关于食管癌亚型食管基底细胞样鳞癌的基因芯片数据分析

分析食管基底细胞样鳞癌(basaloid squamous cell carcinoma of the esophagus,BSCCE)的组织样本基因表达情况,探讨其病理学过程和肿瘤免疫逃逸机制,同时对BSCCE独特的肿瘤微环境及潜在的临床指标在对其远期预后的病理基础进行讨论,以期为临床工作中更好的治疗BSCCE提供一定的理论基础。利用临床术中获取的组织样本及其基因芯片数据,进一步获取BSCCE组织样本与同体正常组织样本的基因差异表达情况(log|FC|≥2,p0.05),其中BSCCE组织相对于正常组织的上调表达差异表达基因共489个,下调差异表达基因922个,利用DAVID在线分析系统对差异表达基因进行京都基因与基因组百科全书(kyoto encyclopedia of genes and genomes,KEGG)信号通路分析获取对BSCCE组织病理情况相关的分析结果,进一步利用STRING-OL工具对差异表达基因的可信度(可信度≥0.4)进行筛选,获取差异表达基因的蛋白质相互作用分析(protein-protein interaction,PPI)结果,进一步利用Cytoscape软件对筛选后的PPI结果制作相应的基因相互作用网状图,并进一步筛选核心表达的差异基因。在上调差异基因的KEGG分析中获得了88个结果,如p53signaling pathway、Cytokine-cytokine receptor interaction pathway、Toll-like receptor signaling pathway等,在下调的差异基因KEGG分析中获得了125个结果,如Drug metabolism-cytochrome P450 pathway、MAPK signaling pathway、Calcium signaling pathway、Cytokine-cytokine receptor interaction pathway等,这些相关的信号通路对进一步理解BSCCE的肿瘤微环境变化及肿瘤病理相关机制有重要意义,通过PPI分析,我们筛选出了一些与肿瘤远期生存率(overall survival,OS)相关的基因:CDC6、CDC20、TOP2A、NEK2、CDC25A等,这为我们进一步研究BSCCE及其肿瘤病理标志物和远期生存的关系提供了理论基础。     

冠心病的遗传机制

冠心病是一种常见的受遗传背景、生活习惯及环境等因素共同作用而导致的复杂疾病,其中遗传是重要的危险因素之一.目前通过全基因组扫描(连锁分析和关联分析)等技术已筛选到160余个冠心病易感位点和多个致病基因.本文主要介绍冠心病遗传机制的研究现状,致病基因所参与的生物学过程和信号通路,以及遗传与环境因素相互作用对冠心病发生和发...     

基于功能基因组数据整合方法研究前列腺癌风险基因

目的:利用生物信息学方法,将高通量基因表达数据与单核酸多肽(SNP)基因型数据进行整合分析,研究并注释前列腺癌风险基因。方法:本文基于EST、SAGE、基因芯片三类功能基因组数据整合的方法研究前列腺癌风险基因。首先,通过三类数据寻找前列腺癌中异常表达和差异表达基因。利用全基因组关联分析得到前列腺癌相关基因的SNPs。定位所得到的前例腺癌差异表达基因与SNPs到染色体,获取与SNPs在同一区段的差异表达基因,并通过各种数据库注释所得基因。结果:通过数据整合分析,最终得到前列腺癌风险基因84个,其中20多个基因已被证实与前列腺癌极其相关。结论:整合前列腺癌高通量表达数据与SNP基因型数据,能够快速有效的获得前列腺癌显著相关基因。此方法可以推广于其它癌症的研究。     

冠心病易感基因的筛选

作为一种多基因疾病 ,冠心病是由遗传和环境因素共同作用的结果 ,在许多国家是主要的死因之一。由于目前冠心病的发病机制尚不十分清楚 ,阻碍了其易感基因的定位分离研究。冠心病遗传因素的确定 ,显然将有助于其易感基因定位分离研究。迄今除发现了个别的相关基因外 ,绝大部分的遗传易感性相关基因尚未被发现 ,其研究仍然存在许多问题。为此 ,本文就其易感基因可能的研究策略和方法作一综述。这些方法同样也适用于诸如中风、外周血管阻塞、高血压、心力衰竭等心血管疾病以及其它多基因疾病     

基于数据挖掘分析microRNAs在冠状动脉支架内再狭窄中的调控机制

目的:通过寻找支架内再狭窄相关的循环microRNAs(miRNAs)及其作用靶基因,阐释miRNAs在经皮冠状动脉介入治疗的同时带来的支架内再狭窄(ISR)中的网络调控作用及机制。方法:由美国NCBI的GEO公共数据平台下载GSE60959中的miRNAs芯片数据,通过GeneSpringGX芯片分析软件分析得到ISR患者和对照组之间差异表达的循环miRNAs;采用miRNAs靶基因预测算法TargetScan和miRanda预测差异表达miRNAs的靶基因,通过DAVID平台和KEGG数据库分析得到靶基因所参与的信号通路;用GSE46560的mRNA芯片数据分析得到ISR患者较非ISR患者循环mRNAs差异表达谱,用来验证miRNAs调控ISR所作用的靶基因;采用Cytoscape软件构建基于miRNAs-信号通路、miRNAs-靶基因的共表达网络。结果:与对照组相比,ISR组存在131个差异表达循环miRNAs,其中上调41个。前5个上调miRNAs分别是miR-1183、miR-512-5p、miR-187-5p、miR-144-3p和miR-1225-5p。5个miRNAs的预测靶基因共6587个,信号通路富集分析显示这些基因主要参与的信号通路包括MAPK signaling pathway、ErbB signaling pathway、Wnt signaling pathway、Focal adhesion、Neurotrophin signaling pathway和Regulation of actin cytoskeleton。进一步对mRNAs芯片进行差异分析显示,与对照组相比,ISR患者差异循环mRNAs共171个,其中最可能受上述5个miRNAs调控的基因共43个。构建的共表达网络显示,miR-512-5p是作用靶基因和参与信号通路最多的miRNAs。结论:ISR患者循环miRNAs和mRNAs表达谱均存在改变,多个差异表达miRNAs通过作用于多个靶mRNAs,进而影响多个信号通路的活性,最终对ISR的发生、发展形成网络调控作用。     

NSCLC分类及生存分析预测的全基因组特征基因识别

基于NSCLC(非小细胞肺癌)子类分类在临床和生物医学研究方面的意义,利用全基因组基因表达水平(GE)和甲基化(ME)水平的微阵列数据对NSCLC子类分类进行全基因组特征基因识别分析。针对全基因组微阵列数据的高噪声、超高维小样本特性,利用弹性正交贝叶斯算法对全基因组基因进行递归筛选,识别分类精度最优的特征基因集。以TCGA的490的基因表达数据和378个甲基化数据为例,分别识别出52个GE特征基因和25个ME特征基因,相应的分类准确率分别为99%和98%。结合特征基因和临床数据建立的多变量Cox模型明确说明了特征基因在病人生存分析方面的重要作用:仅利用相应的基因表达数据和甲基化数据即可对病人样本的"高/低风险"进行正确分类,显著性水平均低于0.05。特征基因参与的代谢通路与p53、TGF-beta、Wnt等重要的癌症分类和发展的代谢通路的密切关系进一步证实了特征基因对NSCLC分类的重要性。     

胆固醇酯转运蛋白基因多态性与冠心病关系的研究进展

胆固醇酯转运蛋白(CETP)是杀菌蛋白基因家族的重要成员,其主要功能是介导血浆中的胆固醇酯逆向从外周组织转运至肝脏中。目前,CETP基因被广泛认为是冠状动脉疾病(CHD)易感基因之一,CETP基因位点的遗传差异表明其与高密度脂蛋白浓度的变化有关,而高密度脂蛋白的浓度高低与冠心病的形成有很大的关系。因此,CETP的功能、遗传差异及与冠心病的关系是当前心血管疾病研究中的一个热点。本文较全面地阐述了CETP的生物学特性、功能以及CETP基因多态性与冠心病的关系。     

GWGS芯片整合分析识别外周血细胞中与骨质疏松症相关的枢纽基因

为了对骨质疏松症基因芯片数据集进行整合分析并识别出外周血细胞中与骨质疏松症相关的枢纽基因,通过检索GEO和ArrayExpress数据库获得骨质疏松症相关的表达谱芯片数据集;运用GWGS (genome-wide global significance)方法对纳入的数据集进行整合分析,筛选出差异表达基因(differentially expressed genes, DEGs);然后,运用GO (gene ontology)富集分析和KEGG (kyoto encyclopedia of genes and genomes)通路富集分析对差异表达基因进行功能注释,并建立蛋白质相互作用(protein-protein interaction, PPI)网络,筛选出骨质疏松症相关的枢纽基因。公共数据库检索得到3个符合纳入排除标准的研究集, GWGS整合分析筛选出排序前200的DEGs,这些基因主要富集的GO条目为脂多糖的细胞反应、凋亡过程和炎症反应,与骨质疏松症相关的KEGG富集通路为破骨细胞分化等。PPI分析进一步检测到与骨质疏松症相关的10个枢纽基因,其中9个基因已有研究报道和骨质疏松症的发生发展相关,而ELANE基因还未有研究报道与骨质疏松症有关。ELANE基因同时在人的骨髓组织、小鼠骨髓和骨组织中高表达,这个基因很可能与骨质疏松症有潜在的联系。本研究的结果将有助于进一步理解骨质疏松症的分子致病机理。     

多巴胺通路的基因与精神分裂症风险的多位点关联研究

精神分裂症是一种严重的精神疾患, 全世界的群体发病率约为1%. 一般认为它是一种复杂的多基因疾病, 其致病因素是多个基因的联合作用. 有证据表明多巴胺递质系统的改变与精神分裂症有关. 为了发现多巴胺代谢通路中的精神分裂症易感基因, 收集了82个精神分裂症病例和108个与之匹配的正常对照, 分析了该人群位于多巴胺代谢通路上的24个基因中的59个单核苷酸多态性(SNPs)位点. 由于传统的单位点关联研究忽视了复杂疾病的多基因致病性的本质, 不考虑易感基因之间的相互作用, 因此提出了一个多位点的关联分析方法, 该方法用致病后验概率度量一个多位点基因型组合的致病风险, 并用一套基于扰动和平均的算法来检测易感的多位点基因型组合和抑制噪声, 避免在结果中包含假阳性位点. 发现了一个三位点的SNP组合, 相应的基因组合为COMT和ALDH3B1基因, 对精神分裂症高度易感.     

基因水平的关联分析方法

全基因组关联研究(Genome wide association study, GWAS)已经在国内外的医学遗传学研究中得到广泛应用, 但是GWAS数据中所蕴含的与多基因复杂性状疾病机制相关的丰富信息尚未得到深度挖掘。近年来, 研究者采用生物网络分析和生物通路分析等生物信息学和生物统计学手段分析GWAS数据, 并探索潜在的疾病机制。生物网络分析和生物通路分析主要是以基因为单位进行的, 因此必须在分析前将基因上全部或者部分单个单核苷酸多态性(Single nucleotide polymorphism, SNP)的遗传关联结果综合起来, 即基因水平的关联分析。基因水平的关联分析需要考虑单个SNP的遗传关联、基因上SNP数量和SNP之间的连锁不平衡结构等多种因素, 因此不仅在遗传学的概念上也在统计方法方面具有一定的复杂性和挑战性。文章对基因水平的关联分析的研究进展、原理和应用进行了综述。     

Genes, diet and public health

Common chronic diseases such as coronary heart disease (CHD), diabetes, cancer, hypertension and obesity are significantly influenced by dietary and other behavioural habits. There is increasing scientific evidence that genetic factors (SNPs), conferring either protection or risk, also contribute importantly to the incidence of these diseases. SNPs are of particular interest because they influence disease in a complex but largely unknown manner by interacting with environmental and lifestyle factors. Because genetic factors also affect a person's response to dietary habits, SNPs likely will be useful in helping to determine and understand why individuals differ in their response to diets. Therefore, the discovery of SNPs will likely revolutionize not only the diagnosis of disease but also the practice of preventative medicine. Other developments, like new biomarkers and noninvasive imaging techniques, might turn out to be highly sensitive and specific in order to identify patients at risk, especially in cases with asymptomatic coronary heart disease. Thus, further knowledge of such new risk factors and their interaction with nutrition, has the potential to provide a more precise and personalized approach to prevent and treat chronic diseases like coronary artery disease, myocardial infarction and stroke.     

干扰素信号传导通路与其基因组多态性网络模型的建立

通过检索Pubmed、Embase数据库, 整合文献资料, 运用Teranode Design Suite(TDS)生物软件, 建立干扰素(IFN)发挥生物学作用的信号传导通路。应用SNP Trawler软件搜索通路中相关基因的SNP信息, 并以属性形式在通路模型中给以显示。结果构建了融合基因的遗传信息尤其是SNP相关信息的IFN发挥生物学作用的信号传导通路的网络模型, 此模型共包含JAK-STAT, MAPK-p38和PI3K 3条主要传导通路, 干扰素通过不同的信号传导通路发挥不同的生物活性, 其中Ⅰ型干扰素通过这3条通路发挥抗病毒、抗细胞增殖及免疫调节等重要作用, 而Ⅱ型干扰素则通过JAK-STAT和MAPK-p38路径发挥生物学作用, Ⅲ型干扰素则仅通过PI3K通路发挥生物学作用; 这3条传导通路包含98个基因和19 693个SNPs, 组成了复杂的基因间相互作用网络。此通路模型的成功建立, 一方面为研究SNP对IFN生物学作用的影响而预测IFN疗效提供理论基础, 另一方面为实现个体化诊疗、发现新的药物作用靶点及开发新的药物奠定基础。     

Integrative analysis of genomic variants reveals new associations of candidate haploinsufficient genes with congenital heart disease

Numerous genetic studies have established a role for rare genomic variants in Congenital Heart Disease (CHD) at the copy number variation (CNV) and de novo variant (DNV) level. To identify novel haploinsufficient CHD disease genes, we performed an integrative analysis of CNVs and DNVs identified in probands with CHD including cases with sporadic thoracic aortic aneurysm. We assembled CNV data from 7,958 cases and 14,082 controls and performed a gene-wise analysis of the burden of rare genomic deletions in cases versus controls. In addition, we performed variation rate testing for DNVs identified in 2,489 parent-offspring trios. Our analysis revealed 21 genes which were significantly affected by rare CNVs and/or DNVs in probands. Fourteen of these genes have previously been associated with CHD while the remaining genes (FEZ1, MYO16, ARID1B, NALCN, WAC, KDM5B and WHSC1) have only been associated in small cases series or show new associations with CHD. In addition, a systems level analysis revealed affected protein-protein interaction networks involved in Notch signaling pathway, heart morphogenesis, DNA repair and cilia/centrosome function. Taken together, this approach highlights the importance of re-analyzing existing datasets to strengthen disease association and identify novel disease genes and pathways.     

A new methodology to associate SNPs with human diseases according to their pathway related context

Genome-wide association studies (GWAS) with hundreds of żthousands of single nucleotide polymorphisms (SNPs) are popular strategies to reveal the genetic basis of human complex diseases. Despite many successes of GWAS, it is well recognized that new analytical approaches have to be integrated to achieve their full potential. Starting with a list of SNPs, found to be associated with disease in GWAS, here we propose a novel methodology to devise functionally important KEGG pathways through the identification of genes within these pathways, where these genes are obtained from SNP analysis. Our methodology is based on functionalization of important SNPs to identify effected genes and disease related pathways. We have tested our methodology on WTCCC Rheumatoid Arthritis (RA) dataset and identified: i) previously known RA related KEGG pathways (e.g., Toll-like receptor signaling, Jak-STAT signaling, Antigen processing, Leukocyte transendothelial migration and MAPK signaling pathways); ii) additional KEGG pathways (e.g., Pathways in cancer, Neurotrophin signaling, Chemokine signaling pathways) as associated with RA. Furthermore, these newly found pathways included genes which are targets of RA-specific drugs. Even though GWAS analysis identifies 14 out of 83 of those drug target genes; newly found functionally important KEGG pathways led to the discovery of 25 out of 83 genes, known to be used as drug targets for the treatment of RA. Among the previously known pathways, we identified additional genes associated with RA (e.g. Antigen processing and presentation, Tight junction). Importantly, within these pathways, the associations between some of these additionally found genes, such as HLA-C, HLA-G, PRKCQ, PRKCZ, TAP1, TAP2 and RA were verified by either OMIM database or by literature retrieved from the NCBI PubMed module. With the whole-genome sequencing on the horizon, we show that the full potential of GWAS can be achieved by integrating pathway and network-oriented analysis and prior knowledge from functional properties of a SNP.     

Molecular genetics of myocardial infarction

Myocardial infarction (MI) is an important clinical problem because of its large contribution to mortality. The main causal and treatable risk factors for MI include hypertension, hypercholesterolemia or dyslipidemia, diabetes mellitus, and smoking. In addition to these risk factors, recent studies have shown the importance of genetic factors and interactions between multiple genes and environmental factors. Disease prevention is an important strategy for reducing the overall burden of MI, with the identification of markers for disease risk being key both for risk prediction and for potential intervention to lower the chance of future events. Although genetic linkage analyses of families and sib-pairs as well as candidate gene and genome-wide association studies have implicated several loci and candidate genes in predisposition to coronary heart disease (CHD) or MI, the genes that contribute to genetic susceptibility to these conditions remain to be identified definitively. In this review, we summarize both candidate loci for CHD or MI identified by linkage analyses and candidate genes examined by association studies. We also review in more detail studies that have revealed the association with MI or CHD of polymorphisms in MTHFR, LPL, and APOE by the candidate gene approach and those in LTA and at chromosomal region 9p21.3 by genome-wide scans. Such studies may provide insight into the function of implicated genes as well as into the role of genetic factors in the development of CHD and MI.     

冠心病全基因组关联研究进展

近年来全基因组关联研究在世界范围内发展迅猛,研究者应用全基因组关联研究策略发现了一系列疾病的相关基因或变异,将疾病的基因组研究推向一个新的阶段。冠心病是一种由环境因素和遗传因素共同作用导致的复杂疾病,且是世界范围内死亡和致残的首要原因之一,世界各地的研究者应用此策略发现了候选基因关联研究未曾发现的多个冠心病相关易感区域。文章对近年来世界范围内针对冠心病的全基因组关联研究取得的重要进展进行简要总结,然后就现阶段全基因组关联研究所面临的挑战以及对未来研究的发展趋势进行分析阐述,为进一步探究冠心病的遗传机制提供指导。     

抑郁症易感基因和抗抑郁药物靶点相关[]神经细胞类型及相互作用网络分析

基于抑郁症的全基因组关联分析研究(GWAS),对于获得的单核苷酸多态性位点(SNP)使用Haploreg软件进行基因注释,得到SNP注释的102个易感基因.。使用MAGMA软件对GWAS的汇总统计数据做基因水平的分析,获得了270个校正之后显著的基因,两者合并共得到320个抑郁症易感基因。通过药物数据库Drugbank获取133个抗抑郁药物靶点基因。使用EWCE包对抑郁症易感基因和抗抑郁药物靶点在三套脑组织单细胞测序数据中,分别进行神经细胞类型富集分析。结果发现大脑皮质的GABA神经元(抑制性神经元)和谷氨酸能神经元(兴奋性神经元)是抑郁症易感基因和抗抑郁药物靶点共同的神经元。这两种类型的神经细胞可能是抗抑郁药物与抑郁症易感基因相互作用的神经细胞,另外少突胶质前体细胞可能是抑郁症特有的易感神经细胞。使用Network Calculator软件构建网络并进行进行网络拓扑学参数分析。结果表明抑郁症易感基因与抗抑郁药物靶点组成了一个具有显著的相互连接的网络。本研究从单细胞层面揭示抑郁症的遗传机制,在网络层面为寻找新的抗抑郁药物靶点提供了一定的启示。