基于癌症基因组图谱计划多组学数据构建胶质母细胞瘤六基因预后模型

胶质母细胞瘤(glioblastoma, GBM)是最常见的原发性颅内肿瘤,恶性程度极高,患者预后极差。为了识别GBM预后生物标记物,建立预后模型,本研究通过分析癌症基因组图谱计划(The Cancer Genome Atlas, TCGA)数据库中GBM的表达谱数据,筛选出不同生存期GBM患者差异基因。利用GISTIC软件和Kaplan-Meier (KM)生存分析方法分析TCGA数据库中的GBM拷贝数变异数据,识别影响生存的扩增基因(survival-associated amplifiedgene,SAG)。取短生存期组上调基因和SAG两者的交集基因,进行单因素Cox回归和迭代Lasso回归筛选重要候选基因并建立预后模型;计算预后评分,根据预后评分中位数将患者分为高风险组和低风险组。用ROC曲线判断模型的优良,KM生存分析高低风险组预后差异,并用GEO、CGGA和Rembrandt数据库3个外部数据集进行验证。多因素Cox回归分析判断预后评分的预后独立性。结果显示,GBM不同生存期差异分析得到上调基因426个,下调基因65个。短生存期组上调基因与SAG交集得到47个基因。经过筛选,最终确定六基因(EN2、PPBP、LRRC61、SEL1L3、CPA4、DDIT4L)预后模型。TCGA实验组和3个外部验证组模型的ROC曲线下面积均大于0.6,甚至达到0.912。KM分析显示高低风险组的预后都存在差异(P0.05)。在多因素Cox回归分析中,六基因预后评分是GBM患者预后的独立影响因素(P0.05)。通过一系列分析,本研究确立了六基因(EN2、PPBP、LRRC61、SEL1L3、CPA4、DDIT4L)的GBM预后模型,模型具有很好的预测能力,可作为预测GBM患者的独立预后标志物。     

结合自噬相关基因表达谱和临床因素的肺腺癌预后预测模型

对肺腺癌自噬相关基因进行生物信息学分析,结合多基因预后标志和临床参数构建能够预测肺腺癌患者预后的模型。首先,对TCGA肺腺癌数据中的938个自噬相关基因进行差异分析,获得了82个差异自噬相关基因,使用单因素Cox比例风险回归模型从差异自噬相关基因中筛选出候选基因,通过 lasso回归进一步筛选出预后相关基因,分别是ARNTL2、NAPSA、ATG9B、CAPN12、MAP1LC3C和KRT81。通过多因素Cox回归分析以构建风险评分模型,根据最优cutoff值将患者分为高低风险组,生存曲线显示高低风险组之间生存差异显著,ROC曲线显示风险评分的预测能力良好,并在内、外验证集中得到验证。同时对传统的临床因素进行单因素和多因素Cox回归分析,结果显示Stage、复发和风险评分能够独立预测预后,结合这三个独立的预后参数以构建列线图模型,使用一致性指数、校准曲线评估列线图的预测能力,结果显示预测结果与实际结果之间具有良好的一致性。通过与Stage和风险评分的比较发现,列线图的预测能力表现最佳。基于肺腺癌相关的自噬基因和临床参数构建了一个列线图模型来预测肺腺癌患者的预后生存,这可能为临床医生提供了一种可靠的预后评估工具。     

丝氨酸蛋白酶抑制剂(SERPIN)家族相关基因在结肠腺癌中预后模型的建立及应用

应用生物信息学方法,构建结肠腺癌(COAD)丝氨酸蛋白酶抑制剂(SERPIN)家族相关基因预后模型。从TCGA数据库和GEO数据库下载结肠腺癌(COAD)转录组和临床数据,根据数据中SERPINs家族基因的表达量对COAD患者进行一致性聚类分析；将数据随机均分为训练集(Train)组和验证集(Test)组,基于两个亚型的差异基因,利用Train组进行COX回归和Lasso回归构建预后模型,根据模型风险评分中位值将样本分为高、低风险两组,绘制高低风险组患者生存曲线；通过ROC曲线评价模型预测能力；利用Test组数据验证模型；构建列线图,评估患者生存率模型预测值与实际值的一致性；并利用利用ESTIMATE算法和CIBERSORT算法评估风险评分和肿瘤微环境(TME)以及免疫浸润的相关性。通过34个SERPIN基因确定了两个亚型,基于2个亚型筛选出了436个预后相关分型差异基因,通过Lasso回归确定出了11个预后相关基因参与风险模型的构建,根据模型评分区分的高低风险组具有明显的生存差异,列线图可以准确预测1、3和5年生存率。肿瘤微环境分析和免疫浸润分析显示高风险评分组患者免疫活性差。SERPIN家族相关基因构建的风险评分模型能够预测COAD的预后,有利于进一步指导临床对COAD的诊治,提高患者生存率。     

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。     

一种新的泛素化-铁死亡相关基因特征用于肝细胞癌患者预后分析

本研究通过筛选泛素化-铁死亡相关基因构建肝细胞癌(hepatocellular carcinoma, HCC)预后模型,并探究泛素化-铁死亡相关基因对HCC预后的影响。使用R包DESeq2对TCGA-LIHC数据集进行差异分析,获取HCC差异表达基因(HCC＿DEGs)。将HCC＿DEGs、泛素化相关基因(ubiquitination related genes, URGs)和铁死亡差异表达基因(ferroptosis＿differentially expressed genes, FERR＿EDGs)取交集获得泛素化和铁死亡相关基因(UBFE＿EDGs),将UBFE＿EDGs依次进行LASSO回归分析、单因素Cox回归分析和多因素Cox回归分析以筛选出最佳独立预后基因用于构建HCC预后模型(ubiquitination and ferroptosis-related prognostic model, UBFE)。由生存曲线、 ROC曲线和校正曲线评估UBFE的预测准确性。单因素Cox回归分析、多因素Cox回归分析评估UBFE风险评分是否为HCC的预后独立危险因素,并构建列线图模型。...     

基于公共基因表达数据库和临床样本队列构建白内障预测模型

基于基因表达数据库(Gene Expression Omnibus, GEO)筛选差异基因,建立白内障预测模型并对其进行评价。首先,采用生物信息学方法从GEO中筛选出与白内障相关的芯片数据,并采用GEO2R软件和NetworkAnalyst工具分析得到最显著的差异表达基因。然后,依托我院健康管理中心白内障筛查队列,采用Cox比例风险回归构建白内障发病风险预测模型,绘制列线图,通过C指数、校准曲线、受试者操作特征(receiver operating characteristic, ROC)曲线、决策曲线分析(decision curve analysis, DCA)评价模型的区分度、校准度、预测能力和获益情况。结果显示,在GSE5645、GSE193629和GSE161701数据集中,鱼精蛋白1 (protamine 1, PRM1)为高表达基因,五羟色胺2C受体(serotonin 2C receptor, HTR2C)为低表达基因;白内障组和非白内障组在年龄、体重、收缩压、对比敏感度(contrast sensitivity, CS)、客观散射指数(objective scatte...     

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。     

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。     

RNA结合蛋白对肝癌预后和免疫浸润的评估价值

[目的]探索RNA结合蛋白(RBP)在肝癌预后以及免疫浸润中的评估价值。[方法]下载TCGA数据库中肝癌(LIHC)数据，筛选出差异表达的RBP基因。利用LASSO和多因素COX构建风险模型，Kaplan-Meier方法比较高低风险组患者的预后。对高低风险组患者的差异基因进行功能富集分析。利用GSVA分析高低风险组免疫浸润，并比较两组患者药物敏感性和免疫治疗反应性。[结果]总共得到330个差异基因，LASSO-COX回归模型最终纳入6个基因(UPF3B、MRPL54、ZC3H13、DHX58、PPARGC1A、EIF2AK4)。高风险组患者总体生存率劣于低风险组患者(P<0.05)。风险模型预测患者总体生存率的AUROC在TCGA和ICGC中分别为0.756和0.781。免疫浸润分析提示高风险组调节T细胞富集量高于低风险组，而NK细胞则较低。两组患者对索拉非尼、多西他赛、顺铂敏感性有明显差异(P<0.05),且低风险组对免疫治疗更敏感。[结论] RBP风险模型可有效评估肝癌患者的预后、免疫浸润状态、化疗药物及免疫治疗的敏感性，可能为肝癌患者的风险分级和免疫治疗带来新的思路。     

基于m5C相关基因构建三阴性乳腺癌预后预测模型及药物敏感性分析

为了探讨5-甲基胞嘧啶(5-methylcytosine,m5C)相关基因在三阴性乳腺癌(triple negative breast cancer,TNBC)患者治疗及预后中的潜在价值,构建了基于m5C相关基因的预后预测模型,用于评估TNBC患者的预后和生存状况。从基因表达总库(gene expression omnibus,GEO)数据库和癌症基因组图谱(the cancer genome atlas,TCGA)数据库中下载TNBC基因表达谱和相应的临床数据。通过Pearson分析确定了99个m5C相关基因,进一步采用单因素Cox分析鉴定出5个与预后有关的m5C相关基因(SLC6A14、BCL11A、UGT8、LMO4、PSAT1)并构建了风险评分(risk score)预测模型,根据风险评分中位值将患者划分为高风险组和低风险组。使用Kaplan-Meier(K-M)生存分析、受试者工作特征(receiver operating characteristic,ROC)曲线、多变量Cox回归分析、构建列线图和校准曲线评估了模型的预测效能。训练集和验证集的K-M生存曲线、受试者工作特征...     

生物信息学方法筛选胶质母细胞瘤的核心基因

多形性胶质母细胞瘤(GBM)是成人最常见的恶性神经上皮肿瘤,关于其诊断和治疗的靶点研究一直是困扰研究者的难题。采用生物信息学的方法对GBM的基因表达信息进行分析,从TCGA中共获取169例GBM样本,正常脑组织样本5例,共17 847个基因。筛选出差异基因3 184个,利用Gene Ontology (GO)富集分析和Kyoto Encyclopedia of Genes and Genomes (KEGG)对差异基因的功能进行富集分析。利用STRING工具和cytoscape构建蛋白互作网络,连通性得分最高的被筛选为核心基因。联合ONCOMINE平台对核心基因进行表达分析。采用Kaplan-Meier法绘制核心基因生存曲线,了解核心基因对GBM患者生存时间和生存几率的相关性。共筛选出上调差异基因1 582个,下调差异基因1 601个。BottleNeck算法中连通性得分前十被选为核心基因,联合ONCOMINE分析,KCNAB2在GBM中低表达。KCNAB2的过表达预测了GBM患者更短的生存时间。相较于正常脑组织,KCNAB2在GBM中低表达。而当KCNAB2过表达时,GBM患者的生存时间明显缩短。但是,核心基因KCNAB2在GBM患者生存时间中的影响机制和存在价值仍需要进一步的研究去验证。     

死亡相关的LncRNAs在甲状腺癌中的预后价值及预后风险模型构建

目的:探讨铁死亡相关的长链非编码RNAs(LncRNAs)在甲状腺癌中的预后价值并构建预后风险模型。方法:从癌症基因组图谱(TCGA)数据库下载甲状腺癌的转录本数据和临床数据,铁死亡相关的基因数据集是从铁死亡数据库(http://www.zhounan.org/ferrdb/)下载的259个基因集。得到铁死亡相关LncRNAs,与患者临床信息合并后,通过单因素Cox回归分析和Kaplan-Meier生存分析两种方法得到与甲状腺癌预后相关的铁死亡LncRNAs,通过R的survival包构建COX模型以此来建立最佳预后风险模型并予以验证。结果:获得30个铁死亡相关的LncRNAs,多因素cox分析得到10个与甲状腺癌预后相关的铁死亡LncRNAs,包括AL136366.1、AL162231.2、CRNDE、AC004918.3、LINC02471、AC092279.1、AC046143.1、LINC02454、DOCK9-DT、AC008063.1。Kaplan-Meier生存分析表明高风险组预后较差。单因素和多因素Cox分析表明风险评分可以作为独立预后因子。KEGG通路富集分析发现,差异基因可能与嘧啶代谢、核苷酸切除修复、NOTCH_信号通路等通路有关。结论:通过生物信息学方法筛选出10个与甲状腺癌预后的铁死亡相关LncRNAs,并成功构建预后风险模型。     

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...     

基于生物信息学技术筛选影响胶质母细胞瘤化疗敏感性相关基因的研究

目的：应用生物信息学技术筛选影响胶质母细胞瘤（GBM）化疗敏感性的相关基因。方法：对2批胶质瘤患者BIOSTAR基因芯片进行分析。通过随访完善临床资料,筛选芯片中胶质母细胞瘤患者生存期长、短两组间的差异基因,明确差异基因参与的功能和通路,并构建与烷化剂相关基因的信号传导网络,结合芯片数据、患者预后和信号传导网络,筛选GBM化疗敏感性的相关基因。结果：两组芯片中间差异基因有503条。2批芯片的差异基因主要参与62项基因功能,主要参与31条信号传导通路。通过对差异基因功能、通路,烷化剂信号转导网络的分析,得到影响胶质母细胞瘤化疗敏感性的核心的差异基因IFNGR2、IL8、ITGA5、TNFRSF1B。结论：通过严谨的实验设计和科学的统计学判别,结合患者完整的生存资料,本研究成功地应用生物信息学技术对基因芯片的大量数据进行挖掘和分析,并筛选出了可能影响GBM患者预后和化疗药物敏感性的基因,为进一步功能实验和患者个体化治疗奠定了基础。     

基于生物信息学技术筛选影响胶质母细胞瘤化疗敏感性 相关基因的研究

目的:应用生物信息学技术筛选影响胶质母细胞瘤(GBM)化疗敏感性的相关基因。方法:对2批胶质瘤患者BIOSTAR基因芯片进行分析。通过随访完善临床资料,筛选芯片中胶质母细胞瘤患者生存期长、短两组间的差异基因,明确差异基因参与的功能和通路,并构建与烷化剂相关基因的信号传导网络,结合芯片数据、患者预后和信号传导网络,筛选GBM化疗敏感性的相关基因。结果:两组芯片中间差异基因有503条。2批芯片的差异基因主要参与62项基因功能,主要参与31条信号传导通路。通过对差异基因功能、通路,烷化剂信号转导网络的分析,得到影响胶质母细胞瘤化疗敏感性的核心的差异基因IFNGR2、IL8、ITGA5、TNFRSF1B。结论:通过严谨的实验设计和科学的统计学判别,结合患者完整的生存资料,本研究成功地应用生物信息学技术对基因芯片的大量数据进行挖掘和分析,并筛选出了可能影响GBM患者预后和化疗药物敏感性的基因,为进一步功能实验和患者个体化治疗奠定了基础。     

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。     

肝细胞癌患者自噬相关基因的预后作用

构建由自噬相关基因组成的预后模型,预测肝细胞癌(HCC)患者的生存预后情况,为其个性化诊疗和临床研究提供依据。利用TCGA数据库中HCC的测序信息与人类自噬数据库联合,筛选差异表达的自噬相关基因,对其进行GO富集与KEGG通路分析;通过单因素与多因素Cox分析筛选与患者生存预后明显相关的风险基因,构建预后风险评分模型;根据模型计算患者风险值并验证模型,利用GEPIA2.0网页工具与HPA数据库对风险基因在HCC中的表达情况以及与生存预后的关系进行验证。结果发现,HCC肿瘤组织相较正常组织共筛选到61个差异表达的自噬相关基因(表达上调57个,下调4个),GO富集与KEGG通路分析显示均与自噬有关;单因素Cox分析共筛选到12个与患者生存预后相关的基因,多因素Cox分析后共有4个基因被纳入预后风险评分模型,分别是SQSTM1、HDAC1、RHEB和ATIC,计算公式为:风险值(risk score)=SQSTM1表达量×0.185+HDAC1表达量×0.382+RHEB表达量×0.423+ATIC表达量×0.438;K-M生存曲线显示高风险组生存率低于低风险组,风险曲线提示4个基因与不良预后密切相关,ROC曲线证明模型具有预测意义;GEPIA2.0网页工具以及HPA数据库表明高表达4个基因均导致患者生存率降低。所构建预后风险评分模型可有效预测HCC患者生存预后情况,并提供个性化诊疗策略。     

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。     

自噬基因CTSL表达与胶质母细胞瘤患者预后相关

本研究旨在探讨自噬基因CTSL对胶质母细胞瘤(GBM)患者的预后影响。利用癌症基因组图谱(TCGA)、人类自噬数据库(HADB)、中国脑胶质瘤基因组图谱(CGGA)数据库、基因表达谱分析(GEPIA)获取数据信息,通过筛选差异表达基因及单因素和多因素COX分析确定GBM的独立预后危险因素,同时通过基因本体论(GO)、基因组百科全书途径(KEGG)、临床病理相关性、基因集富集分析(GSEA)、自噬基因网络分析CTSL的相关作用机制。结果显示:(1)富集分析显示胶质母细胞瘤中差异自噬基因(ARG)与自噬体的形成、细胞凋亡、血管生成、细胞化疗等相关;(2)GBM中CTSL的mRNA水平明显高于正常组织样本;(3)多因素COX回归分析显示自噬基因CTSL的高表达为GBM预后的独立危险因素,STUPP治疗(术后替莫唑胺[Tmz]同步放化疗+Tmz辅助化疗)为独立保护因素;(4)自噬基因CTSL在非GCIMP(CpG岛甲基化)型、间质型、IDH野生型、1p/19q无缺失型胶质母细胞瘤及化疗后表达量更高。综上所述,本研究分析了自噬基因在GBM中的作用,并表明自噬基因CTSL的过表达预示胶质母细胞瘤患者不良预后,显示自噬基因CTSL有作为有效靶标的潜质。