慢性鼻-鼻窦炎伴鼻息肉基因表达谱的生物信息学分析

本研究从美国国立生物信息中心(NCBI)的子数据库基因表达数据库(GEO)中选择基因表达谱GSE36830数据集,采用GEO2R筛选正常钩突和鼻息肉组织之间的差异表达基因(DEGs),对关键通路和差异表达基因进行数据库挖掘和分析,经筛选后的差异表达基因采用戴维在线工具对其进行基因本体富集分析(GO)、京都基因和基因组百科全书(KEGG)分析,然后将DEGs导入String数据库进行蛋白质互作网络分析,绘制差异表达基因互作网络图,将其数据导入Cytoscape软件中,筛选网络中心节点和关键基因,分析关键子网络。共筛选出699个DEGs,其中475个基因为上调表达基因,224个基因为下调表达基因。在GO分析中,针对生物过程,上调的DEGs包括:炎症反应、免疫反应、细胞趋化性、炎症反应的正向调节和细胞的粘附等;下调的DEGs主要参与:唾液分泌、生物矿物组织发展、细胞氨基酸生物合成过程、视网膜内稳态及离子跨膜转运等。在KEGG分析中,上调的DEGs主要在参与造血细胞系、细胞因子-细胞因子受体相互作用、破骨细胞分化、趋化因子信号通路、癌症中的转录失调、哮喘、金黄色葡萄球菌感染等信号通路中富集,而下调的DEGs在唾液腺分泌及胆汁分泌信号通路中富集。差异表达基因互作网络图筛选出前10个关键基因:ITGAM、IL10、CD86、TLR8、ITGAX、CCL2、CCR7、SRC、EGF及ITGB2。本研究得到了一组鼻息肉差异表达基因的生物信息学分析结果,但仍需进一步用基础试验来验证。本文分析的结论为慢性鼻-鼻窦炎、鼻息肉的研究提供了新的研究方向,也为鼻息肉发病机制研究的思路提供了一定的建设性作用。     

IgA 肾病患者与膜性肾病患者外周血单核细胞mRNA分析

为了寻找诊断、鉴别IgA肾病(IgAN)和膜性肾病(MN)的血液特异性标记物,利用公共数据库中的IgAN和MN患者的外周血单核细胞(PBMCs)的转录组表达谱数据集识别特异性生物标记物,为诊断和鉴别提供简便、可靠的依据补充。从公共基因表达数据库(GEO)下载IgAN患者组(n=15)和MN患者组(n=8)芯片数据集,筛选前250个差异表达基因(DEGs)。通过分析筛选关键基因和途径,进行基因本体(GO)富集分析、京都基因与基因组百科全书(KEGG)通路分析和蛋白质与蛋白质相互作用关系(PPI)分析等进一步了解DEGs。通过分析共发现75个显著DEGs,其中73个上调基因,2个下调基因。GO富集分析的生物学过程(BP)主要包括蛋白质转运、内溶酶体到溶酶体转运、趋化因子介导的信号通路作用等。显著富集差异表达基因KEGG通路分析包括Endocytosis和Hepatitis B的相关信号通路。PPI筛选出EPS15、STAT4、CCL2、SUN2、SEC24C、SEC31A、GOLGB1、F2R,RAB12和PTK2B等关键基因。成功筛选出核心差异表达基因,为IgAN和MN的诊断和鉴别提供简便、可靠的依据补充,甚至提供治疗的新靶点。     

基于GEO数据库对儿童哮喘急性发作靶基因的生物信息学分析

为了通过生物信息学技术筛选并分析关键基因以探究儿童哮喘急性发作的病理机制,从GEO数据库下载儿童哮喘急性发作相关基因芯片数据集(GSE103166),用R软件包工具筛选出哮喘急性发作患儿与健康儿童的差异表达基因(differentially expressed genes, DEGs),用DAVID (version 6.8)在线工具获取DEGs列表的GO和KEGG注释结果,同时通过STRING (version 11.0)获取其蛋白质互作数据,应用Cytoscape及其插件MCODE构建蛋白质互作网络、鉴定关键基因。结果显示,共筛选出78个DEGs,其中上调基因共49个,下调基因共29个。这些DEGs主要富集于核质转运调控、免疫系统过程调节等生物过程;核小体、DNA包装复合物等细胞组分; Rho GTP酶结合、离子型谷氨酸受体结合等分子功能。KEGG通路分析结果提示其主要富集在系统性红斑狼疮和哮喘信号通路。在这些DEGs中,筛选得到一个基因模块, GO分析显示该模块主要富集在γ干扰素介导的信号通路、通过MHCⅡ类分子进行抗原加工和外源性抗原肽的呈递、通过MHCⅡ类分子进行抗原加工和抗原肽的呈递等生物过程; MHCⅡ类蛋白复合物、内质网膜腔侧、内质网膜腔侧组成部分等细胞组分;MHCⅡ类受体活性、抗原肽结合、跨膜信号受体活性等分子功能。KEGG通路分析提示该模块主要富集在哮喘、移植物抗宿主病、同种异体排斥反应等通路。该基因模块涵盖5个关键基因,分别为HLA-DPB1、HLADQB1、HLA-DQB2、MT2A和KIF11。上述分析结果表明,文中筛选的DEGs和关键基因有助于加深对儿童哮喘急性发作病理机制的理解,其中HLA-DPB1、HLA-DQB1、HLA-DQB2等关键基因已得到相关研究的验证,未经证实的MT2A、KIF11关键基因,可能是儿童哮喘急性发作研究的新靶点。     

基于生物信息学分析的肝癌核心基因的筛选及验证

本研究基于GEO数据库,选取由慢性乙型肝炎诱导的肝细胞癌芯片数据GSE121248为研究对象,利用GEO2R软件分析数据,筛选出差异表达基因,利用DAVID数据库进行GO分析和KEGG pathway富集分析.利用STRING数据库构建PPI网络,分析筛选核心基因.利用GEPIA对核心基因的表达进行验证,Kaplan Meier Plotter在线分析工具对核心基因与患者生存情况的相关性进行验证.通过上述方法筛选出309个DEGs,其中上调基因94个,下调基因215个.差异基因功能分析显示上调的DEGs主要参与细胞周期和卵母细胞减数分裂通路等途径,下调的DEGs则在补体和凝血级联、代谢途径以及咖啡因代谢途径富集.筛选出15个具有高度关联性的核心基因(BUB1,BUB1B,BIRC5,CCNB1,CCNB2,CDC20,CDK1,KIF-20A,MAD2L1,NCAPG,ZWINT,PBK,BTL,TTK和NUSAP1),它们与肝癌患者的总体生存率具有明显相关性,并为其构建了miRNA调控网络.本研究通过生物信息学方法有效分析了肝细胞癌发生、发展相关的差异表达基因,筛选出15个核心基因,分析其生物学相关功能,以期探索肝细胞癌发病机制,并为临床诊断标志物的改进以及筛选提供一定的理论基础.     

GWGS芯片整合分析识别外周血细胞中与骨质疏松症相关的枢纽基因

为了对骨质疏松症基因芯片数据集进行整合分析并识别出外周血细胞中与骨质疏松症相关的枢纽基因,通过检索GEO和ArrayExpress数据库获得骨质疏松症相关的表达谱芯片数据集;运用GWGS (genome-wide global significance)方法对纳入的数据集进行整合分析,筛选出差异表达基因(differentially expressed genes, DEGs);然后,运用GO (gene ontology)富集分析和KEGG (kyoto encyclopedia of genes and genomes)通路富集分析对差异表达基因进行功能注释,并建立蛋白质相互作用(protein-protein interaction, PPI)网络,筛选出骨质疏松症相关的枢纽基因。公共数据库检索得到3个符合纳入排除标准的研究集, GWGS整合分析筛选出排序前200的DEGs,这些基因主要富集的GO条目为脂多糖的细胞反应、凋亡过程和炎症反应,与骨质疏松症相关的KEGG富集通路为破骨细胞分化等。PPI分析进一步检测到与骨质疏松症相关的10个枢纽基因,其中9个基因已有研究报道和骨质疏松症的发生发展相关,而ELANE基因还未有研究报道与骨质疏松症有关。ELANE基因同时在人的骨髓组织、小鼠骨髓和骨组织中高表达,这个基因很可能与骨质疏松症有潜在的联系。本研究的结果将有助于进一步理解骨质疏松症的分子致病机理。     

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...     

胰腺癌中CDK1的表达与预后的生物信息学分析

为探讨胰腺癌的发病机制并为胰腺癌的防治提供生物信息学依据,用GEO2R在线工具分析GSE16515中胰腺癌患者肿瘤组织和相应正常组织的差异表达基因(differentially expressed genes, DEGs),通过DAVID数据库对DEGs进行GO分析和KEGG通路富集分析,然后通过STRING数据库构建蛋白质相互作用(protein-protein interaction, PPI)网络,用Cytoscape软件进行关键基因(hub基因)筛选和功能模块分析,并在GEPIA数据库对hub基因进行验证,用CCLE数据库检测靶基因在胰腺癌组织及细胞系中的表达水平。分析结果显示胰腺癌中筛选出的376个DEGs主要涉及细胞周期、p53信号通路、蛋白质消化吸收、ECM-受体相互作用、PI3K-Akt信号通路、血小板激活信号通路。GEPIA数据库验证结果显示10个hub基因均在胰腺癌组织中高表达,其中8个hub基因与胰腺癌患者的不良预后有关。CCLE数据库检测结果显示周期蛋白依赖性激酶1 (cyclin-dependent kinase 1, CDK1)在胰腺癌组织和细胞中均有较高的表达水平。本研究结果表明CDK1可能与胰腺癌的发生发展最为相关,为进一步探究胰腺癌的发病机制提供了生物信息学依据。     

小儿脓毒症休克相关基因的筛选及网络构建

为探究脓毒症休克与SIRS的差异表达基因及网络的构建,筛选潜在的核心基因,从GEO数据库下载相关基因表达谱GSE26378,数据分为脓毒症休克与SIRS各29个样本,通过在线软件GCBI对其进行标准化及差异基因筛选;对差异基因进行GO分析;基于KEGG进行功能通路分析以及基因信号网络分析;差异基因共表达网络分析。结果表明:两组中总共有1 456个基因被识别为差异基因(P0.05),与SIRS组相比,脓毒症休克组中有条859条下调基因,597条上调基因。GO功能富集分析显示差异基因主要参与了细胞周期、细胞免疫、细胞代谢。KEGG功能通路分析显示差异基因主要参与了MAPK信号通路、P53信号通路、wnt信号通路、细胞凋亡信号通路,细胞周期受体信号通路等。共表达分析发现基因CCNB1、NUSAP1、OIP5、SHCBP1、ZWINT、TOP2A、DLGAP5等位于网络中央部位,而基因信号网络分析发现基因PLCB1、PIK3CA、STAT3、CAMK2D、PRKCB、CREB1位于网络核心。基因芯片分析有助于发现脓毒症休克与SIRS患儿外周血单核细胞在转录组学上的改变,而生物信息学网络分析有助于发现潜在的靶点。     

家兔前体脂肪细胞分化不同时期基因表达谱分析

脂肪的过度积累严重危害人类健康。前体脂肪细胞分化是脂肪发育的关键过程,研究前体脂肪细胞分化相关基因的表达有助于认识脂肪沉积的机理。尽管家兔是一种理想的研究脂肪发育的动物模型,但是针对其前体脂肪细胞分化不同时期基因表达谱的研究鲜见报道。本研究通过诱导家兔前体脂肪细胞分化,在分化第0 d、3 d和9 d收集脂肪细胞,利用转录组测序(RNA-seq),在分化第3 d样本与第0 d样本的比较中筛选出1352个差异表达基因(differentially expressed genes, DEGs),在分化第9 d样本与第3 d样本的比较中筛选出888个DEGs。GO (gene ontology)功能富集和KEGG (kyoto encyclopedia of genes and genomes)通路分析发现,0~3 d分化期上调的DEGs显著富集在PPAR信号通路和PI3K-Akt信号通路上,3~9d分化期上调的DEGs显著富集到与细胞周期调控有关的GO条目和KEGG信号通路,0~3d和3~9d阶段特异上调的DEGs可能分别作用于细胞质和细胞核。通过DEGs的蛋白-蛋白互作(protein-protein interaction, PPI)网络分析发现,筛选出的核心节点(hub node)基因可能通过调控细胞周期而影响家兔前体脂肪细胞分化。     

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。...     

肾透明细胞癌预后相关miRNAs的生物信息学分析

目的寻找可作为肾透明细胞癌（ccRCC）生物标志物的miRNA,以及ccRCC与正常组织间miRNA差异表达情况。 方法利用TCGA数据库下载ccRCC中miRNA表达数据,分析肿瘤与正常组织间差异表达miRNA。使用Kaplan-Meier曲线对患者进行生存分析,筛选出表达情况与临床预后相关的miRNA。通过生物信息学对miRNA的靶基因进行预测,然后运用FunRich软件和ClueGO对靶基因进行GO和KEGG富集分析。 结果通过TCGA数据库分析发现,ccRCC较正常组织差异表达miRNA共54个,其中上调33个,下调21个。通过生存分析发现hsa-miR-21和hsa-miR-155与患者预后相关,P≤0.05。进一步通过Perl软件在Targetscan、miRDB、miRTarBase、miRPath这四个数据库中预测miRNA靶基因并将结果取交集,共发现129个靶基因。GO和KEGG分析结果表明,这些靶基因主要与转录因子活性、信号转导以及FoxO、TNF等信号通路密切相关。 结论通过生物信息学分析发现了ccRCC与正常组织的差异表达miRNA;其中hsa-miR-21和hsa-miR-155与患者总体生存率相关,并通过调控靶基因参与相关的信号通路进而影响ccRCC的发生发展进程,提示hsa-miR-21和hsa-miR-155可能是ccRCC潜在的生物标志物。     

Affymetrix基因表达谱芯片在新疆维吾尔族与汉族胰腺癌组织样本间差异表达基因筛选中的运用

目的:运用基因表达谱芯片筛选并分析新疆维吾尔族与汉族胰腺癌组织样本间的差异表达基因。方法:收集我院2014年1月至2016年6月间行手术切除的维吾尔族与汉族胰腺导管细胞癌组织并提取总RNA,选取经Nanodrop 2000与Agilent 2100仪器质检合格的样本总RNA采用Affymetrix基因表达谱芯片筛选出差异表达基因并绘制统计图,运用基因本体(GO)分析及信号通路(Pathway)分析对这些差异表达基因的生物信息进行汇总分析。结果:通过基因表达谱芯片分析,新疆维吾尔族与汉族胰腺癌组织样本间共检测到1063个基因存在差异表达,在维吾尔族胰腺癌标本中显著上调表达的基因共281个,差异表达倍数最高的为IGLV1-44基因(差异倍数:9.99)下调表达的基因共782个,差异表达倍数最高的为CPB1基因(差异倍数:33.76);在Gene Ontology数据库中共检索到815个上述差异表达基因具有明确的GO分类,差异表达倍数最高的为CPB1基因(差异倍数:33.76);Pathway分析中共检测到30条信号通路包含有上述差异表达基因,共涉及196个基因,其中以FAK信号通路差异表达基因富集程度最高,差异表达倍数最高的基因为COL11A1基因(差异倍数:5.02)。结论:基因表达谱芯片分析结果显示,在新疆维吾尔族与汉族胰腺癌组织样本间存在大量的差异表达基因,这些基因与胰腺癌的增殖分化、侵袭转移及多药耐药等特性密切相关,且参与了多条生物体内重要信号转导通路的调控。     

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。     

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。     

RNA-seq用于获得共轭亚油酸对贵妃鸡肌内脂肪代谢调控的关键基因

通过转录物组测序获得在贵妃鸡基础日粮中添加共轭亚油酸(CLA)对肌内脂肪代谢的差异表达基因,经生物信息学分析获得相关的信号通路及可能发挥重要作用的候选基因,为CLA对肌内脂肪沉积的分子机制奠定基础。本研究选用55日龄健康的贵妃鸡为试验动物,在基础日粮中添加CLA 0%、1%和2%,预饲期1周,正饲期6周。屠宰采集胸肌组织进行转录物组测序,对测序数据进行差异表达分析,差异表达基因GO功能和差异表达基因KEGG通路富集分析,筛选出与胸肌脂类代谢相关的差异表达基因,利用qRT-PCR对差异表达基因进行验证。结果显示,共获得1 065个差异表达基因,其中上调基因703个,下调基因362个。GO富集结果显示,差异表达基因主要富集在生物过程的细胞过程、单一生物过程、生物调节和代谢过程。KEGG信号通路富集显示,差异表达基因显著富集在黏着斑、不饱和脂肪酸生物合成、脂肪酸生物合成和类固醇生物合成等信号通路中,发现11个主要与肌内脂肪代谢相关的候选基因,分别是FADS1、FADS2、ELOVL5、ACOX2、SLC27A1、FABP5、LPL、LOC107050163、ENSGALG00000030996、ENSGALG00000005043和ENSGALG00000048882。并随机选取6个基因进行qRT-PCR验证,其相对表达量变化趋势与测序结果一致。本研究筛选到CLA影响贵妃鸡胸肌脂类代谢相关的差异表达基因,并对11个主要参与脂肪代谢相关的基因进行分析,为揭示CLA调控肌内脂肪沉积的分子机制奠定基础。     

基因芯片筛选新疆维吾尔妇女宫颈癌差异表达基因

新疆南部维吾尔族聚居区是宫颈癌高发区. 本文旨在利用基因芯片技术筛选与维吾尔族妇女宫颈癌发生相关的基因. 首先,分别提取5例新疆维吾尔妇女宫颈癌和5例子宫肌瘤组织(对照)的mRNA,逆转录成cDNA,并用Cy3-dUTP标记子宫肌瘤组织的cDNA,用Cy5 dUTP标记宫颈癌组织的cDNA,制成芯片杂交探针.为筛选出宫颈癌组织中差异表达的基因,上述标记探针分别与含有20 000条人类基因的Affymetrix基因芯片进行杂交,杂交信号用GeneChip Scanner 3000扫描仪扫描,并用芯片图像分析软件(SAM software)分析扫描结果.筛选出的差异表达基因经GO(Gene Ontology)分析和KEGG（Kyoto Encyclopedia of Genes and Genomes）信号通路分析,确定其在宫颈癌中的作用.基因芯片筛选结果显示,在宫颈癌组织中发现2 758个差异表达基因,其中1 326个上调基因,1 432个下调基因.GO分析和KEGG信号通路分析表明,表达差异在两倍以上的基因涉及168个信号通路,包括细胞粘附分子、细胞周期以及MAPK和mTOR信号通路等.上述结果表明,基因芯片技术筛选出大量与宫颈癌发生相关的基因,其中表达差异显著的基因涉及细胞粘附分子、细胞周期和mTOR等信号通路.     

单细胞测序分析人类胚胎干细胞神经分化的分子机制

目的探讨人类胚胎干细胞 (ESCs)分化为神经细胞的关键性靶基因及分子机制,为临床靶向治疗神经康复患者提供分子理论依据。方法基于GEO数据平台芯片,采用单细胞测序方法 (scRNA-seq),利用R语言从多分子维度(单细胞差异基因、蛋白互作网络和基因通路等)分析人类ESCs分化过程中的关键Marker基因并利用质控和数据过滤、PCA、TSNE分析、细胞轨迹分析、GO富集分析、KEGG富集分析、KEGG通路分析等论证Marker基因调控人类ESCs分化作用机制。结果 GO功能富集分析结果为:Marker基因在胚层分化、细胞外基质和信号转导中作用显著;Marker基因互作网络及KEGG通路显示了特征性纤维连接蛋白1(FN1)、同源域蛋白 (NANOG)、生长因子受体结合蛋白2 (GRB2)为关键基因;KEGG通路分析显示:(1)FN1在调控细胞外基质通路中作用显著;(2)NANOG、GRB2在调控干细胞多能性信号通路作用显著。结论 FN1可能通过调控细胞外基质通路介导人类ESCs基质环境的变化;NANOG、GRB2上调在干细胞多能性信号通路中高表达介导人类ESCs定向分化为神经组织。     

西伯利亚蝗卵发育过程的比较转录组分析及滞育关联基因筛选

【目的】通过筛选西伯利亚蝗Gomphocerus sibiricus卵滞育基因及代谢通路,初步明确西伯利亚蝗卵滞育分子机理。【方法】利用Illumina NovaSeq 6000测序平台对西伯利亚蝗早期发育(ES)、滞育(DS)和滞育后发育阶段(PS)的卵进行转录组测序;采用GO和KEGG富集分析并结合文献,预测滞育相关通路并聚类热图分析,筛选蝗卵滞育关联基因,并选取其中6个重要基因进行qRT-PCR验证。【结果】DSvs ES和PS vs DS两比较组分别富集到12 419和4 789个差异表达基因,且多上调表达;两比较组共表达差异基因为2 206个,主要与糖代谢、环境胁迫和生长发育相关。DS vs ES组富集最显著的GO条目为蛋白结合,PS vs DS组GO条目主要包含酶活性、细胞骨架构建及蛋白结合等过程。滞育关联基因主要集中在Wnt信号通路、胰岛素信号通路、细胞周期通路以及昆虫激素生物合成等通路。6个重要的滞育关联基因的表达量变化趋势与转录组数据结果基本一致。【结论】本研究初步明确了西伯利亚蝗卵滞育调控的重要代谢途径,并筛选出20个滞育关联基因,为后续深入研究该物种的适应机理奠定了基础。