字，免费领取＞5篇0代码云平台复现5-15分公共数据库挖掘SCI全文教程！轻松入门生信分析！秒变生信分析大神！ 新鲜出炉！今天给大家深度剖析一篇2026年发表在《临床表观遗传学》上的文章，题目为：糖尿病肾病中衰老驱动的转录程序：诊断生物标志物与药物重定位靶点的多组学发现 Aging-driven transcriptional programs in diabetic kidney disease: multi-omics discovery of diagnostic biomarkers and drug-repurposing targets. 本研究整合生物信息学与实验方法，筛选糖尿病肾病中与衰老相关的核心基因，并探索其诊断与治疗价值。 影响因子：4.4 发表期刊：Clinical Epigenetics 团队成员合影（位于上海陆家嘴中心，可随时预约参观） 向下滑动查看更多 CNSknowall 平台 Pubmed+AI 快速提炼研究亮点·研究思路·研究结果·研究结论 研究亮点 多组学整合策略： 结合转录组数据、衰老相关基因数据库、单细胞测序、分子对接与动力学模拟，构建了从生物标志物发现到药物重定位的完整研究链条。 双机器学习算法筛选： 采用LASSO回归和随机森林两种算法交叉验证，并结合Boruta分析，最终锁定9个稳健的核心基因。 可靠的诊断模型： 基于9个核心基因构建的逻辑回归诊断模型，在外部验证队列中AUC达0.881，展现出良好的跨平台诊断效能。 单细胞分辨率解析： 通过单细胞测序明确了核心基因主要在肾小球内皮细胞和系膜细胞中表达，并揭示了细胞间通讯网络。 体内外双重验证： 在高糖细胞模型和糖尿病肾病大鼠模型中，验证了核心基因的表达变化及候选药物的治疗效果。 核心创新点 聚焦衰老相关基因网络： 首次系统性地将衰老相关基因程序与糖尿病肾病病理机制联系起来，揭示了衰老在糖尿病肾病进展中的核心驱动作用。 发现9个核心衰老相关基因： 包括CLU、EGF、SLC16A7、MYC、RPA1、RB1、APOC3、SYK和NR3C1，这些基因富集于PI3K-Akt和JAK-STAT信号通路。 提出SYK-福他替尼和APOC3-司来帕格作为药物重定位候选： 通过分子动力学模拟证实了这两对药物-靶点复合物的稳定结合，并在动物实验中验证了其肾脏保护作用。 揭示APOC3的潜在转录后调控机制： 发现APOC3在高糖刺激下mRNA与蛋白表达不一致，并通过miRNA预测初步探索了其转录后调控的可能性。 构建从计算预测到实验验证的完整闭环： 研究不仅停留在生物信息学预测，还通过细胞和动物模型进行了系统的实验验证，增强了结论的可靠性。 研究背景 糖尿病肾病是全球终末期肾病的主要原因，影响20%-40%的糖尿病患者。尽管肾素-血管紧张素-醛固酮系统阻断剂、SGLT2抑制剂和GLP-1受体激动剂已广泛应用，仍有大量患者进展至透析依赖。衰老标志物与糖尿病肾病的核心病理过程在机制上重叠，但糖尿病肾病肾脏中异常激活或沉默的特异性衰老相关基因程序仍未被充分表征。 研究思路 数据获取与预处理： 从GEO数据库获取糖尿病肾病转录组数据集（GSE30529为发现队列，GSE142025为验证队列）和单细胞数据集（GSE209781）。 差异表达与富集分析： 鉴定差异表达基因，与衰老相关基因数据库取交集，并进行GO和KEGG富集分析。 机器学习筛选核心基因： 应用LASSO回归、随机森林和Boruta分析筛选核心基因。 诊断模型构建与验证： 基于核心基因构建逻辑回归诊断模型，在外部队列中验证其效能。 单细胞分析： 进行细胞聚类、细胞通讯分析和拟时序轨迹分析。 分子模拟： 进行分子对接和100 ns分子动力学模拟，评估药物-靶点结合稳定性。 实验验证： 建立高糖细胞模型和糖尿病肾病大鼠模型，通过RT-qPCR、Western blot和病理染色验证基因表达和药物疗效。 研究结果 鉴定21个衰老相关差异表达基因： 从542个差异表达基因与542个衰老相关基因的交集中获得，富集于PI3K-Akt和JAK-STAT通路。 筛选出9个核心基因： CLU、EGF、SLC16A7、MYC、RPA1、RB1、APOC3、SYK和NR3C1，经Boruta分析确认其稳定性。 诊断模型效能良好： 外部验证AUC为0.881，对照组敏感性100%，疾病组预测准确率62.96%。 单细胞图谱揭示细胞类型： 解析出11种主要细胞类型，核心基因主要在肾小球内皮细胞和系膜细胞中表达。 分子模拟确认稳定结合： SYK-福他替尼复合物结合自由能为-64.29 kcal/mol，APOC3-司来帕格为-42.87 kcal/mol，均表现出良好的动态稳定性。 体内外实验验证： 高糖刺激下CLU、SYK、RPA1和NR3C1表达上调，EGF和SLC16A7下调；福他替尼和司来帕格可抑制NF-κB通路激活、炎症因子释放和细胞衰老，改善糖尿病肾病大鼠的肾功能和病理损伤。 研究结论与讨论 本研究通过整合多组学策略，系统描绘了糖尿病肾病中衰老相关基因的表达失调图谱。9个核心基因构成的诊断模型具有良好的诊断效能。分子动力学模拟和实验验证支持SYK-福他替尼和APOC3-司来帕格作为潜在的药物重定位候选。研究还发现APOC3可能存在转录后调控机制。NR3C1虽为诊断相关核心基因，但其与氟替卡松呋喃酯的复合物动态稳定性较差，未被列为优先治疗靶点。研究存在样本量有限、缺乏临床队列验证等局限性，未来需进一步开展实验和临床验证。 具体研究结果  1. DKD中衰老相关DEGs的鉴定 为为鉴定 DKD 中与衰老相关的差异表达基因（DEGs）并探究其生物学功能，本研究利用 GSE30529 数据集进行了差异表达分析（图 2A；补充材料 1）。共对 13,237 个基因进行了分析，其中 542 个基因达到了显著性阈值（|log2FC| > 1，校正后 P < 0.05），包括 467 个表达上调的基因和 75 个表达下调的基因。将这些 DEGs 与经过筛选的 542 个衰老相关基因集（ARGs）进行 Venn 图交集分析（图 2B；补充材料 2），最终筛选出 21 个与衰老相关的重叠 DEGs（占筛选基因集的 2.0%）。这 21 个基因均包含具有表达上调的基因（例如：CLU [log2FC = 2.48]、 AXL [log2FC = 1.71]、CXCL1 [log2FC = 1.67]、MYC [log2FC = 1.25]、 SYK [log2FC = 1.13] 及 NR3C1 [log2FC = 1.04]）与表达下调的基因（例如： EGF [log2FC = −2.23]、SLC16A7 [log2FC = −1.36]、 GHR [log2FC = −1.16] 及 APOC3 [log2FC = −1.14]）。对这21个重叠基因进行的GO和 KEGG 通路富集分析显示，这些基因在生物学过程（如受体介导的内吞作用及造血调控）以及关键信号转导通路（包括PI3K–Akt和JAK–STAT通路，P < 0.05）中均存在显著富集现象（图2C），表明这些ARGs可能在慢性淋巴细胞白血病（DKD）的病理级联反应中发挥重要的调控作用。 2. 基于机器的学习核心基因筛选 为了在21个候选衰老相关DEGs中进一步筛选最具诊断价值的核心靶点，应用LASSO回归（图3A）和随机森林算法（图3B）进行特征降维和重要性评估。LASSO模型在最优 λ 值（ −Log(λ) ≈ 4.2 ）下收敛特征变量，有效消除了冗余预测因子，同时保留了核心特征（补充材料3）。随机森林模型使用500棵决策树，按平均下降基尼指数对特征基因进行排序，其中EGF（基尼 ≈ 1.22 ）和CLU（基尼 ≈ 1.18 ）排名最高，其次是SLC16A7、IL-7R、BRD7、SYK和RPA1，最大基尼值约为1.2。LASSO保留的基因和随机森林排名靠前的基因的交集产生了九个核心基因：CLU、EGF、SLC16A7、MYC、RPA1、RB1、APOC3、SYK和NR3C1，它们共同构成了DKD的核心分子特征。进行Boruta分析作为额外的特征选择策略，以进一步验证机器学习衍生的核心基因的稳健性（图3C）。所有九个核心基因的重要性值均超过shadowMax阈值，支持它们对DKD分类的稳定贡献。结合LASSO和随机森林筛选，这些结果表明所鉴定的核心基因并非依赖于单一算法。 3. 核心基因的外部验证与诊断模型评估 为了验证九个筛选出的核心基因在独立队列中的诊断性能和表达水平差异，使用外部数据集GSE142025构建逻辑回归诊断模型。该模型在跨平台验证中表现出优异的判别能力，AUC达到0.881（95% CI：0.778–0.984）（图4A）。混淆矩阵分析（图4B）显示，该模型在对照组中达到100%的敏感性（9/9正确分类），在疾病组中预测准确率为62.96%（17/27正确分类）。对DKD（DN）组和对照组之间单个核心基因表达差异的验证（图4C）证实，九个核心基因中有七个表达差异具有统计学意义且方向一致：CLU（ p = 0.019 ）、EGF（ p = 0.00012 ）、NR3C1（ p = 0.0027 ）、RPA1（ p = 0.0017 ）、SLC16A7（ p = 2.1 × 10−6 ）、SYK（ p = 7.7 × 10−5 ）和APOC3（ p = 0.00065 ）。这些结果证实核心基因特征集具有较高的诊断价值和跨平台可重复性。然而，MYC（ p = 0.62 ）和RB1（ p = 0.067 ）的水平在独立队列中没有显著差异，有待进一步研究。 4. DKD的单细胞转录组图谱与细胞聚类 为了在单细胞分辨率下确定受DKD影响的肾脏的细胞异质性和微环境景观，处理了来自三个DKD样本（DKD01–03）和三个正常对照（NM01–03）的scRNA-seq数据（GSE209781）。经过严格的质量控制（图5A）和基于nFeatureRNA、nCountRNA和线粒体基因百分比的细胞过滤，保留高质量细胞用于下游分析。经过Harmony批次效应校正和基于UMAP的非线性降维（图5B），根据样本来源（图5C）和疾病分组（图5D）映射细胞。无监督聚类（分辨率 = 0.5，前15个主成分）解析出22个不同的UMAP簇，随后使用SingleR和经典标记基因将其注释为11种主要细胞类型（图5E），包括内皮细胞、系膜细胞、上皮细胞、成纤维细胞、脂肪细胞、B细胞、CD8+ T细胞、NK细胞、单核细胞、中性粒细胞和HSCs。完整的标记基因图见图S1。值得注意的是，与对照组相比，DKD组显示出聚类分布密度的显著改变，表明DKD微环境内的细胞类型比例和空间分布模式发生了深刻重塑。 5. 核心基因的单细胞表达动态、细胞通讯、伪时间轨迹及实验验证 进行了多维单细胞分析，以探索核心基因在细胞亚群中的表达特异性以及细胞间通讯动态。在对照和DKD条件下，11种细胞类型中核心基因表达的点图可视化（图6A）显示表达发生显著变化，特别是在内皮细胞、系膜细胞和上皮细胞中。特征散点图和离散度-平均表达关系（图6B）证实了核心基因在单细胞景观中的高变异性。使用Monocle 2的伪时间轨迹分析重建了一个连续的发育轨迹，分为三个状态（图6C），揭示了DKD进展过程中的动态状态转换。沿伪时间轴的核心基因表达特征图（图6D）表明，CLU、EGF和SLC16A7等基因沿特定轨迹分支表现出渐进的表达变化，与它们在疾病进展中的作用一致。使用CellChat的细胞间通讯分析（图6E）表明，内皮细胞、系膜细胞和成纤维细胞在相互作用数量以及权重/强度网络中占据主导地位，表明核心靶点可能通过调节特定细胞群体的命运轨迹并增强关键微环境生态位内的信号通讯来驱动DKD进展。为了进一步验证通过生物信息学分析鉴定的核心基因在DKD相关肾实质细胞中的表达调控，我们使用原代HGECs和HMCs建立了高糖刺激模型。上皮细胞被排除在此验证之外，因为它们在上述三种细胞类型中丰度相对较低，并且在高糖条件下易发生上皮-间质转化，导致表型不稳定，可能干扰对基础核心基因表达的准确评估。使用qPCR和western blot评估七个核心基因（CLU、EGF、SLC16A7、APOC3、SYK、NR3C1和MYC）的表达水平。在最初筛选的九个核心基因中，MYC和RB1在独立验证队列中未达到统计学显著性（第3节）。因此，这两个基因被排除在后续实验验证之外。qPCR（图6F）和western blot结果（图6G）显示，在HGECs中，与正常葡萄糖（NG）组相比，高葡萄糖（HG）组的CLU、SYK、RPA1和NR3C1的mRNA和蛋白质表达显著增加 (p < 0.05) ，而EGF和SLC16A7的表达显著降低 (p < 0.05) 。值得注意的是，APOC3在高糖刺激下呈现出mRNA表达降低而蛋白质表达升高的不一致表达模式，这提示在 DKD 肾细胞中可能存在对APOC3进行转录后调控的机制。由于APOC3在高糖刺激下表现出mRNA表达降低而蛋白质表达升高的不一致表达模式，我们通过miRNA靶标预测初步探究了潜在的转录后调控机制。通过整合miRDB、miRWalk和TargetScan 8.0数据库，共预测出18个miRNA可靶向调控APOC3（图S2A）。在这些候选miRNA中，hsa-miR-6808-5p、hsa-miR-6893-5p、hsa-miR-940、hsa-miR-1286和hsa-miR-6134显示出相对较好的TargetScan Context++评分（图S2B）。这些结果为APOC3可能在转录后水平受到调控提供了初步的生物信息学证据，但尚需进一步的实验验证。总体而言，这些结果在细胞水平上初步证实了这些核心基因在 DKD 肾实质细胞中的异常表达。 6. 核心靶点–药物调控网络构建与分子对接验证 为探究核心靶点在分子尺度上的药物靶向性，本研究利用 DGIdb 构建了药物-靶点相互作用网络（图 7A）。该网络显示，NR3C1 是一个主要枢纽，连接着多种糖皮质激素类化合物（包括氟替卡松福禄酸酯、地塞米松和布地奈德）； SYK 与福斯塔马替尼及紫杉醇存在相互作用；而 APOC3 则与塞莱西帕格及依前列醇存在相互作用。随后，对三组代表性药物-靶点对进行了分子对接模拟（图 7B–7D）。对于 APOC3–塞莱西帕格这对靶点（图 7B），其关键相互作用残基为 D66、E63、F64、K60、T56、V71、L67、D68、A76、S75、R72 和 A79，该结合界面由氢键与疏水作用共同维持稳定NR3C1–氟替卡松糠酸酯（图7C）的药物分子占据了配体结合域，并与残基M639、Q642、C643、Y735、M560、L563、N564、L566、G567、W600、K605、L608、L621、F625、M646、L753及F749形成了关键相互作用，这与已知的糖皮质激素受体结合模式一致。对于 SYK –福斯塔马替尼（图7D），其关键接触残基包括A412、E416、I420、D415、A419、V423、G514、S516、K517、L515、Y526、A528、W534、K533、F382及I493，反映了其与活性位点的紧密结合。这三种复合物的预测结合能均低于−6.0 kcal/mol，表明其具有良好的结合亲和力及空间适配性相互作用，支持了这些药物–靶点组合作为 DKD 疗法先导骨架的潜在应用价值。 7. 轮毂靶标–配体复合物的分子动力学模拟分析 为评估三种对接复合物在生理时间尺度上的结构稳定性与构象动力学，对系统A（APOC3–selexipag）、系统B（NR3C1–氟替卡松福沙酮）及系统C（SYK –fostamatinib）进行了时长为100 ns的全原子分子动力学模拟（图8）。对于系统A（图8A）， RMSD 值在前约40 ns内逐渐升高，随后收敛于约2.0 nm；而Rg曲线在同一时期内从约2.4 nm显著压缩至约1.3 nm，反映了其结构重组为一种更紧密、更稳定的结合构象。在模拟的后半段，结合接触点数量稳定在较高水平，证实了药物-蛋白质界面的稳定性。对于系统C（图8C），在整个100 ns的模拟轨迹中均观察到异常平坦的 RMSD 曲线，其波动范围狭窄（0.2–0.3 nm），同时伴随平滑稳定的Rg曲线（约1.95–2.00 nm）及逐渐增加的结合接触点数量，表明其具有卓越的动态稳定性与紧密的配体保留能力。相比之下，系统B（图8B）在模拟中后期表现出剧烈的阶梯式构象转变，其 RMSD 值在0.2–2.0 nm范围内剧烈振荡，相应的Rg波动亦不规则，揭示了尽管初始对接亲和力良好，但其结合行为本质上是不稳定的。总体而言，这些分子动力学（MD）计算结果证实，系统A和系统C（APOC3–selexipag与 SYK –fostamatinib）代表了具有高潜力且动态稳定的药物-靶点骨架，而系统B（NR3C1–氟替卡松福酯）在推进药物研发之前，需进行进一步的结构优化。 8. SYK 抑制剂与APOC3靶向药物在 DKD 大鼠模型中肾保护作用的体内验证 为评估福斯塔米尼布（SYK 抑制剂）与塞莱西帕格（靶向APOC3的药物）在慢性肾病（DKD）中的体内疗效，我们在各治疗组中开展了一系列实验验证。血清生化指标（图9A）显示，与NC组相比， DKD 组的Scr、BUN及24小时尿蛋白排泄率（UP）水平均显著升高（P < 0.05）。与 DKD 组相比， DKD +福斯塔米尼布组、 DKD +塞莱西帕格组及联合治疗组上述三项指标均显著降低（P < 0.05）。NC+药物组与对照组之间未观察到显著差异。Western blot结果（图9B）表明，肾组织中p- SYK / SYK 、APOC3、p- NF -κB/ NF -κB、P21及P53的蛋白表达水平在 DKD 组中显著高于对照组（P < 0.05）。与 DKD 组相比， DKD +福斯塔米尼布组中p- SYK 及其下游效应分子（p- NF -κB、P21和P53）水平显著降低； DKD +塞莱西帕格组中APOC3、p- NF -κB、P21及P53水平显著降低；联合治疗组对上述所有蛋白均表现出最强的抑制作用（P < 0.05）。HE染色与Masson染色（图9C–9F）显示， DKD 组存在肾小球肥大现象系膜基质增多、肾小管空泡化、显著的肾小球硬化及糖原沉积。这些病理学改变在所有治疗组中均得到明显改善。 ELISA 结果（图9G）显示，与对照组相比， DKD 组肾组织匀浆中IL-6、 TNF -α和IL-1β等炎症细胞因子水平显著升高（P < 0.05）。所有治疗组均表现出不同程度的细胞因子水平降低。综上所述， SYK 抑制剂福斯塔米尼布与靶向APOC3的药物塞莱西帕格均可改善 DKD 大鼠的肾功能障碍、炎症反应及纤维化病变。这两种药物联用可产生协同保护作用，进一步证实了 SYK 与APOC3是治疗 DKD 的潜在治疗靶点。 总结 本研究是一项整合多组学与实验验证的转化研究，旨在系统表征糖尿病肾病中衰老相关基因的表达失调，并探索其诊断与治疗价值。研究通过转录组数据与衰老基因数据库整合、双机器学习算法筛选、单细胞测序解析、分子动力学模拟及体内外实验验证，最终鉴定出9个核心基因并构建了AUC为0.881的诊断模型，同时提出SYK-福他替尼和APOC3-司来帕格作为潜在的药物重定位候选，为糖尿病肾病的精准诊断和治疗提供了新的分子靶点。 更多结果和补充图表: PMID：42464365 DOI：10.1186/s13148-026-02207-9 不想做实验，没数据，还想要快速发表文章，没问题的！公共数据库就是我们的数据宝藏！没思路不用担心，作为专业的生信团队，我们很乐意为您效劳，提供研究路线设计和数据挖掘分析，扫码联系我们吧！ 长按二维码关注我们，用最短的时间和最高的效率学习更多数据分析方法! 扫描上方二维码或登录平台官网后添加CNSknowall客服微信咨询！官网地址：https://cnsknowall.comCNSknowall：24年最新问世的遥遥领先的颠覆性科研数据（0代码生信+统计学）分析平台，同时含有机制图模块（原创3000多素材和机制图模板）+AI一键生成高质量比国自然标书初稿+汉化版Pubmed融合Deepseek高效筛选目标文献同时一键提炼全文核心创新点+SCI文献例句/语料检索模块+全文翻译+文献求助+图片查重+期刊查询+OPenAI官方GPT接口，＞500款CNS级别图表皆可一秒内一键出图，登录即秒变数据分析大神，体验前所未有的便捷数据分析之旅，开启科研天骄之路！ 可向下滑动发掘更多科研秘籍!