基于GEO数据库的肝癌相关基因的筛选及验证

肝细胞癌(hepatocellular carcinoma,HCC)是中国高发的恶性肿瘤之一,识别肝细胞癌发生发展相关基因,对于深入研究肝癌发病机制和开发诊疗靶点均具有重要意义.本研究利用GEO2R工具从基因表达汇编数据库(Gene Expression Omnibus Database,GEO)筛选5个数据集中共有的差异表达基因作为潜在的肝癌相关基因.利用Metascape网站,对差异表达基因进行功能富集及信号通路分析.结合GEPIA(Gene Expres-sion Profiling Interaction Analysis)网站筛选具有临床意义的基因.利用荧光定量PCR技术验证与肝癌预后相关的差异表达基因,候选肝癌相关基因,为后续的深入研究奠定扎实的基础.结果显示,从5个数据集中共发现94个共有的差异表达基因.文献检索后发现24个基因与肝癌发生发展的关系少见文献报道,属于肝癌中未知功能基因.利用GEPIA分析癌症基因组图谱(the cancer genome atlas,TCGA)中数据后发现,GINS1在肝癌组织中高表达,与肝癌患者生存期呈负相关;CFHR4和DNASE1L3在肝癌组织中显著低表达,与肝癌患者生存期呈正相关.荧光定量PCR技术证实GINS1在81.3％的肝癌组织中呈现高表达,CFHR4和DNAS-E1L3分别在71.9％和93.8％肝癌组织中低表达.因此,本研究发现GINS1、CFHR4和DNASE 1L3在肝癌组织中显著差异表达,与肝癌患者的预后密切相关,可能作为潜在的判断肝癌患者预后的分子标志物和研发肝癌治疗的潜在靶标.     

FN1在GBM中的表达差异及对预后的影响

[目的]探究纤维连接蛋白1(Fibronectin 1,FN1)在多形性胶质母细胞瘤(GBM)中的表达情况及对患者预后的影响,为GBM的早期诊断和治疗提供生物标志物。[方法]CCLE数据库分析FN1在不同肿瘤细胞系中的表达;UALCAN和GEPIA2数据库分析FN1在GBM肿瘤组织和正常组织中的表达差异;The Human Protein Atlas数据库分析FN1蛋白在GBM肿瘤组织和正常组织中的表达;GEPIA2数据库分析FN1在肿瘤组织中的异常表达对GBM患者总体生存率和无病生存率的影响;DAVID 6.8在线软件对FN1相关基因进行KEGG通路富集。[结果]在所有类型肿瘤细胞系中,GBM肿瘤细胞系中FN1 mRNA表达水平中排第八;FN1在GBM肿瘤组织中的表达高于正常组织(***P<0.001和*P<0.05),并且FN1高表达后GBM患者的总体生存率和无病生存率均降低(P=0.028和P=0.0056);KEGG分析结果表明与FN1正相关的基因富集通路有57个,癌症通路位于第三位。[结论]FN1在GBM中明显上调,是GBM诊断和预后的有效生物标志物。     

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。     

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 ...     

肾透明细胞癌Caki-1细胞系差异表达基因的生物信息学分析

目的比较肾透明细胞癌Caki-1细胞系与正常肾上皮细胞系ASE-5063中的差异表达基因（DEGs）,寻找潜在的肾透明细胞癌特异性分子标志物。 方法利用GEO数据库自带的GEO2R在线分析工具分析基因芯片GSE78179,将筛选出的DEGs分别导入Metascape、STRING以及Cytoscape进行综合分析并筛选出核心基因。最后使用FunRich等软件对筛选出的核心基因进行GO和KEGG富集分析。 结果共筛选出562个DEGs,其中上调基因345个,下调基因217个。进一步使用MCODE筛选出36个关键基因,GO功能分析发现这些基因与细胞粘附分子活性、趋化因子活性、细胞通讯和信号转导等密切相关;KEGG通路富集结果则表明差异基因主要集中在趋化因子信号通路、TNF信号通路以及NF-κB信号通路等多种与肿瘤相关的通路上。 结论运用生物信息学方法筛选出肾透明细胞癌Caki-1细胞系中DEGs,其中数个核心基因广泛参与多种肿瘤的病理进程,但尚未在肾透明细胞癌有相关研究报道,提示其可能是治疗肾透明细胞癌的潜在靶点。     

生信分析筛选心衰氧化应激相关关键[]基因并预测候选药物

为探究氧化应激相关基因在心力衰竭发生发展中的作用,并发现核心基因进行靶基因药物预测。从GEO数据库下载GSE120895基因表达图谱,通过GEO2R筛选差异表达基因,将差异表达基因与GeneCard数据库中筛选的氧化应激相关基因取交集,得到心力衰竭氧化应激相关差异表达基因,利用R软件对差异表达基因进行GO及KEGG分析,利用Cytoscape进行PPI网络的模块以及关键基因的筛选。之后在GSE17800基因表达图谱中验证关键基因的表达,并针对关键基因进行相互作用药物预测。差异表达基因与氧化应激相关基因取交集后,共筛选出52个上调的氧化应激相关差异表达基因,在此基础上,筛选出ACTB,STAT3,FN1,EDN1,CAT共5个关键基因,在GSE17800基因表达图谱中验证后,针对4个关键基因预测了19个靶基因潜在药物。总之,本研究通过生物信息学方法鉴定关键基因,并预测潜在治疗药物,从而为了解心力衰竭的分子机制及其诊治方法提供新的见解。     

肝细胞癌相关差异基因的生物信息学及预后分析

肝细胞癌是全球癌症相关死亡的主要原因,目前对肝细胞癌的发病机制研究尚不完善,探索肝细胞癌发生、发展相关的分子标志物及其预后具有重要意义。从GEO数据库获得肝细胞癌组织和非癌组织的基因表达阵列数据GSE84402,利用GEO2R筛选差异表达基因;采用DAVID数据库对差异基因进行GO富集分析和KEGG通路分析;通过STRING数据库和Cytoscape软件构建差异表达基因对应的蛋白质相互作用网络,并从网络中筛选出核心基因(hub genes);结合KM plotter数据库的临床信息对hub genes进行预后分析。结果显示:共得到1 307个差异表达基因,其中上调基因741个,下调基因566个,这些差异表达基因主要涉及细胞分裂、细胞周期、DNA复制及物质代谢等生物学过程及生物通路。通过GO、KEGG及蛋白质相互作用网络筛选出BUB1、BUB1B、CCNA2、CCNB1、CCNB2、CDC20、CDK1、MAD2L1、PLK1等9个hub genes,进一步分析发现hub genes均与细胞周期的调控相关,表明细胞周期的调控失常在肝细胞癌的发生、发展过程中具有重要作用。生存分析显示9个hub genes在肝细胞癌患者中均为表达上调的基因,且与患者预后不良相关,这为寻找肝细胞癌患者预后相关生物标志物的研究提供了线索。     

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。     

基于生物信息学分析寻找胰腺癌新的诊断和治疗靶点

胰腺癌作为一种消化系统高度恶性的肿瘤性疾病,其发生和进展的分子机制仍不确定。为寻找与胰腺癌发生和进展有关的新的有效治疗靶点和潜在的生物标志物。利用GEO数据库中的GEO2R在线工具对胰腺癌组织和正常对照组织的基因表达进行差异分析并对差异表达基因(DEGs)进行GO功能和KEGG通路富集分析。然后通过GEPIA数据库中胰腺癌的转录数据对候选基因的表达进行验证。Kaplan-Meier法分析各候选基因的预后价值。利用starBase数据库中的7个预测程序对候选基因上游潜在的miRNAs进行预测。此外,还使用miRNet和starBase预测了hsa-miR-20b-5p的上游lncRNAs并利用lncATLAS数据库对潜在的lncRNAs进行亚细胞定位。在本研究中,我们发现胰腺癌组织中LAMA3基因的转录水平明显高于健康对照组织。同时,LAMA3的过表达与胰腺癌患者较差的临床预后相关。随后,预测了21个可能靶向LAMA3的潜在上游miRNAs。在预测到的miRNA-mRNA调控轴中,has-miR-20b-5p-LAMA3轴在胰腺癌的发生和进展中具有较高的潜力。进一步研究发现,FGD5-AS1潜在的抑制has-miR-20b-5p-LAMA3调控轴的作用可能能够在胰腺癌中作为诊断和治疗的有效靶点。FGD5-AS1-has-miR-20b-5p-LAMA3调控网络在胰腺癌发生和发展中的具有关键作用,可作为胰腺癌临床诊断和治疗的潜在靶点和生物标志物。     

三阴性乳腺癌相关miRNA筛选及其靶基因的生物信息学分析

应用生物信息学方法筛选并分析三阴性乳腺癌（triple-negative breast cancer,TNBC）相关miRNA及其靶基因,为TNBC的研究提供潜在的分子靶点。采用GEO2R分析TNBC相关miRNA芯片数据集,筛选差异表达倍数最大的5个上调和5个下调miRNA。miRWalk、TargetScan和miRDB预测靶基因并进行Veen分析取交集。利用DAVID对靶基因进行GO富集分析和KEGG通路分析。利用STRING数据库构建蛋白互作网络,并结合Cytoscape构建miRNA-靶基因调控网络,从而筛选出关键的miRNA及其关键靶基因。利用GEPIA2数据库对靶基因进行生存分析。GEO2R筛选出486个差异miRNA,上调和下调的miRNA分别有298个和188个。对差异倍数最大的5个上调和5个下调miRNA的靶基因进行富集分析显示,靶基因主要参与ErbB信号通路、癌症中转录调控紊乱和cGMP-PKG信号通路等。miRNA-靶基因调控网络显示,表达上调的关键miRNA为miR-611,其关键靶基因为CDC27、UBE2D2、UBR1、SPSB1、HERC2和RLIM;表达下调的关键miRNA为miR-1205,其关键靶基因为WSB1、FBXL8、UBE2W、PTPN11、ARF6、DNAJC6和COPS2。生存分析表明,UBR1（P=0.007 2）和PTPN11（P=0.029）表达上调可显著降低TNBC患者的整体生存率。经筛选获得的关键miRNA及其关键靶基因可作为潜在分子标记物用于TNBC的早期诊断、治疗靶点选择和预后判断,并为后续的研究提供参考依据。     

星形细胞瘤生存预后相关miRNA-mRNA调控关系对筛选

利用GEO数据库中的芯片数据,筛选与星形细胞瘤生存预后相关的miRNA-mRNA调控关系对,为后续研究提供理论支持.下载芯片数据利用R语言进行差异表达分析,得到星形细胞瘤较正常组织表达显著改变的miRNA与mRNA;通过miRNA靶基因预测,将靶基因与差异表达mRNA取交集,明确mRNA与miRNA之间的关系;利用GE...     

基于单细胞转录组的多级别胶质瘤异质性及免疫微环境分析揭示了潜在的预后生物标志物

脑胶质瘤(glioma)是中枢神经系统最常见的内在肿瘤,具有发病率高、预后较差等特点。本研究旨在鉴定多形性胶质母细胞瘤(glioblastoma multiforme,GBM)和低级别胶质瘤(lower-grade gliomas, LGG)之间的差异表达基因(differentially expressed genes, DEGs),以探讨不同级别胶质瘤的预后影响因素。从NCBI基因表达综合数据库中收集了胶质瘤的单细胞转录组测序数据,其中包括来自3个数据集的共29 097个细胞样本。对于不同分级的人脑胶质瘤进行分析,经过滤得到21 071个细胞,通过基因本体分析、京都基因与基因组百科全书途径分析,从差异表达基因中筛选出70个基因,我们通过查阅文献,聚焦到delta样典型Notch配体3 (delta like canonical Notch ligand 3,DLL3)这个基因。基于TCGA的基因表达谱交互分析(gene expression profiling interactive analysis, GEPIA)数据库用于探索LGG和GBM中DLL3基因的表达差异,采用基因表达...     

生物信息学分析筛选结直肠癌靶基因及评估预后价值

为寻找与结直肠癌发展和预后相关的潜在关键基因及信号通路.从美国国立信息中心NCBI的GEO数据库获得结直肠癌基因表达数据集GSE106582,通过PCA对样本进行分组,利用GEO2R进行综合分析,筛选结直肠癌与癌旁对照组的差异表达基因;通过DAVID在线工具对差异表达基因进行GO本体分析和KEGG通路富集分析,初步分析...     

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;...     

Correlation of zinc finger protein 2, a prognostic biomarker,with immune infiltrates in liver cancer

Purpose: The expression and clinical value of zinc finger protein 2 gene (ZIC2) in hepatocellular carcinoma (HCC) were analyzed by mining gene information from The Cancer Genome Atlas (TCGA) and Gene Expression Omnibus (GEO) databases.Methods: Gene chip data sets were retrieved from GEO and TCGA and screened for differentially expressed genes in HCC. Gene expression profile interaction analysis (GEPIA) and Kaplan–Meier curves were used to analyze the relationship between differentially expressed genes (DEGs) and survival and prognosis in patients with HCC. Moreover, the Genecards database was used to extract ZIC2-related proteins and to analyze the physiological process of protein enrichment. Furthermore, the relationships between ZIC2 gene and tumor cell immune invasion and that between immune cell infiltration and the 5-year survival rate were studied using the tumor immune evaluation resource (TIMER) database.Results: Datasets from GEO and TCGA revealed that ZIC2 was differentially expressed in HCC tissues and normal tissues (P<0.05). High ZIC2 expression was associated with overall survival (OS) and progress-free survival in HCC patients. Overall, 25 ZIC2 related proteins, including Gli3, PRKDC, and rnf180 were identified and protein enrichment analysis indicated these were associated with four types of cell components, six types of cell functions, and eight types of biological processes. ZIC2 was positively correlated with immune infiltration cells in patients with HCC, and higher expression of ZIC2 mRNA CD4+T cells is associated with a better 5-year survival.Conclusion: ZIC2 gene may be used as an immune response marker in liver cancer to predict the prognosis of HCC.     

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。     

Identification of differentially expressed genes and biological characteristics of colorectal cancer by integrated bioinformatics analysis

Colorectal cancer (CRC) ranks as one of the most common malignant tumors worldwide. Its mortality rate has remained high in recent years. Therefore, the aim of this study was to identify significant differentially expressed genes (DEGs) involved in its pathogenesis, which may be used as novel biomarkers or potential therapeutic targets for CRC. The gene expression profiles of GSE21510, GSE32323, GSE89076, and GSE113513 were downloaded from the Gene Expression Omnibus (GEO) database. After screening DEGs in each GEO data set, we further used the robust rank aggregation method to identify 494 significant DEGs including 212 upregulated and 282 downregulated genes. Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway enrichment analyses were performed by DAVID and the KOBAS online database, respectively. These DEGs were shown to be significantly enriched in different cancer-related functions and pathways. Then, the STRING database was used to construct the protein–protein interaction network. The module analysis was performed by the MCODE plug-in of Cytoscape based on the whole network. We finally filtered out seven hub genes by the cytoHubba plug-in, including PPBP, CCL28, CXCL12, INSL5, CXCL3, CXCL10, and CXCL11. The expression validation and survival analysis of these hub genes were analyzed based on The Cancer Genome Atlas database. In conclusion, the robust DEGs associated with the carcinogenesis of CRC were screened through the GEO database, and integrated bioinformatics analysis was conducted. Our study provides reliable molecular biomarkers for screening and diagnosis, prognosis as well as novel therapeutic targets for CRC.