幽门螺杆菌感染与胃癌相关基因的筛选及预后分析

目的通过分析幽门螺杆菌感染胃黏膜组织和胃癌细胞系后的差异基因变化,并在癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库和肿瘤基因芯片(Oncomine)数据库进行验证,探究幽门螺杆菌导致胃癌发生、发展的分子机制。方法分析基因表达汇编(Gene Expression Omnibus,GEO)数据库幽门螺杆菌感染相关芯片集GSE5081与GSE70394,绘制维恩图查找幽门螺杆菌感染后共同上调的差异基因。对共同上调的差异基因进行功能富集分析。通过TCGA和Oncomine数据库验证差异基因在胃癌中的表达。利用Kaplan-Meier Plotter数据库和GEPIA数据库分析差异基因表达高低与胃癌患者预后是否存在相关性。结果通过差异基因筛选和维恩分析,两个芯片集共有21个共同上调差异基因。GO分析发现共同上调差异基因主要富集在对细菌来源分子的反应、趋化因子CXCR受体结合、中性粒细胞趋化作用等相关的基因功能上;KEGG通路主要富集在癌症通路、TNF信号通路、趋化因子信号通路等。STRING以及PPI数据库分析发现21个基因中PRDM1、IL10、NRP1、BIRC3、GNG13、CXCL1、CXCL2、CXCL3、CXCL8基因存在有网络关系,属于关键枢纽基因。通过TCGA和Oncomine数据库筛选及验证,发现在胃癌组织中NRP1、CXCL1、CXCL8基因明显上调,结果差异有统计学意义(TCGA数据库中,三者P值均小于0.05,Oncomine数据库中,NRP1:t=4.607,P0.01;CXCL1:t=5.854,P0.01;CXCL8:t=5.316,P0.01)。在Kaplan-Meier Plotter数据库(210615-at芯片:P0.01;210510-s-at芯片:P0.01;212298-at芯片:P0.01)以及GEPIA数据库(P0.01)两个数据库中,NRP1的高表达均与胃癌的预后负相关。结论不同的数据库均显示NRP1、CXCL1、CXCL8三个基因与幽门螺杆菌感染相关,同时在胃癌中高表达,并且NRP1的高表达与胃癌的不良预后相关,这些结果为进一步探究幽门螺杆菌导致胃癌发生、发展的分子机制提供了重要基础。     

基于GEO和TCGA数据库分析促癌基因INHBA和抑癌基因CLCA4、CA4在结直肠癌中表达

目的:通过分析GEO数据库结直肠癌相关芯片集,寻找差异基因,并在TCGA数据库和GEO数据库进行验证,为结直肠癌的早期诊断寻找标志物。方法:分析GEO数据库结直肠癌相关芯片集GSE21510、GSE25071、GSE32323。分别分析差异基因,采用文恩图软件查找共同差异基因。进一步在TCGA数据库查找差异基因在结直肠癌中的表达及生存曲线。最后通过GEO数据库GSE24514验证差异基因的表达。结果:GSE21510,包含104例样本,共筛选出251个差异基因,其中上调基因146个,下调基因105个。GSE25071,包含50例样本,共筛选出669个差异基因,其中上调基因312个,下调基因357个。GSE32323,包含10例样本,共筛选出353个差异基因,其中上调基因115个,下调基因238个。在样本中上调基因为促癌基因,下调基因为抑癌基因。经文恩图分析,3个基因集交集共有15个基因,其中上调基因3个,下调基因12个。在TCGA数据库中查找差异基因的表达量和生存曲线,生存曲线选择结肠癌数据集,选取279个样本进行分析。根据差异基因的表达和生存曲线,最终确定促癌基因INHBA和抑癌基因CLCA4、CA4为结直肠癌的标志物。最后在GSE24514芯片集验证差异基因的表达。结论:通过GEO和TCGA数据库筛选及验证,发现在结直肠癌组织中INHBA基因明显上调,CLCA4、CA4基因明显下调。最终确定促癌基因INHBA和抑癌基因CLCA4、CA4可作为结直肠癌早期诊断的标志物。     

基于生物信息学筛选和鉴定结直肠癌关键的生物标志物

结直肠癌是世界范围内最为常见的恶性肿瘤之一,目前,关于结直肠癌的分子机制仍在不断的探索中。本文通过生物信息学方法筛选和鉴定结直肠癌关键的生物标志物。从基因表达数据库(GEO)选择了3个数据集[GSE21510(148个样本)、GSE32323(44个样本)、GSE15781(42个样本)],对差异基因的表达以及功能富集进行分析。通过建立蛋白互作网络,运用STRING和Cytoscape对分子进行分析。筛选出472个差异基因,其中上调基因212个,下调基因260个。差异基因的富集及其通路主要包括调节细胞增殖、识别受体信号通路、过氧化物酶体增殖物激活受体(PPAR)信号通路等。其中15个核心基因主要富集在受体蛋白信号通路、细胞表面受体信号和趋化因子信号通路上。生存分析表明,AGT、CXCL2可能参与致癌,促进癌症的转移,影响预后。通过对472个差异基因和15个核心基因的筛选识别,促癌基因AGT和CXCL2可能被视为结直肠癌的生物标志物,为结直肠癌的诊断、治疗和研究提供新的分子靶标。     

基于数据挖掘分析ONECUT2基因在胃癌的表达及与幽门螺杆菌感染的相关性

目的分析ONECUT2基因在胃癌中的表达及其与幽门螺杆菌(Helicobacter pylori,H.pylori)感染的相关性。方法 (1)利用Oncomine数据库、TCGA数据库分析ONECUT2基因在胃癌中的表达,R软件包进行基因的共聚类微阵列数据分析。(2)利用Kaplan-Meier Plotter数据库和GEPIA数据库分析ONECUT2差异表达与胃癌患者预后的关系。(3)利用生物信息学功能注释数据平台DAVID对胃癌中与ONECUT2基因表达正相关的前200个基因进行功能富集分析。(4)利用GEO数据库中的数据分析H.pylori感染与ONECUT2表达的相关性。结果 (1)Oncomine数据库中的数据在胃癌、膀胱癌等8种肿瘤中共有14项研究显示ONECUT2基因在肿瘤组织中的高表达;其中胃癌相关的有两项(t=6.064,P0.000 1;t=4.335,P0.000 1);TCGA数据库的数据也证实胃癌中ONECUT2高表达(t=6.680,P0.001)。(2)胃癌中ONECUT2与EHF、FUT6、TNFRSF11A、RSAEF、EPCAM等20个基因有较高的共表达。(3)GO分析发现胃癌中ONECUT2富集在分子结构活性等相关的基因功能上;而KEGG富集分析发现ONECUT2富集于紧密连接功能等6个通路。(4)Kaplan-Meier Plotter数据库中207676-at芯片结果显示ONECUT2高表达组患者远期生存率下降(P0.001);GEPIA数据库中的分析结果同样显示ONECUT2高表达组患者其总体生存率(P0.05)和无病生存率(P0.01)下降。GEO数据库中GSE74577(P=0.005)、GSE70394(P=0.034)和GSE25146(P=0.036)三个数据集均显示H.pylori感染AGS和GES-1细胞系后ONECUT2表达上调。结论 ONECUT2在胃癌中高表达,且与胃癌一类致癌原H.pylori感染相关。ONECUT2高表达组患者远期生存率下降,表明其与胃癌发生发展密切相关,可能成为胃癌治疗的新靶点。     

应用GSEA和WGCNA方法分析细菌性败血症宿主关键差异基因及意义

【目的】采用生物信息学方法分析公共数据库来源的细菌性败血症患者全血转录组学表达谱,探讨细菌败血症相关的宿主关键差异基因及意义。【方法】基于GEO数据库中GSE80496和GSE72829全血转录组基因数据集,采用GEO2R、基因集富集分析(GSEA)联用加权基因共表达网络分析(WGCNA)筛选细菌性败血症患者相比健康人群显著改变的差异基因,通过R软件对交集基因进行GO功能分析和KEGG富集分析。同时,通过String 11.0和Cytoscape分析枢纽基因,验证枢纽基因在数据集GSE72809(Health组52例,Definedsepsis组52例)全血标本中的表达情况,并探讨婴儿性别、月(胎)龄、出生体重、是否接触抗生素等因素与靶基因表达谱间的关系。【结果】分析GSE80496和GSE72829数据集分别筛选得到932个基因和319个基因,联合WGCNA枢纽模块交集得到与细菌性败血症发病相关的10个枢纽基因(MMP9、ITGAM、CSTD、GAPDH、PGLYRP1、FOLR3、OSCAR、TLR5、IL1RN和TIMP1);GSEA分析获得关键通路(氨基酸糖类-核糖代谢、PPAR信号通路、聚糖生物合成通路、自噬调控通路、补体、凝血因子级联反应、尼古丁和烟酰胺代谢、不饱和脂肪酸生物合成和阿尔兹海默症通路)及生物学过程(类固醇激素分泌、腺苷酸环化酶的激活、细胞外基质降解和金属离子运输)。【结论】本项研究通过GEO2R、GSEA联用WGCNA分析,筛选出与细菌性败血症发病相关的2个枢纽模块、10个枢纽基因以及一些关键信号通路和生物学过程,可为后续深入研究细菌性败血症致病机制奠定理论依据。     

生物信息学分析筛选结直肠癌靶基因及评估预后价值

为寻找与结直肠癌发展和预后相关的潜在关键基因及信号通路。从美国国立信息中心NCBI的GEO数据库获得结直肠癌基因表达数据集GSE106582,通过PCA对样本进行分组,利用GEO2R进行综合分析,筛选结直肠癌与癌旁对照组的差异表达基因;通过DAVID在线工具对差异表达基因进行GO本体分析和KEGG通路富集分析,初步分析差异表达基因的生物学作用;基于STRING数据库对差异表达基因进行蛋白质相互作用网络分析,利用Cytoscape软件进行可视化并筛选关键基因;用生存分析和ROC曲线诊断对关键基因进行鉴定并通过数据集GSE21510进行验证。共鉴定出199个差异表达基因,其中53个为上调基因,146个为下调基因;上调的差异表达基因主要富集在与胶原蛋白分解代谢过程、细胞外基质分解、细胞外基质受体相互作用和PI3K/AKT信号通路等生物学过程;下调的差异表达基因主要富集在碳酸氢盐运输、一碳代谢过程、矿物质吸收、药物代谢-细胞色素P450和氮代谢通路等生物学过程;MCODE分析、生存分析和ROC诊断共发现3个基因分别为BGN、COL1A2和TIMP1可能与结直肠癌的发生发展有关,它们在肿瘤组织中的异常高表达与患者较差的生存期呈正相关,GSE21510的验证结果与GSE106582的分析结果相同。本研究采用生物信息学方法对CRC基因芯片数据进行挖掘,从基因水平探讨CRC潜在的发病机制、肿瘤标志物的及患者预后分子的筛选,以及可能的药物治疗靶点提供了一定的参考价值和理论基础。     

家族性高胆固醇血症HDL-miRNAs调节血单核细胞功能机制

本研究通过生物信息学方法分析家族性高胆固醇血症患者外周血单核细胞差异表达基因、HDL载体差异表达miRNA及其生物学功能,研究差异HDL-miRNA与单核细胞差异基因的相关性,探讨HDL-miRNA调控外周血单核细胞功能机制,寻找动脉粥样硬化防治新靶点。运用R语言分析GEO数据库共享平台家族性高胆固醇血症外周血单核细胞基因及HDL-miRNA探针芯片得到差异基因及差异miRNA,利用miRwalk2. 0预测miRNA靶基因,并利用STRING进行蛋白互作分析,构建差异miRNA与差异基因之间的调控网络。运用GO及KEGG分析研究基因功能。利用GEO数据(GSE6054)筛选出834个差异表达基因,利用GEO数据(GSE25108)筛选出HDL上差异miRNA28个。交叉匹配得到由19个差异miRNA和56个差异基因组配对的74对miRNA-靶基因。GO富集分析56个差异基因主要富集于肾上腺素受体信号等分子功能。KEGG分析56个差异基因主要富集于造血谱系通路上。家族性高胆固醇血症差异HDL-miRNA与外周血单核细胞差异mRNA具有相关性,HDL-miRNA有通过调控血单核细胞功能的可能性,可能参与高胆固醇血症导致动脉粥样硬化过程。     

浆液性卵巢癌铁死亡关键基因的筛选及[]生物信息学分析

利用生物信息学方法筛选浆液性卵巢癌相关铁死亡关键基因,并预测其生物学功能。从GEO数据库中获得有关浆液性卵巢癌的数据集GSE54388和GSE12470,采用R语言中的“Limma”包分析挑选浆液性卵巢癌上皮组织与正常卵巢上皮组织中差异表达基因,绘制火山图、热图。利用Venn软件在线工具绘制GSE54388,GSE12470,FerrDb三个数据集韦恩图。对相关基因进行功能富集分析、蛋白互作分析、生存分析,对关键基因绘制ROC曲线进行诊断分析。采用GEPIA2 数据库对筛选基因进行验证,并进行免疫浸润分析。结果发现:从GSE54388中筛选出2458个差异基因,其中上调1309个,下调1149个。从GSE12470中筛选出3534个差异基因,其中上调1 837个,下调1 697个。与铁死亡基因数据集取交集,共得到16个差异基因,蛋白互作网络筛选出7个基因构建的关键模块,绘制生存曲线发现浆液性卵巢癌患者中5个基因与患者总生存率不良相关,其中NRAS,PSAT1,CDKN2A,GDF15这4个基因高表达,CAV1低表达。ROC曲线显示这5个基因中CAV1,NRAS,PSAT1的AUC诊断曲线面积大于0.95,有较高的诊断价值。GEPIA2 数据库验证发现5个基因的表达情况与预测相符,仅NRAS基因表达在浆液性卵巢癌患者Ⅱ期、Ⅲ期、Ⅳ期有显著差异(P<0.05)。免疫浸润分析发现CDKN2A表达与aDC细胞浸润水平呈正相关(P<0.05,spearman相关系数0.353);CAV1表达与Mast细胞浸润正向关(P<0.05,spearman相关系数0.327);NRAS与T helper细胞浸呈正向关(P<0.05,spearman相关系数0.362)。通过生物信息学方法筛选出与浆液性卵巢癌铁死亡相关的5个基因CAV1,NRAS,PSAT1,CDKN2A,GDF15,可能在浆液性卵巢癌的发生发展中起重要作用,有望成为该病诊断、治疗和预后的潜在分子生物标志物。     

联合TCGA和GEO数据库筛选乳腺癌易感基因

本研究是利用公共基因芯片数据库筛选乳腺癌的预后基因,预测和探索这些基因在乳腺癌进展中的可能机制和临床价值.首先,我们筛选了公共基因芯片数据库(gene expression omnibus,GEO)GSE22820和癌症基因组图谱(the cancer genome atlas,TCGA)乳腺癌数据库的重叠差异表达基因,联合R语言分析乳腺癌组织与癌旁正常组织差异表达的基因;其次,基于STRING数据库及Cytoscape软件构建蛋白质相互作用网络图,分析并识别了中枢基因和前3个模块;之后进行了更多的功能分析,包括基因本体(gene ontology,GO)和京都基因与基因组百科全书(kyoto encyclopedia of genes and genomes,KEGG)通路分析以及基因集富集分析(gene set enrichment analysis,GSEA),以研究这些基因的作用以及潜在的潜在机制;最后进行了Kaplan-Meier分析和Cox比例风险分析,以阐明这些基因的诊断和预后效果.相关数据分析表明15个基因的表达水平与生存预后相关,高表达基因患者的总生存时间短于低表达患者(P＜0.05);Cox比例风险分析表明UBE2T、ER-CC6L和RAD51这3个基因是预后生存的独立因素(P＜0.05);GSEA分析表明在UBE2T、ERCC6L和RAD51基因中细胞周期、基础转录因子和卵母细胞减数分裂明显富集.最终,我们得出结论,这3种基因标志物的高表达是乳腺癌预后不良因素,可作为预测乳腺癌患者转移和预后的有效生物标志物.     

肝细胞癌相关差异基因的生物信息学及预后分析

肝细胞癌是全球癌症相关死亡的主要原因,目前对肝细胞癌的发病机制研究尚不完善,探索肝细胞癌发生、发展相关的分子标志物及其预后具有重要意义。从GEO数据库获得肝细胞癌组织和非癌组织的基因表达阵列数据GSE84402,利用GEO2R筛选差异表达基因;采用DAVID数据库对差异基因进行GO富集分析和KEGG通路分析;通过STRING数据库和Cytoscape软件构建差异表达基因对应的蛋白质相互作用网络,并从网络中筛选出核心基因(hub genes);结合KM plotter数据库的临床信息对hub genes进行预后分析。结果显示:共得到1 307个差异表达基因,其中上调基因741个,下调基因566个,这些差异表达基因主要涉及细胞分裂、细胞周期、DNA复制及物质代谢等生物学过程及生物通路。通过GO、KEGG及蛋白质相互作用网络筛选出BUB1、BUB1B、CCNA2、CCNB1、CCNB2、CDC20、CDK1、MAD2L1、PLK1等9个hub genes,进一步分析发现hub genes均与细胞周期的调控相关,表明细胞周期的调控失常在肝细胞癌的发生、发展过程中具有重要作用。生存分析显示9个hub genes在肝细胞癌患者中均为表达上调的基因,且与患者预后不良相关,这为寻找肝细胞癌患者预后相关生物标志物的研究提供了线索。     

脱发相关差异表达基因的生物信息学分析

利用生物信息学方法分析脱发相关差异表达基因,有望帮助了解脱发发生发展的分子机制。本研究从NCBI的子数据库GEO中选择基因表达谱GSE45512和GSE45513数据集,利用R语言limma工具包,筛选出两个物种斑秃样本与正常样本的共同显著差异表达基因。对这部分基因进行功能注释和蛋白互作网络分析,同时对全部差异表达基因进行基因集富集分析。结果发现,人头皮斑秃样本共筛选出225个差异表达基因;C3H/HeJ小鼠自发斑秃皮肤样本共筛选出337个差异表达基因;两个物种的共同显著差异表达基因有23个。GO功能富集分析和蛋白互作网络分析显示,这部分差异基因显著富集于免疫相关功能,并且彼此间存在蛋白互作关系。基因集富集分析显示两个物种的差异基因都能显著富集到趋化因子信号通路、细胞因子受体相互作用、金葡菌感染及抗原加工与呈递通路;而且人的下调差异基因不仅映射到了人类表型数据库的脱发表型,也映射到皮肤附属物病理相关表型。综上所述,本研究通过生物信息方法分析脱发皮肤组织与正常皮肤组织的差异表达基因,最终筛选出23个在人和小鼠中共同存在的显著差异表达基因;此外,分析发现脱发与免疫过程及皮肤附属物病变密切相关,这些结果为脱发的诊断和治疗提供了新思路。     

基于单细胞测序构建胶质母细胞瘤预后模型

[目的]基于单细胞测序筛选胶质母细胞瘤特征基因并构建预后模型。[方法]分析GEO数据库单细胞RNA测序数据集GSE84465,筛选出GBM细胞分化相关的差异基因。下载TCGA数据库GBM的基因表达谱和临床数据,采用Lasso回归、Cox回归分析筛选出特征基因构建预后模型,根据独立预后因素构建列线图,GSE83300作为外部验证集。基于风险评分中位数将患者分组,比较两组生存差异。[结果]通过scRNA-seq得到492个分化差异基因,经过回归分析得到基于6个基因(PLAUR、RARRES2、G0S2、MDK、SERPINE2、CD81)的预后模型。其1、3、5年ROC曲线下面积均大于0.7;KM分析显示高低风险组预后存在差异(P<0.001),GSE83300验证结果与TCGA一致。多因素Cox回归分析表明年龄和风险评分可以作为独立影响因素(P<0.01);C-Index(0.679)、校准图显示列线图预测模型有良好的拟合度。GSEA分析示高低风险组差异基因集参与细胞因子受体相互作用、抗原处理与提呈等通路。[结论]由PLAUR、RARRES2、G0S2、MDK、SERPINE...     

肾纤维化关键基因的生信筛选及分析

[目的]利用生物信息学技术筛选与肾纤维化相关基因，并预测与基因相关通路，疾病、细胞类型和有关药物。[方法]在公共基因芯片数据库(GEO)中获取与肾纤维化相关三个基因数据集，利用Venn图鉴定出共表达的差异基因，Metascape工具对差异基因进行功能(GO)和通路富集(KEGG)分析，还利用STRING构建蛋白相互作用网络(PPI)网络以及可视化工具Cytoscape筛选关键基因，最后用及Enrichr和Comparative Toxicogenomics Database(CTD)数据分析有关疾病、细胞类型和药物。[结果]与肾纤维化相关的数据集GSE148420、GSE38117、GSE54441经Venn图共得到83个DEGs。经Cytoscape对STRING工具得到的PPI网络可视化后，筛选出10个与肾纤维化相关的关键基因，分别是F13B、ALDH8A1、A1CF、PAH、KMO、ALDH6A1、SPP2、ACAT1、ABAT、CAT。GO和KEGG富集显示这些基因与氧化还原酶活性，血小板致密颗粒，色氨酸、结氨酸、亮氨酸和异亮氨酸等氨基酸代谢通路有关。利用Enrichr和CTD...     

基于拓扑分析方法鉴定与胃癌相关的生物标志物

胃癌(gastric cancer, GC)是最常见的恶性肿瘤之一。由于GC发病隐匿的特性,其早期检测困难。因此,研究与GC早期诊断和预后相关的生物标志物至关重要。从GEO数据库下载了3组基因表达数据集GSE79973、 GSE19826和GSE13911,通过Limma包筛选差异表达基因(differentially expressed genes, DEGs),并使用DEGs、 STRING V11数据库和Cytoscape构建了DEGs的蛋白质-蛋白质相互作用(protein-protein interaction, PPI)网络,通过4种拓扑分析方法取交集筛选hub基因,并通过单变量Cox分析、多变量Cox分析、 Lasso回归分析、生存分析、通路分析以及文献法验证hub基因。从3个数据集中分别筛选了1 599个、 333个和662个DEGs。通过拓扑分析方法筛选了4个hub基因,即CDK1、AURKA、PTTG1和UBE2C。GO和KEGG富集分析结果表明4个hub基因参与了细胞外基质-受体相互作用、糖尿病并发症中的AGE-RAGE信号通路、小细胞肺癌和蛋白质消化吸收等通路。...     

基于生物信息学筛选宫颈癌血管生成基因及构建预后模型

利用生物信息学方法筛选与宫颈癌发生、发展和预后相关的血管生成相关基因(angiogenesis related gene,ARG),并进行相关预后风险模型的构建与验证。首先,从TCGA数据库中检索宫颈癌患者的表达谱和临床特征,并提取差异表达的ARG;其次,采用Lasso Cox回归筛选预后ARG,构建相关预后模型;再次,使用GSE52903和GSE44001数据集进行外部验证;最后,利用基因集富集分析(gene set enrichment analysis, GSEA)探讨宫颈癌预后机制。筛选结果显示,共获得15个预后ARG,分别为EFNA1、ITGA5、EPHB4、NRP1、CDH5、PLAU、BMP6、DLL4、JUN、CA9、MMP1、BAIAP2L1、SERPINF1、F2RL1和FGFR2。GSE52903和GSE44001数据集的Kaplan-Meier生存曲线显示,高风险组的总生存期(overall survival, OS)(P=0.005)和无病生存期(disease-free survival, DFS)(P<0.001)显著低于低风险组。受试者操作特征(r...     

人肝细胞癌预后不良相关基因的生物信息学分析及其临床意义

目的:筛选肝细胞癌(HCC)预后不良相关基因,并探讨其临床意义。方法:在基因表达综合数据库(GEO)中获取符合分析条件的肝细胞癌全基因组表达谱数据并分析得到差异表达基因(DEGs),再运用生物学信息注释及可视化数据库 (DAVID) 和蛋白相互作用数据库 (String) 分别进行功能富集分析和蛋白质互作用网络的构建。利用癌症基因组图谱数据库(TCGA)和Cox比例风险回归模型对相关差异基因进行预后分析。结果:找到一个符合条件的人类HCC数据库 (GSE84402),共筛选出1141个差异表达基因(DEGs),其中上调基因720个,下调基因421个。基因功能富集分析和蛋白质互作用分析结果显示CDK1、CDC6、CCNA2、CHEK1、CENPE 、PIK3R1、RACGAP1、BIRC5、KIF11和CYP2B6为HCC预后的关键基因。TCGA数据库和Cox回归模型分析显示CDC6、PIK3R1、RACGAP1和KIF11的表达升高,CENPE的表达降低与HCC预后不良密切相关。结论:CDC6、CENPE、PIK3R1、RACGAP1和KIF11可能和HCC的预后不良相关,可作为未来HCC预后研究的参考标志物。     

microRNA155在动脉粥样硬化发生过程中的网络调控机制

动脉粥样硬化(atherosclerosis,AS)是一种慢性进行性的血管炎症性疾病,其发病机制主要包括内皮细胞损伤,脂质浸润及炎症介质分泌等。microRNA155(miR-155)是参与AS炎性调控、免疫和自噬信号等通路的微小非编码RNA。系统性研究miR-155及其靶基因的网络调控机制,能全面理解miR-155在AS中的作用,促进其在临床诊断中的应用开发。利用miRNA靶基因预测数据库miRDB、miRmap和Starbase获取miR-155的靶基因集。R语言分析基因表达综合数据库(gene expression omnibus,GEO)共享平台动脉粥样硬化斑块差异表达基因(GSE24702),筛选出18 076个差异表达基因。利用基因集富集分析(gene set enrichment analysis,GSEA)分析,观察这些差异表达基因共同富集在IL6-JAK-STAT3信号通路、炎症反应和TNFα等炎症信号通路。与miR-155靶基因交叉匹配得到371个交集mRNA,其中159个在动脉粥样硬化斑块中上调,212个在动脉粥样硬化斑块中下调。基因本体(gene ontology,GO)及基因组数据库(kyoto encyclopedia of genes and genomes,KEGG)分析研究基因功能,GO富集分析371个差异基因主要富集炎症和凋亡信号通路的负调控等功能,KEGG分析371个差异基因主要富集TGFβ等炎症信号通路。蛋白相互作用网络(protein-protein interaction networks,PPI)分析获得关键节点基因是ARRB2、FBXO11、SOCS1、FBXO22、FBXO30、KRAS、RNF19A、TRIM32、HERC4、PJA1、RCHY1和DET1。本研究表明,miR-155主要通过调控炎症反应等相关信号通路影响斑块细胞炎症、自噬及凋亡等功能,进而影响动脉粥样硬化的各个进程。     

三棱内酯B调控人冠状动脉内皮细胞基因表达谱的生物信息学分析

目的:分析三棱内酯B在人冠状动脉内皮细胞中的表达谱数据集,寻找三棱内酯B调控血管内皮功能的关键作用靶点。方法:基于GEO公共数据库,下载原始表达谱数据集(GSE44598),经过差异基因筛选,功能注释,通路富集,信号通路网络以及基因互作网络分析,找出三棱内酯B对人冠状动脉内皮细胞基因表达谱产生影响的关键基因和信号通路。结果:同对照组相比,三棱内酯B给药组共有5224个基因有显著性差异,包括2628个上调基因和2596个下调基因。基因功能注释和信号通路富集分析表明,差异基因主要参与了细胞周期过程。网络分析显示,MAPK信号通路、细胞周期通路以及PLCG2,PRKACA和ADCY4等为关键信号通路和基因。结论:三棱内酯B通过影响PLCG2,PRKACA,ADCY4等基因的表达,参与MAPK和细胞周期等信号通路,从而调节人冠状内皮细胞的功能。这些关键基因和信号通路是三棱内酯B在心血管疾病治疗应用中潜在的作用靶点。     

急性髓系白血病mRNA与非编码RNA差异表达谱及CeRNA调控网络分析

利用GEO数据库(gene expression omnibus database)通过生物信息学分析方法探讨急性髓系白血病(acute myelogenous leukemia,AML)的发病机制。检索GEO数据库中AML相关芯片数据集GSE142698、GSE142699和GSE96535。利用GEO2R分析得到差异mRNAs、miRNAs以及差异lncRNAs。利用在线生物信息学分析工具DAVID对差异mRNAs进行GO富集分析和KEGG通路分析。利用miRWalk数据库预测AML相关miRNAs的靶向mRNAs,利用Spongescan数据库预测AML相关miRNAs的靶向lncRNAs,构建lncRNA-miRNA-mRNA竞争性内源RNA （competing endogenous RNA,ceRNA）调控网络。共筛选出29个显著差异mRNAs、70个显著差异miRNAs和20 005个显著差异lncRNAs。GO富集分析和KEGG通路分析显示,差异表达基因主要涉及蛋白磷酸化、细胞分裂、细胞增殖的负调控、基因表达的正向调节、周期蛋白依赖的丝氨酸/苏氨酸激酶活性的调节等生物过程以及细胞周期、细胞衰老、癌症通路、PI3K-Akt通路等信号通路。将miRWalk数据库预测的靶向mRNAs与差异mRNAs取交集,Spongescan数据库预测的靶向lncRNAs与差异lncRNAs取交集,分别确定了25个mRNAs、6个lncRNAs参与AML相关ceRNA调控网络的构建。结果表明,lncRNAs可能作为关键的ceRNA,通过调控miRNA和相关靶基因参与AML的发生与发展,研究结果为AML诊断和治疗的分子生物学研究提供了新的依据。     

内质网应激相关基因能预测骨肉瘤预后并与肿瘤免疫微环境相关

以内质网应激相关基因构建骨肉瘤患者的风险模型,探索其与肿瘤免疫微环境的关系。采用生物信息学分析法,训练集的转录组数据及临床数据下载于UCSC Xena数据库,验证集的相应数据下载于GEO数据库(GSE21257,GSE39058)。采用单因素COX回归分析、LASSO回归分析及多因素COX回归分析提取风险特征基因构建风险模型,使用决策曲线分析、受试者工作特征曲线分析验证模型的准确性,随后构建列线图进一步预测骨肉瘤患者预后;根据风险评分将患者分为高、低风险组,使用Kaplan-Meier生存曲线评估高、低风险组间的生存差异,对差异表达基因(Differentially expressed genes, DEGs)进行GO/KEGG联合富集分析、基因集富集分析(Gene set enrichment analysis, GSEA)及基因集变异分析(Gene set variation analysis, GSVA);采用ESTIMATE算法、微环境种群计数器(Microenvironment cell population counter, MCP counter)方法、单样本基因集富集分析(Single sample gene set enrichment analysis, ssGSEA)进行免疫分析;最终在验证集中验证上述结果。6个风险特征基因中VEGFA、PTGIS及SERPINH1与骨肉瘤患者的不良预后相关,而TMED10、MAPK10及TOR1B与与骨肉瘤患者的良好预后相关,高、低风险组患者之间具有显著生存差异;GO/KEGG联合富集分析、GSVA、GSEA结果表明DEGs与免疫状态相关;免疫分析显示高风险组具有更低的免疫评分及免疫景观;列线图进一步准确地预测了骨肉瘤患者的预后。内质网应激相关基因构建的风险模型能准确预测骨肉瘤患者预后,并与肿瘤免疫微环境相关。