肺腺癌诊断标志物筛选及免疫细胞浸润分析

用生物信息学方法筛选肺腺癌(Lung adenocarcinoma,LUAD)的诊断生物标志物,并分析肺腺癌中免疫细胞浸润情况。从GEO和TCGA数据库下载肺腺癌的表达数据集,利用R软件筛选肺腺癌与正常肺组织间的差异表达基因(DEGs),使用DAVID网站对DEGs进行GO及KEGG富集分析,使用STRING及Cytoscape等工具对DEGs构建蛋白相互作用网络并筛选hub基因;利用Kaplan-Meier法对DEGs进行生存分析,并对hub基因进行ROC分析筛选诊断生物标志物,利用GSEA预测有预后价值的基因参与的信号通路;并用Cibersort软件反卷积算法分析肺腺癌中免疫细胞浸润情况。共得到肺腺癌的234个DEGs,这些基因主要参与信号转导、物质代谢、免疫反应等相关信号通路;构建PPI网络筛选出的20个hub基因中8个存在预后价值(CCNA2、DLGAP5、HMMR、MMP1、MMP9、MMP13、SPP1、TOP2A),ROC分析中DLGAP5、SPP1值分别是0.703、0.706;DLGAP5、SPP1基因表达水平与肺腺癌组织浆细胞、未活化的CD4⁺记忆细胞、调节T细胞、巨噬细胞M0、M1、M2及中性粒细胞浸润密切相关(P＜0.05)。肺腺癌中DLGAP5、SPP1具有较高诊断价值且参与肺腺癌组织免疫细胞浸润;DLGAP5、SPP1基因可作为肺腺癌诊断的生物标志物,可为肺腺癌的靶向治疗研究提供新思路。     

基于数据库中肺纤维化miRNA及肺癌mRNA芯片资料分析筛查肺癌的潜在治疗靶点

肺癌严重危害人类健康,患者预后较差。肺纤维化是肺癌的危险因素之一,与肺癌的发病机制存在一定关系。肺纤维化中失调的微小RNA(microRNA, miRNA)在肺癌发生发展过程中发挥着重要作用。本研究使用基因表达综合数据库(Gene Expression Omnibus, GEO)中肺纤维化miRNA及肺癌mRNA的芯片数据,利用GEO2R筛选肺纤维化差异miRNA与肺癌差异基因、miRWalk预测miRNA靶基因、STRING分析互作关系、WebGestalt进行GO与KEGG分析、GEPIA分析基因对患者生存的影响,最终获得SNRPE、PIK3R1、ARHGEF6等潜在的肺癌治疗靶点。通过对这些潜在靶点的认识进一步了解肺癌的发生发展机制,为肺癌的临床治疗贡献新的思路。