基于人类信号网络和表达谱数据挖掘动脉粥样硬化相关模块

目的:动脉粥样硬化是一种高致死率的慢性炎症疾病,其发生和发展的机制尚不明确。本文基于人类信号网络和基因表达谱数据对动脉粥样硬化相关模块进行挖掘,以探究其在疾病发生发展中的作用机制。方法:结合人类信号网络和基因表达谱数据,设计显著差异模块筛选策略,通过功能分析,挖掘动脉粥样硬化相关模块,对动脉粥样硬化的致病机制进行研究。结果:基于网络模块的平均表达值改变量,采用两种随机方法,进行显著差异模块筛选,最终获得8个动脉粥样硬化相关的显著差异模块。结论:应用本文提出的整合筛选策略,能识别与动脉粥样硬化相关的模块,获得潜在的致病基因,并从外周血的基因表达改变来探究动脉粥样硬化致病机制,这对动脉粥样硬化的诊断、治疗以及发生发展机制的研究具有重要意义。     

基于SNP共表达网络肝癌分子分型及预后分析

基于SNP突变数据与mRNA表达谱关联分析,构建一种肝癌分子分型方法并对比不同分型预后的差异,并对不同分型肝癌的发生发展机制进一步研究。首先通过TCGA数据库收集359例肝细胞癌患者的SNP突变数据和mRNA表达数据,采用Wilcoxon秩和检验,筛选突变后差异表达基因,并通过生物信息学工具String和Cytoscape 构建差异表达基因的蛋白互作网络,筛选连接度最高的10个Hub基因。利用Consensus Cluster Plus软件包,基于Hub基因mRNA表达水平构建NMF分子分型模型,再结合生存数据评估各分型患者的预后。最后利用加权基因共表达网络分析(WGCNA),识别与肝癌分子分型相关的模块,并针对关键模块的基因进行通路富集,从而对不同分型肝癌的基因表达谱进行比较。结果:NMF模型将肝癌分为高危、低危2个分型,其中CDKN2A和FOXO1基因对分型贡献度高。生存分析显示低危组患者的生存情况显著优于高危组,高危组富集多个与肿瘤细胞侵蚀、转移、复发过程相关的信号通路,低危组则与细胞周期和胰液分泌相关。本研究在无先验性信息的前提下,基于突变后显著差异表达的Hub基因表达水平构建的肝癌分子分型对肝癌患者预后评估具有一定的指导意义,其中CDKN2A和FOXO1突变是肝癌患者的不良预后因素,针对二者的靶向药研发,可能为肝癌患者提供新的治疗策略。     

大肠癌转移相关分子标签的筛选

目的:筛选与转移相关的大肠癌分子标签.方法:本文通过对大肠癌表达谱数据进行分析,按照表达谱中大肠癌转移情况,组织学分化程度以及患者生存时间进行显著性分析,将与大肠癌转移相关的具有显著性意义的基因群进行聚类,通过主成分分析以及自组织映射的方法计算出差异表达基因中,起着主体分类作用的基因群.结果:筛选出与肿瘤组织分化程度以及患者生存时间相关的差异表达基因,进行功能富集,并筛选出了一批与大肠癌转移密切相关的重要基因,这些基因对大肠癌早期诊断,及时治疗,预后评估有着重要意义.结论:细胞代谢,趋化因子信号通路和细胞因子受体等分子事件与大肠癌分化程度密切相关,是否发生转移与大肠癌的预后生存期密切相关.     

强直性脊柱炎差异表达基因的生物信息学分析

目的探讨强直性脊柱炎(AS)患者差异表达基因,并基于差异基因探讨强直性脊柱炎发病相关的可能生物学过程和信号通路。方法检索基因表达谱数据库(GEO)并筛选AS相关基因表达谱数据集。应用GEO在线分析功能GEO2R分析AS组和正常对照组的差异表达基因,用Cytoscape软件clueGO插件进行基因本体论和京都基因与基因组百科全书分析,采用String蛋白-蛋白相互作用(PPI)数据库分析差异表达基因编码蛋白间的相互作用;应用Cytoscape绘制蛋白相互作用网络图,并软件筛选信号通路关键基因分析。结果选取AS患者全血表达数据集GSE25101为研究对象,分析获得差异表达基因72个。72个差异表达基因分子功能主要为参与高迁移率族盒染色体蛋白1(HMGB1)转导机制;生物学过程主要富集于巨噬细胞迁移、骨髓细胞凋亡过程、线粒体呼吸链复合体装配、ATP合成偶联电子传输、线粒体ATP合成耦合电子输运等;细胞成分主要富集于呼吸链复合体、线粒体呼吸体等。信号通路富集于氧化磷酸化信号通路和帕金森综合征相关信号通路。PPI网络经过cytohubba插件筛选,ATP5J、NDUFS4、UQCRB、UQCRH、NDUFB3、COX7B、LSM3、ATP5EP2、ENY2、PSMA4被筛选为网络中的核心基因。结论通过生物信息学方法进行预测了AS的潜在机制,并筛选出10个潜在的与AS相关的重要分子,其中氧化磷酸化可能在AS发病机制中发挥了重要的作用。     

根据基因功能表达谱研究抑郁症模型及安佳欣胶囊的抗抑郁症机制

由基因芯片检测正常大鼠、模型大鼠和服用安佳欣胶囊进行治疗后的大鼠各8例的基因表达谱,在正常组和模型组之间,筛选得到207个差异表达基因和25个差异表达基因功能模块,在模型组和给药组之间,筛选得到860个差异表达基因和24个差异表达基因功能模块。比较两次结果,得到信号传导通路、蛋白质转运等价相同的功能模块,预测此功能模块可能为安佳欣胶囊发挥抗抑郁作用的一部分靶点。在这9个模块中寻找在模型组出现差异表达而在给药组表达趋于正常水平的基因,从基因水平分析药物的治疗机制。     

利用表达谱基因芯片筛选溃疡性结肠炎差异表达基因

目的:利用人类全基因组表达谱芯片技术,分析溃疡性结肠炎患者和健康者基因表达谱差异,筛选出溃疡性结肠炎相关基因。方法:采用Trizol法提取8例溃疡性结肠炎患者和8例健康对照者结肠粘膜组织总RNA并纯化,逆转录合成c DNA,利用荧光染料Cy3标记aa UTP,转录合成标记的c RNA,并与Agilent人类全基因组表达谱芯片杂交,扫描荧光信号图像,对芯片原始数据进行归一化处理,利用倍数差异和t检验计算筛选出相关差异表达基因,采用DAVID在线分析系统进行基因的功能注释和关联分析,明确差异基因的生物学功能,并对部分差异表达基因进行实时荧光定量PCR验证。结果:筛查出溃疡性结肠炎结肠粘膜组织差异表达基因4132个,其中上调基因2004个,下调基因2128个。选取6条差异表达基因进行PCR验证,结果有3条基因表达上调,3条基因表达下调,表达趋势与芯片结果一致。结论:溃疡性结肠炎患者与健康对照者基因表达存在明显差异,分析这些差异表达基因有助于我们探索溃疡性结肠炎的发病机制,为疾病的治疗提供理论依据。     

应用基因芯片筛选伊马替尼和尼洛替尼处理K562 细胞表达差异基因

目的:探讨两种酪氨酸激酶抑制剂(TKIs)处理K562细胞的基因表达谱变化,为认识慢性粒细胞白血病(CML)的发病机制、耐药机制提供新的思路,同时也为治疗寻找潜在重要靶标分子。方法:利用GEO数据库下载慢性粒细胞细胞系(K562)基因表达芯片数据,通过差异基因的筛选,趋势分析、GO分析,信号通路分析,最后获得的重要差异表达核心基因,并建立相互作用网络。结果:获得显著表达差异基因1000,通过趋势分析、功能富集分析及信号通路分析提示主要涉及到代谢途径、细胞凋亡、癌症的途径、细胞周期、p53信号通路。相互作用网络分析及同表达相互作用网络分析,得到重要的核心节点基因:AK2、ADSL、PKLR、PKM、SHMT2、ATIC、LDHA、ENO1、CTH、GOT1;YARS、CYP3A5、CTH、GYPA、ALAS2、MTHFD2、BLVRB、GUK1、CTSH、LMO2。结论:利用生物信息学的方法,分析慢性粒细胞白血病细胞基因芯片得到参与不同TKIs处理K562细胞的重要的细胞功能及信号通路主要涉及代谢通路及增殖凋亡信号途径,并且寻找到核心节点基因,为认识K562的耐药机制及治疗靶点提供新的思路。     

基于表达谱芯片和下一代测序技术筛选先天性心脏病胎儿心肌组织差异表达的miRNA

目的 联合采用表达谱芯片和下一代测序技术同时高通量筛选先天性心脏病胎儿心肌组织表达差异的miRNA.方法 实验组为孕中期先天性畸形胎儿,对照组为同胎龄无心脏畸形的难免流产的胎儿,取胎儿心室心肌组织,联合采用Agilent Human 2.0 microRNAs表达谱芯片和SOLiD下一代测序技术同时观察心肌组织microRNA的表达变化,数据采用生物信息学方法进行分析,并用实时PCR方法验证芯片结果.结果 通过差异miRNA筛选,发现先天性心脏畸形组在表达谱芯片和下一代测序中共同差异的24个miRNA,生物信息学预测到1 606个靶基因,靶基因Gene Ontology分析表明其中与细胞进程、代谢过程、生物调控相关的靶基因为主,Pathway显著性分析表明,部分靶基因为生物信号通路中的关键因子;随机挑选共同表达差异的4个miRNA进行验证,结果表明定量PCR检测结果与芯片与下一代测序共同筛选结果基本相符.结论 这些在先天性心脏病中异常表达的miRNA为研究先天性心脏病分子水平上的发病机制提供了重要的线索,将有可能为心脏相关疾病的诊断和治疗提供新的靶点和研发新的药物.     

脱发相关差异表达基因的生物信息学分析

利用生物信息学方法分析脱发相关差异表达基因,有望帮助了解脱发发生发展的分子机制。本研究从NCBI的子数据库GEO中选择基因表达谱GSE45512和GSE45513数据集,利用R语言limma工具包,筛选出两个物种斑秃样本与正常样本的共同显著差异表达基因。对这部分基因进行功能注释和蛋白互作网络分析,同时对全部差异表达基因进行基因集富集分析。结果发现,人头皮斑秃样本共筛选出225个差异表达基因;C3H/HeJ小鼠自发斑秃皮肤样本共筛选出337个差异表达基因;两个物种的共同显著差异表达基因有23个。GO功能富集分析和蛋白互作网络分析显示,这部分差异基因显著富集于免疫相关功能,并且彼此间存在蛋白互作关系。基因集富集分析显示两个物种的差异基因都能显著富集到趋化因子信号通路、细胞因子受体相互作用、金葡菌感染及抗原加工与呈递通路;而且人的下调差异基因不仅映射到了人类表型数据库的脱发表型,也映射到皮肤附属物病理相关表型。综上所述,本研究通过生物信息方法分析脱发皮肤组织与正常皮肤组织的差异表达基因,最终筛选出23个在人和小鼠中共同存在的显著差异表达基因;此外,分析发现脱发与免疫过程及皮肤附属物病变密切相关,这些结果为脱发的诊断和治疗提供了新思路。     

基于蛋白质互作网络的COVID-19对肺动脉高压的影响机制

通过构建肺动脉高压差异基因和冠状病毒侵入人体后免疫反应相关基因的互作网络,探索COVID-19对肺动脉高压的影响机制。首先通过Meta分析挖掘肺动脉高压相关差异表达基因;其次通过SARS-CoV侵染人体后的基因表达数据,挖掘主要功能通路;最后构建肺动脉高压差异表达基因和冠状病毒主要功能通路基因的互作网络,挖掘网络的显著功能模块。发现肺动脉高压与血管平滑肌细胞、成纤细胞、T/B细胞免疫过程、转录调节因子通路、Toll样信号通路等密切相关,互作网络发现ITGAM、HBB、VCAM1、IL1R2等基因是COVID-19感染肺动脉高压患者的重要调节基因。通过肺动脉高压与冠状病毒感染机体后蛋白质互作网络探索了COVID-19对肺动脉高压的影响机制,为肺动脉高压感染COVID-19的研究及治疗提供了新思路。     

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。     

NOP56在乳腺癌组织中的表达情况及对临床预后的意义

NOP56是一种与癌基因表达密切相关的核仁蛋白。本文通过对在线数据进行差异表达基因分析,发现NOP56在乳腺癌组织中高表达。再以NOP56的表达高低为表型,分析不同表型与临床预后的差异,结果表明NOP56高表达与乳腺癌不良临床病理参数和预后密切相关。通过富集分析获得NOP56的蛋白互作网络、计算共表达基因语义相似性。最后通过在线数据库获得NOP56及其共表达基因的的临床靶向药物放线菌素D(更生霉素)。这些结果为乳腺癌防治提供了潜在的新的预测指标,完善了临床靶向药物使用的分子机制,为靶向药物的临床使用提供依据和线索。     

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。     

VKORC1 pharmacogenetics and pharmacoproteomics in patients on warfarin anticoagulant therapy: transthyretin precursor as a potential biomarker

BACKGROUND: Recognizing specific protein changes in response to drug administration in humans has the potential for the development of personalized medicine. Such changes can be identified by pharmacoproteomics approach based on proteomic technologies. It can also be helpful in matching a particular target-based therapy to a particular marker in a subgroup of patients, in addition to the profile of genetic polymorphism. Warfarin is a commonly prescribed oral anticoagulant in patients with prosthetic valve disease, venous thromboembolism and stroke. METHODS AND FINDING: We used a combined pharmacogenetics and iTRAQ-coupled LC-MS/MS pharmacoproteomics approach to analyze plasma protein profiles of 53 patients, and identified significantly upregulated level of transthyretin precursor in patients receiving low dose of warfarin but not in those on high dose of warfarin. In addition, real-time RT-PCR, western blotting, human IL-6 ELISA assay were done for the results validation. CONCLUSION: This combined pharmacogenomics and pharmacoproteomics approach may be applied for other target-based therapies, in matching a particular marker in a subgroup of patients, in addition to the profile of genetic polymorphism.     

Identification of EPHX2 and RMI2 as two novel key genes in cervical squamous cell carcinoma by an integrated bioinformatic analysis

Cervical cancer is the fourth most common malignancy in women worldwide and cervical squamous cell carcinoma (CESC) is the most common histological type of cervical cancer. The dysregulation of genes plays a significant role in cancer. In the present study, we screened out differentially expressed genes (DEGs) of CESC in the GSE63514 data set from the Gene Expression Omnibus database. An integrated bioinformatics analysis was used to select hub genes, as well as to investigate their related prognostic signature, functional annotation, methylation mechanism, and candidate molecular drugs. As a result, a total of 1907 DEGs were identified (944 were upregulated and 963 were downregulated). In the protein–protein interaction network, three hub modules and 30 hub genes were identified. And two hub modules and 116 hub genes were screened out from four CESC-related modules by the weighted gene coexpression network analysis. The gene ontology term enrichment analysis and Kyoto encyclopedia of genes and genomes pathway analysis were performed to better understand functions and pathways. Genes with a significant prognostic value were found by prognostic signature analysis. And there were five genes (EPHX2, CHAF1B, KIAA1524, CDC45, and RMI2) identified as significant CESC-associated genes after expression validation and survival analysis. Among them, EPHX2 and RMI2 were noted as two novel key genes for the CESC-associated methylation and expression. In addition, four candidate small molecule drugs for CESC (camptothecin, resveratrol, vorinostat, and trichostatin A) were defined. Further studies are required to explore these significant CESC-associated genes for their potentiality in diagnosis, prognosis, and targeted therapy.     

Network-Based Elucidation of Human Disease Similarities Reveals Common Functional Modules Enriched for Pluripotent Drug Targets

Current work in elucidating relationships between diseases has largely been based on pre-existing knowledge of disease genes. Consequently, these studies are limited in their discovery of new and unknown disease relationships. We present the first quantitative framework to compare and contrast diseases by an integrated analysis of disease-related mRNA expression data and the human protein interaction network. We identified 4,620 functional modules in the human protein network and provided a quantitative metric to record their responses in 54 diseases leading to 138 significant similarities between diseases. Fourteen of the significant disease correlations also shared common drugs, supporting the hypothesis that similar diseases can be treated by the same drugs, allowing us to make predictions for new uses of existing drugs. Finally, we also identified 59 modules that were dysregulated in at least half of the diseases, representing a common disease-state “signature”. These modules were significantly enriched for genes that are known to be drug targets. Interestingly, drugs known to target these genes/proteins are already known to treat significantly more diseases than drugs targeting other genes/proteins, highlighting the importance of these core modules as prime therapeutic opportunities.