DOI: https://doi.org/10.3389/fgene.2026.1760654
PMID: https://pubmed.ncbi.nlm.nih.gov/41635803
تاريخ النشر: 2026-01-19
المؤلف: Tao Li وآخرون
الموضوع الرئيسي: علم النسخ الجيني أحادي الخلية والمكاني
نظرة عامة
تقدم هذه القسم نظرة شاملة على التقدمات الأخيرة في أبحاث مرض الكلى السكري (DKD)، مع التأكيد على الحاجة الملحة لتحسين استراتيجيات الكشف المبكر والتدخل. يبرز الدور التحويلي للتقنيات مثل تسلسل RNA أحادي الخلية (scRNA-seq) والترانسكريبتوميات المكانية، التي كشفت عن تباين خلوي كبير وحددت آليات مرضية رئيسية، بما في ذلك حالات الخلايا الأنبوبية غير التكيفية واضطراب المناعة. بالإضافة إلى ذلك، كشفت الميتابولوميات عن اضطرابات استقلابية مبكرة، مقدمة علامات حيوية جديدة مرتبطة بخلل الميتوكوندريا والإجهاد التأكسدي. إن دمج الذكاء الاصطناعي (AI)، وخاصة من خلال نماذج التعلم العميق مثل DeepDKD، يعزز الفحص غير الجراحي وتصنيف المخاطر، مما يسهل الانتقال نحو علم الكلى الدقيق.
تؤكد الخاتمة على أهمية هذه الأساليب متعددة الأوميات في توضيح مسببات DKD، وتحديد الانتقالات الأنبوبية غير التكيفية، والمناطق الالتهابية، والاضطرابات الاستقلابية. إن تقارب العلامات الحيوية المستمدة من الأوميات والتحليلات المدفوعة بالذكاء الاصطناعي من المتوقع أن يحدث ثورة في الممارسة السريرية، مما يمكّن من التعرف المبكر على المرضى ذوي المخاطر العالية وتطوير علاجات مستهدفة تعالج الالتهاب، والتليف، والمسارات الاستقلابية. على الرغم من التقدم الكبير الذي تم إحرازه، فإن تحقيق الإمكانات الكاملة لعلم الكلى الدقيق يتطلب التغلب على الحواجز الانتقالية المتعلقة بدمج البيانات والتحقق السريري. من خلال معالجة هذه التحديات، يمكن للمجال الانتقال نحو رعاية استباقية وشخصية، مما يعزز في النهاية نتائج المرضى على المدى الطويل في DKD.
مقدمة
تسلط مقدمة الورقة الضوء على التحدي الصحي العالمي المتزايد الذي يمثله مرض الكلى السكري (DKD) وتؤكد على الحاجة إلى نهج متكامل لإدارته. إن التقدمات الأخيرة في التوصيف الجزيئي عالي الدقة، والذكاء الاصطناعي (AI)، والعلاج الدوائي لديها القدرة على تحويل رعاية DKD؛ ومع ذلك، غالبًا ما تحدث هذه التطورات بشكل منفصل، مما يخلق فجوة انتقالية بين الاكتشاف العلمي والتطبيق السريري. يدعو المؤلفون إلى نظرة شاملة تدمج الرؤى من تقنيات الأوميات المتعددة مع قدرات الذكاء الاصطناعي لتعزيز فهم التعقيد الجزيئي وتسهيل تطوير علاجات جديدة.
تعتبر الطرق التشخيصية الحالية لـ DKD، التي تعتمد بشكل أساسي على الألبومينوريا ومعدل الترشيح الكبيبي المقدر (eGFR)، غير كافية، حيث يمكن أن تحدث إصابة كلوية كبيرة دون تغييرات قابلة للاكتشاف في هذه العلامات. يمكن أن تؤدي هذه القيود إلى تشخيص خاطئ وتأخير العلاج، مما يبرز ضرورة استراتيجيات مبتكرة للكشف المبكر والعلاج الشخصي. تناقش المراجعة أيضًا التأثير التحويلي لمثبطات SGLT2 وناهضات مستقبلات GLP-1 على إدارة DKD، إلى جانب دور منصات الأوميات المتعددة الناشئة والذكاء الاصطناعي في تحسين توقع المخاطر وتصنيف المرضى. يهدف المؤلفون إلى دمج هذه التقدمات واقتراح إطار عمل لدمج رؤى الأوميات المتعددة، والتحليلات المدفوعة بالذكاء الاصطناعي، والعلاجات الجديدة في علم الكلى الدقيق لـ DKD.
مناقشة
تناقش هذه القسم علم الأوبئة، والبيولوجيا المرضية، والتقنيات الناشئة المتعلقة بمرض الكلى السكري (DKD)، مع التأكيد على العبء السريري الكبير الذي يمثله كأحد الأسباب الرئيسية لمرض الكلى المزمن (CKD) ومرض الكلى في المرحلة النهائية (ESKD). تشير البيانات الوبائية إلى أن 30%-40% من الأفراد المصابين بالسكري يصابون بـ DKD، وهو ما يتفاقم بسبب الزيادة العالمية في داء السكري من النوع 2 المرتبط بعوامل نمط الحياة. إن مسببات DKD متعددة العوامل، وتشمل التغيرات الديناميكية الدموية، والاضطرابات الاستقلابية، والإجهاد التأكسدي، والالتهاب المزمن، مع تسليط الأبحاث الحديثة الضوء على دور اضطراب المناعة والتباين الخلوي في تقدم المرض.
لقد أحدثت التقدمات في تسلسل RNA أحادي الخلية (scRNA-seq) ثورة في فهم DKD من خلال السماح بالتوصيف الخلوي التفصيلي وتحديد حالات الخلايا المتميزة داخل الكلى. لقد كشفت هذه التقنية عن تعقيد استجابات خلايا الكلى للإصابة، لا سيما في خلايا الأنابيب القريبة، وسهلت اكتشاف المسارات غير التكيفية التي يمكن استهدافها علاجياً. بالإضافة إلى ذلك، فإن دمج الأساليب متعددة الأوميات، التي تجمع بين البيانات الترنسكريبتومية، والبروتيوميات، والميتابولوميات، يثبت أنه ضروري لكشف الشبكات التنظيمية المعنية في DKD. تهدف هذه الاستراتيجيات التكاملية إلى تعزيز الكشف المبكر، وتصنيف المخاطر، وخيارات العلاج الشخصية، مما يمهد الطريق لعلم الكلى الدقيق. ومع ذلك، لا تزال هناك تحديات في ترجمة هذه النتائج إلى الممارسة السريرية، مما يتطلب تحققًا قويًا وتطوير مجموعات شاملة من العلامات الحيوية لتحسين نتائج المرضى.
DOI: https://doi.org/10.3389/fgene.2026.1760654
PMID: https://pubmed.ncbi.nlm.nih.gov/41635803
Publication Date: 2026-01-19
Author(s): Tao Li et al.
Primary Topic: Single-cell and spatial transcriptomics
Overview
The section provides a comprehensive overview of recent advancements in diabetic kidney disease (DKD) research, emphasizing the critical need for improved early detection and intervention strategies. It highlights the transformative role of technologies such as single-cell RNA sequencing (scRNA-seq) and spatial transcriptomics, which have revealed significant cellular heterogeneity and identified key pathogenic mechanisms, including maladaptive tubular cell states and immune dysregulation. Additionally, metabolomics has uncovered early metabolic disturbances, offering novel biomarkers linked to mitochondrial dysfunction and oxidative stress. The integration of artificial intelligence (AI), particularly through deep learning models like DeepDKD, is enhancing non-invasive screening and risk stratification, thereby facilitating a shift towards precision nephrology.
The conclusion underscores the importance of these multi-omics approaches in elucidating DKD pathogenesis, identifying maladaptive tubular transitions, inflammatory niches, and metabolic disruptions. The convergence of omics-derived biomarkers and AI-driven analytics is poised to revolutionize clinical practice, enabling earlier identification of high-risk patients and the development of targeted therapeutics that address inflammation, fibrosis, and metabolic pathways. While significant progress has been made, the realization of precision nephrology’s full potential necessitates overcoming translational barriers related to data integration and clinical validation. By addressing these challenges, the field can move towards proactive, personalized care, ultimately enhancing long-term patient outcomes in DKD.
Introduction
The introduction of the paper highlights the growing global health challenge posed by Diabetic Kidney Disease (DKD) and emphasizes the need for an integrated approach to its management. Recent advancements in high-resolution molecular profiling, artificial intelligence (AI), and pharmacotherapy have the potential to transform DKD care; however, these developments often occur in isolation, creating a translational gap between scientific discovery and clinical application. The authors advocate for a comprehensive overview that merges insights from multi-omics technologies with AI capabilities to enhance the understanding of molecular complexity and facilitate the development of novel therapeutics.
Current diagnostic methods for DKD, primarily reliant on albuminuria and estimated glomerular filtration rate (eGFR), are inadequate, as significant renal injury can occur without detectable changes in these markers. This limitation can lead to misdiagnosis and delayed treatment, underscoring the necessity for innovative strategies for early detection and personalized treatment. The review also discusses the transformative impact of SGLT2 inhibitors and GLP-1 receptor agonists on DKD management, alongside the role of emerging multi-omics platforms and AI in refining risk prediction and patient stratification. The authors aim to synthesize these advancements and propose a framework for integrating multi-omics insights, AI-driven analytics, and novel therapeutics into precision nephrology for DKD.
Discussion
The section discusses the epidemiology, pathobiology, and emerging technologies related to Diabetic Kidney Disease (DKD), emphasizing its significant clinical burden as a leading cause of chronic kidney disease (CKD) and end-stage kidney disease (ESKD). Epidemiological data indicate that 30%-40% of individuals with diabetes develop DKD, which is exacerbated by the global rise in type 2 diabetes linked to lifestyle factors. The pathogenesis of DKD is multifactorial, involving hemodynamic changes, metabolic disturbances, oxidative stress, and chronic inflammation, with recent research highlighting the role of immune dysregulation and cellular heterogeneity in disease progression.
Advancements in single-cell RNA sequencing (scRNA-seq) have revolutionized the understanding of DKD by allowing for detailed cellular profiling and the identification of distinct cell states within the kidney. This technology has revealed the complexity of renal cell responses to injury, particularly in proximal tubular cells, and has facilitated the discovery of maladaptive pathways that could be targeted therapeutically. Additionally, the integration of multi-omics approaches, combining transcriptomic, proteomic, and metabolomic data, is proving essential for uncovering the regulatory networks involved in DKD. These integrative strategies aim to enhance early detection, risk stratification, and personalized treatment options, ultimately paving the way for precision nephrology. However, challenges remain in translating these findings into clinical practice, necessitating robust validation and the development of comprehensive biomarker panels to improve patient outcomes.