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CFS-mRMR特征筛选方法和Adaboost算法的胶质瘤 相关基因筛选及预测模型的建立

目的:找出胶质瘤病变发生机制相关的基因群,并在此基础上建立预测胶质瘤病变发生的预测模型。方法:收集GEO中胶质瘤芯片数据,使用关联特征选择(Correlation-based Feature Subset, CFS)和最小冗余最大相关性(Minimum Redundancy MaximumRelevance, mRMR)特征选择方法筛选出差异基因,分析这些差异基因的功能,然后使用Adaboost算法建立胶质瘤的预测模型,并对模型的预测能力进行评估。结果:通过特征筛选,得到了19个和胶质瘤病变相关的的基因;以该19个基因建组成特征子集,结合AdaBoost算法建立了胶质瘤的预测模型,经验证,模型的预报准确率可以达到95.59%。通过对19个差异基因的GO和KEGG分析,发现这些基因和肿瘤的发生发展有一定作用。结论:CFS-mRMR特征筛选方法可以有效地发现与胶质瘤疾病有关的基因,所筛选的19个差异基因具有生物学意义,且以此构建的胶质瘤预测模型,可以有效地对预测胶质瘤的发生。     

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...     

基于ceRNA网络识别登革热诊断标志物

通过比较登革热患者和健康人群转录组数据,识别差异基因,构建失调ceRNA网络,筛选关键基因富集分析,解析潜在生物学功能,助力登革热诊断标志物的研究。从GEO数据库下载登革热外周血芯片数据,识别差异基因并进行富集分析。结合miRNA-mRNA互作数据,利用超几何算法和皮尔森相关性计算方法识别登革热失调ceRNA互作对,使用Cytoscape软件可视化ceRNA网络与模块挖掘,对网络模块进行功能富集及外部数据验证表达模式。筛选出251个差异基因,发现其富集在细胞周期等生物学通路中。经外部数据验证,网络模块基因的表达趋势与训练集数据大致相同,表明模块基因在登革热疾病中的潜在诊断效能。本研究可为确定有效的疾病诊断分子标志物提供思路。     

龋病感染牙髓相关基因的筛选与生物信息学分析

目的:综合应用生物信息学技术,从分子水平对龋坏牙髓与正常牙髓的差异基因进行筛选分析,初步探讨其作用机制。方法:从GEO基因表达数据库中下载龋坏牙髓相关芯片数据集,采用MORPHEUS在线筛选差异表达基因,结合DAIVID、STRING等在线分析工具对差异表达基因进行GO功能富集分析及KEGG通路分析,后用Cytoscape软件构建蛋白质相互作用网络。结果:共筛选出375个差异表达基因,其中表达上调253个、下调122个,主要涉及免疫应答、炎症反应、细胞因子应答和生物矿化组织发育等生物过程,以及抗原加工提呈和NF-κB信号等生物通路。通过蛋白质互作网络构建分析发现,MMP9、IL-8、PTPRC、CXCR4等10个基因处于核心节点位置。结论:借助生物信息学方法能得到可靠的相关差异基因信息,能够有效指导进一步的研究。得到的差异基因可以作为龋病诊断的指示因子和机制研究的候选基因。     

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。     

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...     

CLP脓毒血症模型肝组织损伤芯片中差异基因及潜在通路分析

本文主要对大鼠、小鼠盲肠结扎穿刺术(CLP)脓毒血症模型进行分析,从模式动物角度发现潜在的脓毒血症相关基因,为脓毒血症诊疗提供理论依据。从NCBI-Gene Expression Omnibus数据库下载原始微阵列数据集,然后纳入盲肠结扎穿刺术脓毒血症及假手术组模型数据。运用生物信息学方法将数据标准化处理后,筛选差异基因进行富集分析和通路分析,并构建蛋白质相互作用关系网络,筛选出具有重要生理调节功能的核心蛋白质和关键候选基因。通过大鼠盲肠穿刺脓毒血症诱导后肝组织的差异基因表达芯片筛选,共获得350个能上调1. 5倍及以上的差异基因,1 337个能下调2倍及以上的差异基因;通过小鼠盲肠穿刺脓毒血症诱导后肝组织的差异基因表达芯片筛选,获得3 532个上调1. 5倍及以上的差异基因,4 020个下调1. 5倍及以上的差异基因;对上述芯片结果的差异基因取交集,得到29个共同上调表达1. 5倍以上的差异基因和84个共同下调表达1. 5倍以上的差异基因。利用String数据库对上述基因进行蛋白质-蛋白质的相互作用(PPI)网络分析,并利用David数据库从生物过程(BP)、分子功能(MF)、细胞组分(CC)和KEGG (Kyoto encyclopedia of genes and genomes)通路4个角度进行基因功能分析,发现共有10条通路与脓毒血症肝组织关系密切,其中最主要的通路为丝裂原活化蛋白激酶(MAPK)通路,其次,缺氧诱导因子1(HIF-1)、叉形头转录因子的O亚型(FoxO)、乙型肝炎、血小板激活及胆汁分泌等通路调控也与脓毒血症相关。本研究为进一步探讨脓毒血症相关病理生理机制及诊疗方法提供了理论基础。     

单核细胞与未成熟树突状细胞粘附相关差异表达基因筛选及相互作用分析

本研究目的是分析单核细胞(monocytes,mon)与未成熟树突状细胞(immature DCs,im DCs)两个不同发育阶段间差异表达基因的功能及其编码蛋白的相互作用,筛选出粘附相关的关键基因,并进行生物信息学分析。我们从NCBI(美国国立生物技术信息中心)公共数据平台GEO(Gene Expression Omnibus)下载基因芯片数据GSE15076,使用perl语言将探针id转换成gene symbol。利用R Bioconducto软件(RGui 3.3.1)解析原始数据并筛选差异基因。进一步利用STRING online工具筛选核心差异基因(可信度≥0.4),Cytoscape软件构造蛋白质相互作用网络图。对STRING online工具筛选核心差异基因进行京都基因与基因组百科全书(kyotoencyclopedia of genes and genomes,KEGG)分析。im DCs相对于mon表达的差异基因,过滤条件为Log FC2和adj.p.val0.01。通过分析,我们共找到1 223个差异基因,其中567个上调基因,656个下调基因,通过进一步筛选,在网络中的上调基因有399个,下调基因458个,主要涉及m TOR信号通路、细胞代谢、细胞粘附等功能。其中上调基因中CDH1,CD274等差异基因与细胞粘附密切相关,而下调基因中SELL、IL-6、TNF等差异基因与细胞粘附改变密切相关。因此,在单核细胞发育分化到未成熟树突细胞阶段,粘附相关基因的表达变化,对进一步深入理解im DCs独特的生物物理学特性和免疫学功能来说具有重要意义。为进一步研究DCs细胞粘附功能的分子机制提供指导。     

宫颈癌差异表达基因筛选及功能分析

目的:筛选参与宫颈癌发生、发展的关键基因,为临床诊疗提供新的靶点。方法:在NCBI-GEO数据库中筛选多组宫颈癌基因表达检测数据集,利用GEO2R分析工具筛选各组数据集的差异表达基因;应用R分析筛选不同数据集之间共有的差异表达基因;利用DAVID在线分析对差异表达基因进行功能聚类和通路分析;利用STRING分析差异表达基因编码蛋白之间的相互作用关系。结果:共选择6组表达数据集,筛选得到59个差异表达基因(宫颈癌组织vs正常组织),表达差异至少达2倍,其中包含50个表达上调基因及9个表达下调基因。这些差异表达基因参与细胞周期、DNA复制、细胞分裂等生物进程。蛋白互作分析表明,这些差异表达基因多数存在相互作用。结论:利用生物信息学方法对不同来源的基因检测数据进行整合分析,有助于更准确的筛选对宫颈癌发生、发展过程具有重要作用的关键基因,本文筛选的宫颈癌差异基因为进一步研究宫颈癌发生、发展的分子机制及临床诊疗提供思路。     

高血压性心脏病生物标志物的筛选：基于中国重庆市7家医疗机构的数据分析研究*

目的: 筛选高血压性心脏病（HHD）的影响因素,建立HHD的预测模型,为HHD的发生提供预警。方法: 选取中国重庆市某医科院校数据研究院平台2016年1月1日至2019年12月31日主要诊断为高血压性心脏病和高血压患者。通过单因素分析、多因素分析筛选HHD的影响因素,采用R语言分别构建Logistics模型、随机森林（RF）模型和极限梯度上升（XGBoost）模型。结果: 单因素分析筛选出60项差异指标,多因素分析筛选出18项差异指标（P<0.05）。Logistics模型、RF模型、XGBoost模型曲线下面积（AUC）分别为0.979、0.983和0.990。结论: 本文建立的3种HHD预测模型结果稳定,其中XGBoost模型对于HHD的发生具有良好的诊断效应。     

Establishment of apoptotic regulatory network for genetic markers of colorectal cancer and optimal selection of traditional Chinese medicine target

The paper aimed to screen out genetic markers applicable to early diagnosis for colorectal cancer and establish apoptotic regulatory network model for colorectal cancer, and to analyze the current situation of traditional Chinese medicine (TCM) target, thereby providing theoretical evidence for early diagnosis and targeted therapy of colorectal cancer. Taking databases including CNKI, VIP, Wanfang data, Pub Med, and MEDLINE as main sources of literature retrieval, literatures associated with genetic markers that are applied to early diagnosis of colorectal cancer were searched and performed comprehensive and quantitative analysis by Meta analysis, hence screening genetic markers used in early diagnosis of colorectal cancer. KEGG analysis was employed to establish apoptotic regulatory network model based on screened genetic markers, and optimization was conducted on TCM targets. Through Meta analysis, seven genetic markers were screened out, including WWOX, K-ras, COX-2, P53, APC, DCC and PTEN, among which DCC has the highest diagnostic efficiency. Apoptotic regulatory network was built by KEGG analysis. Currently, it was reported that TCM has regulatory function on gene locus in apoptotic regulatory network. The apoptotic regulatory model of colorectal cancer established in this study provides theoretical evidence for early diagnosis and TCM targeted therapy of colorectal cancer in clinic.     

早期胃癌患者外周血清差异蛋白表达谱的建立及其生物学分析

目的:分析早期胃癌患者外周血中低丰度蛋白的表达差异,以筛选诊断早期胃癌血清多肽或蛋白标志物。方法:应用高通量的AAH-BLG-1000蛋白芯片分别检测3例早期胃癌患者和3例正常对照成人的外周血清,建立早期胃癌患者外周血清差异蛋白表达谱,分析其相关生物学信息,以筛选早期胃癌的血清肿瘤标志物。结果:与正常对照组比较,早期胃癌患者外周血清中有10种蛋白表达显著上调(P0.05),52种蛋白表达显著下调(P0.05)。生物信息学分析发现差异蛋白质集中于血管生成、信号调控,免疫调节、酶联受体蛋白信号,细胞凋亡等生物进程,而差异蛋白中的VEGI、CD40L、SMAD7、PLUNC、NTN、LTβR和HEVM7个差异蛋白的特征性改变有望成为早期胃癌血清学的肿瘤标志物。结论:应用蛋白芯片技术所得的早期胃癌患者血清中的差异表达蛋白有望成为诊断早期胃癌的血清肿瘤标志物。     

Comprehensive analysis of microRNA-messenger RNA regulatory network in gemcitabine-resistant bladder cancer cells

Chemotherapy is still a standard treatment of unresectable bladder cancer or distant metastases. The chemotherapy resistance always occurs after a period of treatment indicating poor prognosis. The current study aimed to explore the molecular mechanism of chemoresistance in bladder cancer cells. The gene expression profiles of GSE77883, including three untreated T24 cells samples and three gemcitabine-resistant T24 cells samples, was downloaded from Gene Expression Omnibus database. The screening of differentially expressed genes (DEGs), gene function analysis, and interaction prediction between microRNAs (miRNAs) and DEGs were performed by R software. The protein-protein interaction (PPI) and miRNA-DEGs networks were constructed and visualized by Cytoscape software. Then, the small molecules, with potential synergistic or antagonistic effects to gemcitabine resistance, were identified using the Connectivity Map database. Finally, gemcitabine-resistant T24 cell line was established and key genes were validated by quantitative real-time polymerase chain reaction (qRT-PCR). In total, 536 upregulated and 513 downregulated genes were screened and mainly enriched in oxidative stress response and signaling pathways related to extracellular matrix–receptor interaction and focal adhesion. PPI network showed interleukin 6, tumor necrosis factor, kinesin family member 11, and BUB1 mitotic checkpoint serine/threonine kinase B were key genes. The miRNA-DEGs regulatory networks included 18 miRNAs and 185 DEGs, including miR-182-5p, miR-590-3p, miR-320a and serum- and glucocorticoid-regulated kinase 1 (SGK1). Then, the related key genes and miRNAs were confirmed by qRT-PCR. Furthermore, 81 small molecules with antagonistic or synergistic effect to GEM were screened. We have investigated the molecular mechanisms driving GEM-resistance in bladder cancer cells that would contribute to the development of chemotherapy for advanced bladder cancer.     

Glioma stages prediction based on machine learning algorithm combined with protein-protein interaction networks

BackgroundGlioma is the most lethal nervous system cancer. Recent studies have made great efforts to study the occurrence and development of glioma, but the molecular mechanisms are still unclear. This study was designed to reveal the molecular mechanisms of glioma based on protein-protein interaction network combined with machine learning methods. Key differentially expressed genes (DEGs) were screened and selected by using the protein-protein interaction (PPI) networks.ResultsAs a result, 19 genes between grade I and grade II, 21 genes between grade II and grade III, and 20 genes between grade III and grade IV. Then, five machine learning methods were employed to predict the gliomas stages based on the selected key genes. After comparison, Complement Naive Bayes classifier was employed to build the prediction model for grade II-III with accuracy 72.8%. And Random forest was employed to build the prediction model for grade I-II and grade III-VI with accuracy 97.1% and 83.2%, respectively. Finally, the selected genes were analyzed by PPI networks, Gene Ontology (GO) terms and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathways, and the results improve our understanding of the biological functions of select DEGs involved in glioma growth. We expect that the key genes expressed have a guiding significance for the occurrence of gliomas or, at the very least, that they are useful for tumor researchers.ConclusionMachine learning combined with PPI networks, GO and KEGG analyses of selected DEGs improve our understanding of the biological functions involved in glioma growth.     

COPD 差异表达基因的生物信息学分析及在LUSC样本中的表达

为确定慢性阻塞性肺病(COPD)的分子标记物及COPD与肺鳞状细胞癌(LUSC)共存的差异表达基因,探寻COPD合并肺癌的预测因子,发现新的治疗靶点。本研究采用生物信息学方法,从GEO数据库中筛选3套基因芯片数据集,挖掘COPD患者小气道上皮细胞(SAEC)的差异表达基因(DEG)以及潜在的生物标记物,并通过基因本体(GO)、京都基因与基因组百科全书(KEGG)富集分析预测DEGs的功能及参与的代谢途径。继而对DEGs构建PPI网络,使用Cytoscape软件筛选子模块和Hub基因,并将Hub基因通过TCGA数据库分析其在LUSC中的差异表达情况及差异基因间的相关性。结果共获得52个上调基因和24个下调基因,代谢通路主要集中在细胞色素P450对外源物质的代谢、化学致癌、花生四烯酸代谢及甲状腺激素合成四条途径上,通过Cytoscape软件从PPI网络中筛选得到2个功能模块和10个Hub基因,进一步验证发现其中5个基因在TCGA数据库中的LUSC样本中同样差异表达。由此推测SPP1、ALDH3A1、SPRR3、KRT6A和SPRR1B 可能为COPD 分子标记物及COPD与LUSC共存的DEGs,从而为研究COPD和LUSC的发病机制及二者潜在关系奠定良好的基础。