| 小儿脓毒症休克相关基因的筛选及网络构建 |
| |
| 引用本文： | 凌家梅,胡林,陈雪,杨蕊萍,胡迎春.小儿脓毒症休克相关基因的筛选及网络构建[J].生物信息学,2019,17(1):61-66. |
| |
| 作者姓名： | 凌家梅 胡林 陈雪 杨蕊萍 胡迎春 |
| |
| 作者单位： | 四川省雅安市芦山县人民医院妇产科;四川省雅安市芦山县人民医院儿科;西南医科大学临床医学院;西南医科大学附属医院急诊科 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 脓毒症休克 SIRS 生物信息学 基因信号网络 基因共表达网络 |
| 收稿时间： | 2018/5/12 0:00:00 |
| 修稿时间： | 2018/7/19 0:00:00 |
Gene expression signature analysis and interaction netconstruction of septic shock in children |
| |
| LING Jiamei,HU Lin,CHEN Xue,YANG Ruiping and HU Yingchun.Gene expression signature analysis and interaction netconstruction of septic shock in children[J].China Journal of Bioinformation,2019,17(1):61-66. |
| |
| Authors: | LING Jiamei HU Lin CHEN Xue YANG Ruiping and HU Yingchun |
| |
| Abstract: | |
| |
| Keywords: | Septic shock SIRS Bioinformatics Gene signal network Gene co expression network |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《生物信息学》浏览原始摘要信息 |
| 点击此处可从《生物信息学》下载免费的PDF全文 |
|
