基于生物信息学技术筛选影响胶质母细胞瘤化疗敏感性相关基因的研究

目的:应用生物信息学技术筛选影响胶质母细胞瘤(GBM)化疗敏感性的相关基因。方法:对2批胶质瘤患者BIOSTAR基因芯片进行分析。通过随访完善临床资料,筛选芯片中胶质母细胞瘤患者生存期长、短两组间的差异基因,明确差异基因参与的功能和通路,并构建与烷化剂相关基因的信号传导网络,结合芯片数据、患者预后和信号传导网络,筛选GBM化疗敏感性的相关基因。结果:两组芯片中间差异基因有503条。2批芯片的差异基因主要参与62项基因功能,主要参与31条信号传导通路。通过对差异基因功能、通路,烷化剂信号转导网络的分析,得到影响胶质母细胞瘤化疗敏感性的核心的差异基因IFNGR2、IL8、ITGA5、TNFRSF1B。结论:通过严谨的实验设计和科学的统计学判别,结合患者完整的生存资料,本研究成功地应用生物信息学技术对基因芯片的大量数据进行挖掘和分析,并筛选出了可能影响GBM患者预后和化疗药物敏感性的基因,为进一步功能实验和患者个体化治疗奠定了基础。     

基于生物信息学技术筛选影响胶质母细胞瘤化疗敏感性相关基因的研究

目的：应用生物信息学技术筛选影响胶质母细胞瘤（GBM）化疗敏感性的相关基因。方法：对2批胶质瘤患者BIOSTAR基因芯片进行分析。通过随访完善临床资料,筛选芯片中胶质母细胞瘤患者生存期长、短两组间的差异基因,明确差异基因参与的功能和通路,并构建与烷化剂相关基因的信号传导网络,结合芯片数据、患者预后和信号传导网络,筛选GBM化疗敏感性的相关基因。结果：两组芯片中间差异基因有503条。2批芯片的差异基因主要参与62项基因功能,主要参与31条信号传导通路。通过对差异基因功能、通路,烷化剂信号转导网络的分析,得到影响胶质母细胞瘤化疗敏感性的核心的差异基因IFNGR2、IL8、ITGA5、TNFRSF1B。结论：通过严谨的实验设计和科学的统计学判别,结合患者完整的生存资料,本研究成功地应用生物信息学技术对基因芯片的大量数据进行挖掘和分析,并筛选出了可能影响GBM患者预后和化疗药物敏感性的基因,为进一步功能实验和患者个体化治疗奠定了基础。     

胶质母细胞瘤预后相关基因的数据挖掘分析

胶质母细胞瘤(glioblastoma,GBM)是恶性程度最高的颅内恶性肿瘤,目前临床上缺乏有效治疗药物,复发率高且预后差,开发新的抗GBM药物是目前临床上亟待解决的问题。为了筛选与GBM预后密切相关的基因,为寻找新的药物靶点提供线索,采用GEO2R工具从GEO数据库中的269个肿瘤组织和61个正常组织中初步筛选出差异表达基因,然后利用Cluster Profiler数据库进行基因功能富集分析,STRING及Cytoscape进一步筛选出37个差异表达基因,采用GEPIA交互分析对这37个基因在GBM肿瘤组织中的表达进行验证。为了进一步探索这些差异表达基因与患者预后的关系,研究中利用GEPIA工具对TCGA数据库中与患者预后相关的数据进行深入挖掘,最终发现PTTG1、RRM2、E2F7与患者中位生存期呈显著性负相关。研究筛选出的与患者预后密切相关的基因不仅可以为评估患者预后提供参考,同时也为开发新的抗GBM药物提供了潜在的靶点。     

自噬基因CTSL表达与胶质母细胞瘤患者预后相关

本研究旨在探讨自噬基因CTSL对胶质母细胞瘤(GBM)患者的预后影响。利用癌症基因组图谱(TCGA)、人类自噬数据库(HADB)、中国脑胶质瘤基因组图谱(CGGA)数据库、基因表达谱分析(GEPIA)获取数据信息,通过筛选差异表达基因及单因素和多因素COX分析确定GBM的独立预后危险因素,同时通过基因本体论(GO)、基因组百科全书途径(KEGG)、临床病理相关性、基因集富集分析(GSEA)、自噬基因网络分析CTSL的相关作用机制。结果显示:(1)富集分析显示胶质母细胞瘤中差异自噬基因(ARG)与自噬体的形成、细胞凋亡、血管生成、细胞化疗等相关;(2)GBM中CTSL的mRNA水平明显高于正常组织样本;(3)多因素COX回归分析显示自噬基因CTSL的高表达为GBM预后的独立危险因素,STUPP治疗(术后替莫唑胺[Tmz]同步放化疗+Tmz辅助化疗)为独立保护因素;(4)自噬基因CTSL在非GCIMP(CpG岛甲基化)型、间质型、IDH野生型、1p/19q无缺失型胶质母细胞瘤及化疗后表达量更高。综上所述,本研究分析了自噬基因在GBM中的作用,并表明自噬基因CTSL的过表达预示胶质母细胞瘤患者不良预后,显示自噬基因CTSL有作为有效靶标的潜质。     

甲基转移样酶1在胶质母细胞瘤中高表达并与促胶质母细胞瘤生长有关

目的 探讨甲基转移样酶1(methyltransferase-like 1,METTL1)在人胶质母细胞瘤中的表达及其临床意义.方法 通过免疫荧光双标方法观察正常人脑组织中METTL1蛋白的表达定位.采用TCGA数据库分析比较METTL1 mRNA在胶质母细胞瘤及正常人脑组织中的表达差异.选取60例人胶质母细胞瘤及10...     

家蝇Prohibitin基因的生物信息学分析

为对家蝇Prohibitin蛋白序列进行生物信息学分析,从而为该基因功能研究奠定基础。利用在线分析程序和相关工具软件分析Prohibitin蛋白的理化性质、结构域、并预测其空间结构和功能。结果表明家蝇Prohibitin蛋白由277个氨基酸组成,分子量为30.54 k Da,理论等电点为5.26,为稳定蛋白,有跨膜区,但不含信号肽,该蛋白属于PHB保守结构域家族,亚细胞定位于细胞质,二级结构以α-螺旋为主。蛋白同源性比对结果显示,昆虫中的Prohibitin蛋白具有较高的同源性。这些分析结果可为今后深入研究该蛋白的结构特征和功能提供参考。     

基于单细胞测序构建胶质母细胞瘤预后模型

[目的]基于单细胞测序筛选胶质母细胞瘤特征基因并构建预后模型。[方法]分析GEO数据库单细胞RNA测序数据集GSE84465,筛选出GBM细胞分化相关的差异基因。下载TCGA数据库GBM的基因表达谱和临床数据,采用Lasso回归、Cox回归分析筛选出特征基因构建预后模型,根据独立预后因素构建列线图,GSE83300作为外部验证集。基于风险评分中位数将患者分组,比较两组生存差异。[结果]通过scRNA-seq得到492个分化差异基因,经过回归分析得到基于6个基因(PLAUR、RARRES2、G0S2、MDK、SERPINE2、CD81)的预后模型。其1、3、5年ROC曲线下面积均大于0.7;KM分析显示高低风险组预后存在差异(P<0.001),GSE83300验证结果与TCGA一致。多因素Cox回归分析表明年龄和风险评分可以作为独立影响因素(P<0.01);C-Index(0.679)、校准图显示列线图预测模型有良好的拟合度。GSEA分析示高低风险组差异基因集参与细胞因子受体相互作用、抗原处理与提呈等通路。[结论]由PLAUR、RARRES2、G0S2、MDK、SERPINE...     

多形胶质母细胞瘤细胞系端粒酶活性的测定

端粒缩短见于星形细胞瘤发展过程中,但其长度在胶质母细胞瘤／细胞系相对稳定,提示胶质瘤细胞内存在端粒修复机制的可能性．为证实此点,利用端粒重复片段扩增技术（ＴＲＡＰ）,对８株人／大鼠多形胶质母细胞系的蛋白提取液中端粒酶活性加以测定．结果显示：８例胶质瘤样本的反应液均可见端粒ＰＣＲ扩增片段;用无ＤＮａｓｅ的ＲＮａｓｅ事先处理蛋白提取液,可明显降低或消除ＰＣＲ产物的出现,说明ＴＲＡＰ反应中的ＰＣＲ扩增是在端粒酶的介导下进行而非ＤＮＡ污染或其它端粒修复因子所致．从而不但建立起检测人癌细胞内端粒酶活性的可靠方法,也为针对端粒酶的胶质母细胞瘤生物／药物治疗提供了实验依据．     

单纯疱疹病毒胸苷激酶基因对人胶质母细胞瘤细胞的杀伤效应研究

目的　研究单纯疱疹病毒胸苷激酶 (HSV1 TK)基因转染并联合抗病毒药更昔洛韦 (Ganciclovir ,GCV)对人胶质母细胞瘤细胞的杀伤效应。方法　采用基因工程技术构建带HSV1-TK基因的逆转录病毒重组体pLX SN TK ,采用脂质体介导入PA317包装细胞 ,建立重组逆转录病毒载体分泌细胞株PA317 TK ;用该细胞上清液转导人胶质母细胞瘤细胞 ,用不同浓度GCV作用人胶质母细胞瘤细胞SW0 38 C2 TK和野生型SW0 38 C2 ,采用噻唑蓝(MTT)比色法检测 72h后细胞存活率 ,并求出半杀伤浓度。结果　重组逆转录病毒载体pLXSN TK能有效地将TK基因导入SW0 38-C2细胞内 ,并使其获得对GCV的敏感性 ;体外细胞毒实验 :在 2 0 μmol LGCV存在的情况下 ,野生型细胞无明显改变 ,而实验组细胞明显死亡 ,半杀伤浓度IC50 为 0 8μmol L ,与SW0 38 C2相比 ,对GCV的敏感性提高了 6 0 0倍 ,旁杀效果也较明显。结论　SW0 38 C2转染TK基因后 ,能有效地被GCV杀灭。显示了其潜在的临床应用价值     

普氏野马GH基因的克隆及生物信息学分析

普氏野马(Equus przewalskii)属国家Ⅰ级保护动物,是现存的马中唯一的野生亚种。生长激素(Growth Hormone, GH)是大脑垂体前叶分泌的一种多肽类激素,对动物个体的生长、发育的影响极其明显。为了更好的保护普氏野马,提高其野外生存与繁殖能力,本研究利用PCR技术首次获得了普氏野马GH基因,并利用生物信息学方法对其编码的蛋白质结构和功能进行分析和预测,旨在探明普氏野马生长激素(Growth Hormone, GH)基因的结构特点以及其编码蛋白质的结构与功能。结果显示,普氏野马GH基因所在基因组DNA全长为1 577 bp,经BLAST比对后,发现普氏野马与家马(GenBank:EU939446.1)GH基因序列相似性高达99.68%,属于同源序列。该基因编码蛋白质的氨基酸数量为152个,分子量为17 638.54 Da,理论等电点为9.01,带负电荷的残基总数(Asp+Glu)为19个,正电荷残基总数(Arg+Lys)为23个,分子式为C₇₉0H₁₂₇₄N₂₁₆O₂₂₆S     

文蛤过氧化氢酶的生物信息学分析

基于NCBI数据库,对文蛤过氧化氢酶基因(MmeCAT)进行生物信息学分析,旨在为文蛤过氧化氢酶的结构与功能的研究提供理论基础。结果表明,该基因编码511个氨基酸。文蛤过氧化氢酶分子量为58 181.29 Da,分子式为C_(2588)H_(3928)O_(767)N_(730)S_(20),理论等电点为8.05,属亲水蛋白。带负电荷氨基酸残基数(Asp+Glu)为63个,带正电荷氨基酸残基数(Arg+Lys)为65个。假设所有半胱氨酸全部形成胱氨酸,其消光系数为63 175 mol/L,相应的吸光度为1.086;假设所有的半胱氨酸均未形成胱氨酸时,消光系数为62 800 mol/L,相应的吸光度为1.079;其半衰期为30 h,脂肪族氨基酸指数为57.28,不稳定系数为27.77(40),可知文蛤过氧化氢酶为稳定蛋白质。亚细胞定位于过氧化物酶体,存在71个磷酸化位点和51个糖基化位点,无信号肽。二级结构以无规卷曲和α-螺旋为主,在物种进化上具有高度的保守性保守结构域预测表明,该基因编码蛋白可能属于典型单功能过氧化氢酶的第三分支。研究文蛤过氧化氢酶结构,能够为文蛤抗逆性品种选育提供理论基础。     

鮰爱德华菌外膜蛋白OmpLC基因的生物信息学分析

采用PCR方法从鮰爱德华菌基因组中扩增出外膜蛋白OmpLC基因,利用生物信息学相关软件和网络数据库,预测该基因编码产物的基本理化性质、亲疏水性、信号肽、跨膜性、二级结构、结构域及基序、以及三级结构,同时构建OmpLC同源基因的系统发育进化树。结果表明:该蛋白由360个氨基酸组成,分子量为39.407 k D,理论等电点为4.98,不稳定系数为18.26,是一种稳定的强亲水性蛋白,有信号肽,成熟蛋白无跨膜螺区。其二级结构中α螺旋、β折叠和无规则卷曲分别占6.67%、45.28%和48.06%,其空间结构为β桶状,属于OM_channels superfamily的gram_neg_porins成员。蛋白质多重序列比对和聚类分析显示,该蛋白序列与OmpLC蛋白(AEQ59632、AEQ59639)具有高度同源性,且在系统发育树上与二者聚为一簇。鮰爱德华菌OmpLC的生物信息学分析不仅为进一步探索该蛋白的功能提供参考资料,也为研究鮰爱德华菌的感染和致病机理,研制相关疫苗提供理论依据。     

心脏肌球蛋白结合蛋白C的生物信息学分析

MYBPC3基因突变是家族性肥厚型心肌病的原因之一。本文对心脏肌球蛋白结合蛋白C基因(cardic myosin binding protein C,MYBPC3)及其编码蛋白(c My BP-C)进行生物信息学分析。运用生物信息学相关数据库和在线生物学软件分析MYBPC3基因的结构与突变位点,对c My BP-C蛋白分子物种间的序列同源性、蛋白质空间结构、理化性质、组织特异性、蛋白质翻译后修饰、蛋白质相互作用网络进行分析。结果表明人MYBPC3基因mRNA全长为4 217 bp,编码区为3 825 bp,MYBPC3基因编码1 274个氨基酸组成的多肽,与物种进化程度一致,属于免疫球蛋白超家族,是酸性亲水蛋白,稳定性不高,其主要二级结构元件为随机卷曲。与c My BP-C存在相互作用的基因和蛋白主要是磷酸激酶与肌小节组成成分。本文对MYBPC3基因进行生物信息学分析,为深入研究MYBPC3基因的分子功能以及靶向治疗遗传性心肌病提供一定的依据。     

2个银叶真藓HSP70序列的生物信息学相关分析

从银叶真藓(Bryum argenteum)转录组数据库出发,使用Pfam数据库提供的HMM模型共得到33条长度大于200aa,注释的热休克蛋白Ba HSP70;其中2条(Ba HSP70-1,Ba HSP70-2)具有完整ORF,NCBI核酸数据库登录号为KP087877和KP087878。使用生物信息学在线分析工具和软件,对真藓HSP70的两条蛋白质序列从氨基酸组成、保守结构域、理化性质、疏水性/亲水性、信号肽、蛋白质结构、模体的识别及同源性分析等方面进行了预测和分析。结果表明:2条Ba HSP70s基因序列ORF全长分别为2 396 bp和2 356 bp,分别编码649aa和650aa。序列模体分析表明Ba HSP70s和其它报道的植物HSP70均含有4个相同的模体,并且各模体在蛋白质序列上顺序一致。通过对2条Ba HSP70s进行氨基酸多序列比对及基因树分析,发现Ba HSP70-1和Ba HSP70-2雪莲相似度最高,分别是91.2%和86.6%。本研究为进一步研究HSP70基因的克隆和功能验证奠定了基础。     

黑曲霉3.795glaA基因及其5'调控区的克隆和序列分析

黑曲霉Ｔ２１是由黑曲霉３．７９５经诱变育种获得的糖化酶高产菌株,为阐明其高产的分子机制,由黑曲霉３．７９５克隆了糖化酶结构基因及其５′旁侧序列,并与黑曲霉Ｔ２１的相应序列进行了比较．由黑曲霉３．７９５菌丝体分离染色体ＤＮＡ,Ｓｏｕｔｈｅｒｎ杂交分析表明,糖化酶结构基因位于～２．５ｋｂ的ＥｃｏＲⅠ－ＥｃｏＲⅤ染色体ＤＮＡ片段上,在此ＥｃｏＲⅠ位点上游约１．０ｋｂ处有一ＳａｌⅠ位点．为构建糖化酶结构基因及其５′旁侧序列的基因组文库,该染色体ＤＮＡ分别用ＥｃｏＲⅠ＋ＥｃｏＲⅤ和ＥｃｏＲ＋ＳａｌⅠ消化,琼脂糖凝胶电泳分离并回收长度在１．０ｋｂ左右和２．５ｋｂ左右的ＤＮＡ片段,分别与ｐＵＣ１９载体连接后转化入Ｅ．ｃｏｌｉＤＨ５．用原位杂交方法筛选到了携带糖化酶基因编码区及其１５０５ｂｐ５′旁侧序列的阳性克隆．对克隆片段的ＤＮＡ序列进行了测定并与黑曲霉Ｔ２１的相应序列进行了比较,结果表明,在糖化酶基因编码区及其１５０ｂｐ３′非编码区内,未发现碱基差异,但在－３４０～－１５０５的５′上游区内发生了９个位置的碱基变化,包括缺失、插入和替换．这些结果表明,黑曲霉Ｔ２１与３．７９５的糖化酶产量的差异与其结构基因无关,但可能与其     

1H NMR metabolomics analysis of glioblastoma subtypes: correlation between metabolomics and gene expression characteristics

Glioblastoma multiforme (GBM) is the most common form of malignant glioma, characterized by unpredictable clinical behaviors that suggest distinct molecular subtypes. With the tumor metabolic phenotype being one of the hallmarks of cancer, we have set upon to investigate whether GBMs show differences in their metabolic profiles. (1)H NMR analysis was performed on metabolite extracts from a selection of nine glioblastoma cell lines. Analysis was performed directly on spectral data and on relative concentrations of metabolites obtained from spectra using a multivariate regression method developed in this work. Both qualitative and quantitative sample clustering have shown that cell lines can be divided into four groups for which the most significantly different metabolites have been determined. Analysis shows that some of the major cancer metabolic markers (such as choline, lactate, and glutamine) have significantly dissimilar concentrations in different GBM groups. The obtained lists of metabolic markers for subgroups were correlated with gene expression data for the same cell lines. Metabolic analysis generally agrees with gene expression measurements, and in several cases, we have shown in detail how the metabolic results can be correlated with the analysis of gene expression. Combined gene expression and metabolomics analysis have shown differential expression of transporters of metabolic markers in these cells as well as some of the major metabolic pathways leading to accumulation of metabolites. Obtained lists of marker metabolites can be leveraged for subtype determination in glioblastomas.