钙化性主动脉瓣疾病生物信息学分析和关键基因筛选

目的:探索可能引起钙化性主动脉瓣疾病(CAVD)的关键基因和信号转导通路,寻找CAVD患者瓣膜组织中浸润的关键细胞,为CAVD诊疗提供新的思路。方法:从GEO数据库中获取人类CAVD现有信息芯片,筛选出正常主动脉瓣与CAVD瓣膜之间的差异表达基因(DEGs)。对DEGs的功能和通路基于基因本体论(GO)、京都基因和基因组百科全书(KEGG)进行富集分析。应用String数据库和Cytoscape软件构建蛋白质-蛋白质相互作用(PPI)网络,并筛选出关键基因。运用CIBERSORT数据包计算CAVD中22种免疫细胞浸润比例。结果:通过文本挖掘和数据分析,CAVD患者瓣膜组织有95个DEGs,其中64个基因上调,31个基因下调。这些DEGs通过GO分析富集到细胞外基质组织、细胞外结构组织、外部封装结构组织等117个生物学过程,含胶原蛋白的细胞外基质、内质网腔、胶原蛋白三聚体等13个细胞组分和细胞外基质结构成分、整合素结合、具有拉伸强度的细胞外基质结构成分等33个分子功能。KEGG分析显示主要在蛋白质消化与吸收、细胞外基质-受体相互作用、局灶性黏附等10个方面富集。通过PPI分析筛选出10个...     

基于生物信息学技术筛选缺血性脑卒中相关转录因子及中药活性成分研究

目的 基于生物信息学技术筛选缺血性脑卒中（IS）相关转录因子（TF）及中药活性成分。方法 在基因表达综合数据库（GEO）中选择GSE16561、GSE58294、GSE162955芯片数据集，使用R 4.0.5软件对GSE16561、GSE58294数据集进行预处理并筛选差异表达基因（DEGs），然后进行基因集富集分析（GSEA）。通过STRING平台构建DEG的蛋白质-蛋白质相互作用（PPI）网络并筛选关键DEG，通过GSE162955数据集绘制ROC曲线，以评估关键DEG对IS的诊断价值；然后通过TRRUST平台构建TF-miRNA-核心DEG调控网络，筛选枢纽TF、主要miRNA及核心DEG。通过Coremine Medical及Uniprot平台预测并筛选IS相关中药活性成分。结果 韦恩图结果显示，GSE16561数据集和GSE58294数据集的交集DGEs共220个，包括130个上调DGEs和90个下调DEGs。GSEA结果显示，KEGG通路主要富集在MAPK信号通路、神经营养因子信号通路和趋化因子信号通路；GO功能生物过程主要富集在中心粒细胞外渗，细胞成分主要富集在细胞器内...     

非特异性间质性肺炎相关基因筛选和生物信息学分析

目的通过生物信息学的方法筛选非特异性间质性肺炎(nonspecific interstitial pneumonia, NSIP)的致病基因,为进一步研究提供靶点。 方法从GEO数据库下载基因芯片数据集GSE110147、GSE21369、GSE40839,使用limma包分析工具筛选正常组织与NSIP的差异表达基因。通过clusterProfiler包对差异表达基因进行GO分析和KEGG通路富集分析,找到NSIP发病过程中差异表达基因主要参与的生物功能及其集中的信号通路。利用STRING数据库和CYTOSCAPE软件构建蛋白相互作用网络,使用MCODE软件提取蛋白相互作用网络中的子网络模块。 结果3个数据集的差异表达基因做韦恩图得到3个共同差异表达基因。GO富集分析表明NSIP中上调的差异表达基因主要影响RNA剪接、抗病毒感染、对肽的细胞反应等相关的生物过程,富集的分子主要参与细胞组分的囊腔合成分泌、剪接复合体,富集的分子功能主要参与ATP酶活性,受体配体活性及DNA结合转录激活因子活性。NSIP中下调的蛋白主要涉及转移酶活性调节的生物过程。KEGG通路分析表明NSIP中上调的差异表达基因主要参与PI3K-Akt、人类乳头瘤病毒感染及MAPK等信号通路。 结论利用生物信息学筛选出差异表达基因,可能是NSIP发病机制的新靶点,对诊断治疗NSIP具有临床意义。     

重症COVID-19肺炎肺纤维化关键基因的筛选

目的 通过生物信息学方法筛选重症COVID-19肺炎患者肺纤维化的关键基因，并预测重症COVID-19肺炎肺纤维化的潜在治疗性中药。方法 从GEO数据库中下载重症COVID-19肺炎肺纤维化的表达矩阵(GSE206788),通过R语言确定重症COVID-19肺炎肺纤维化组与正常对照组的差异表达基因(DEGs),进行基因本体(gene ontology, GO)功能注释和京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes, KEGG)富集分析，同时进行蛋白质互作网络分析，5种算法取交集得到关键基因，通过Coremine Medical平台筛选可能的治疗中药。结果 共筛选出249个差异基因，GO功能注释结果显示，DEGs主要在信号转导、免疫应答、炎症反应、质膜、细胞外区域、蛋白质结合功能等富集。KEGG通路分析结果显示，DEGs主要在癌症、磷脂酰肌醇3-激酶(phosphatidylinositol 3-kinase, PI3K)/蛋白激酶B(protein kinase B,Akt)、丝裂原活化蛋白激酶(mitogen-activat...     

多发性骨髓瘤/浆细胞白血病差异表达基因生物学功能、关键基因表达水平及其与预后的关系

目的 筛选出多发性骨髓瘤（MM）与浆细胞白血病（PCL）之间的差异表达基因,了解其生物学功能,明确关键基因表达水平与MM预后的关系。方法 从公共基因芯片数据库（GEO）中下载MM与PCL芯片数据集GSE66291和GSE70323,在R软件中用Limma包分别筛选差异表达基因（DEGs）并取交集。利用基因本体（GO）以及京都基因与基因组百科全书（KEGG）信号通路分析对DEGs进行功能和通路注释,使用Sring对交集的DEGs构建蛋白质—蛋白质互作网络（PPI）,筛选关键基因,使用Cytohubba插件筛选相关度前20位的关键基因,最后在GSE24080中根据关键基因的表达水平将MM患者分为高表达组及低表达组,比较高低表达组的总体生存率。结果 共获取DEGs 389个,120个上调,269个下调。GO分析结果显示：在细胞组分方面主要与细胞膜外区域相关;在生物过程方面,参与白细胞游走、中性粒细胞聚集、体液免疫等;分子功能方面,主要与抗原结合相关。KEGG结果提示DEGs在细胞黏附分子、局灶性黏附等相关通路上富集。筛选出CDH1、CD44等20个关键基因,其中CXCL12、CDH1、RNA...     

CDK1基因在肺动脉高压中表达和临床意义的生物信息学分析

目的:通过生物信息学的方法分析筛选肺动脉高压(PAH)的关键基因。方法:通过GEO数据库下载GSE113439和GSE144274。依次进行GO、KEGG及GSEA进行功能及通路富集分析。利用String及Cytoscape软件建立蛋白互作(PPI)网络,进一步通过MCODE、CentiScape和CytoHubba插件筛选核心基因。结果:GSE113439中有544个DEGs(上调462个,下调82个),主要参与DNA双链解螺旋、DNA修复、有丝分裂核分裂等生物学过程。GSE144274中有1121个DEGs(上调702个,下调509个),主要参与细胞分裂、有丝分裂姐妹染色单体分离、染色体分离等生物学过程。两组数据集的DEGs均显著富集在细胞周期信号通路。建立PPI网络后,根据MCODE和CentiScape插件筛选出关键作用模块,根据MCC算法选择关键候选基因,并最终筛选出CDK1为关键基因。结论:CDK1是PAH的关键基因,可能成为PAH潜在的治疗靶点。     

急性胰腺炎基因表达谱芯片的生物信息学分析及药物筛选

目的应用生物信息学方法筛选急性胰腺炎(AP)差异表达基因(DEGs)及相应的候选治疗药物。方法从基因表达数据库(GEO)中下载小鼠AP相关的高通量芯片数据集(GSE109227和GSE65146),使用GEO2R筛选DEGs。利用DAVID数据库对DEGs进行基因本体功能富集和通路富集分析。在String数据库中建立蛋白-蛋白相互作用关系(PPI)并利用Cytoscape软件进行可视化,筛选出子网络模块和关键基因。预测关键基因相关的miRNAs并通过比较毒物遗传学数据库(CTD)针对关键基因进行治疗药物的筛选。结果从高通量芯片数据集GSE109227和GSE65146中共筛选到130个上调基因和16个下调基因。DEGs主要参与炎症反应、中性粒细胞趋化、TNF介导的细胞反应、正调控基因表达等生物学过程,且参与细胞外基质受体相互作用、肌动蛋白细胞骨架的调控、白细胞内皮迁移、Focal adhesion等信号通路。在PPI网络中,共筛选出12个关键基因和6个子网络模块。miR-199a-5p、miR-1-3p等miRNAs可能作用于关键基因转录后调控。CTD数据库中筛选到染料木黄酮、白藜芦醇、槲皮素可降低关键基因表达水平。结论利用生物信息学方法筛选的相关基因可能在AP发生中具有重要作用,并可作为药物的筛选依据。     

转录组测序分析FOXD3基因对胃癌细胞调控的分子机制

目的探讨FOXD3在胃癌细胞中可能调控的基因,阐明其在胃癌发生、发展过程中的可能机制。方法通过慢病毒感染技术建立FOXD3基因过表达MKN45细胞系及对照组MKN45细胞系,利用转录组测序技术检测两组细胞的基因表达谱,通过生物信息学方法比较两组细胞间的差异表达基因(DEGs),分析DEGs的基因本体论(GO)功能富集及京都基因和基因组百科全书(KEGG)通路富集情况,并构建蛋白质-蛋白质相互作用(PPI)网络。结果 FOXD3基因过表达后,筛选出586个DEGs,其中343个DEGs表达上调,243个DEGs表达下调。GO功能富集结果显示,DEGs主要参与正向调控RNA聚合酶Ⅱ启动子转录、双向调控细胞增殖、细胞黏附、炎症反应等生物学过程。KEGG通路主要富集在PI3K-Akt信号通路、肿瘤相关通路、焦点粘连等。从PPI网络中筛选出前10个靶向基因AGT、BDKRB2、NMUR2、SAA1、CHRM1、ADRA1B、CXCL1、CXCR4、CXCL8、GNAI1,并揭示这些基因参与了G蛋白偶联受体信号通路、神经活性配体-受体相互作用、钙离子信号通路、趋化因子信号通路等重要途径。结论本研究一定程度上揭示了FOXD3基因可介导多个靶向基因,影响多条通路及生物学过程参与胃癌的发生、发展的可能分子机制,但仍需进一步进行研究验证。     

慢性儿童免疫性血小板减少症差异表达基因的生物信息学分析

目的:探究慢性儿童免疫性血小板减少症(ITP)的关键基因和信号通路,为研究慢性ITP的潜在分子机制提供新的思路。方法:从GEO数据库获得mRNA表达芯片数据集GSE46922,利用GEO2R筛选出DEGs,并利用DAVID对DEGs进行GO功能富集分析和KEGG信号转导通路富集分析。随后,构建PPI蛋白互作网络,筛选核心靶标。结果:筛选出274个表达上调基因,主要参与细胞骨架组构,基于肌动蛋白丝的过程,肌动蛋白纤维组织等生物过程。筛选出496个表达下调基因,主要参与动作电位和肌肉收缩等过程。KEGG分析发现,上调基因主要参与HIF-1信号通路。下调基因主要涉及焦点黏附、Rap1信号通路、PI3K-Akt信号通路、神经信号传递通路、肌动蛋白细胞骨架调控等信号通路。获得11个核心靶标:VEGFA,CCND1,ESR1,MYH14,ERBB2,CDKN3,PVALB,CDC20,CHEK1,MTOR和CFTR。结论:本研究通过生物信息学分析获得慢性ITP的关键基因和信号通路,为研究慢性ITP的发病机制提供了新的思路。核心靶标基因可作为诊断和预后评估的生物标志物。     

基于生物信息学分析的结核病诊断及治疗新型生物标志物的筛选

目的 利用生物信息学方法筛选结核病诊断和治疗的潜在新型生物标志物。方法 从美国基因表达数据库(the Gene Expression Omnibus, GEO)下载数据集GSE34608和GSE54992用于筛选结核病的差异表达基因(DEG),通过R软件对DEGs进行基因本体论(Gene Ontology, GO)和京都基因与基因组百科全书数据库(Kyoto Encyclopedia of Genes and Genomes, KEGG)通路富集分析,登陆STRING网站进行差异表达基因间的蛋白-蛋白相互作用(Protein-Protein Interaction, PPI)分析,并利用Cytoscape软件分析PPI的关键模块和关键基因。利用基因数据集GSE116542、GSE34608、GSE25435筛选共同差异表达miRNA(DE miRNA),采用实时定量聚合酶链反应(qRT-PCR)验证筛选的关键基因,采用Cytoscape软件构建DEG-DE miRNA网络。结果 共筛选出379个差异表达基因,其中225个基因表达上调,154个基因表达下调。这些DEGs主要与先天免疫反应...     

乙型肝炎病毒相关肝细胞癌核心差异 表达基因生物信息学分析

目的　探索与乙型肝炎病毒（HBV）相关肝细胞癌（HCC）发生发展相关的核心基因,为进一步揭示HBV相关HCC发病机制提供参考。方法　从高通量基因表达数据库（GEO）中下载GSE55092、GSE121248两个数据集,采用R语言筛选HCC组织和癌旁组织间差异表达基因（DEGs）,并绘制可视化火山图。对DEGs基因进行基因本体论（GO）和京都基因和基因组百科全书（KEGG）富集分析,构建蛋白质相互作用（PPI）网络,并用Cytoscape 3.9.0开源平台中分子复合物检测（MCODE）和cytoHubba插件筛选核心DEGs。利用UALCAN和Kaplan Meier⁃plotter数据库中临床样本数据对筛选出的核心DEGs进行差异表达和生存分析验证。结果　从GSE55092数据集和GSE121248数据集中分别筛选出1 148个和686个DEGs,其中下调表达基因分别为703个和477个、上调表达基因分别为445个和209个;两个数据集共筛选出557个共同表达的DEGs,其中下调表达基因384个、上调表达基因173个。GO富集分析显示,DEGs主要参与细胞分裂、细胞增殖、氧化还原、免疫应答、蛋白质水解等生物学过程,细胞核、细胞质、胞外囊泡、内质网膜等细胞成分,与钙离子、蛋白激酶、DNA、血红素等结合分子功能;KEGG通路分析显示,DEGs主要参与细胞周期、卵母细胞减数分裂、代谢途径、抗生素生物合成、p53信号通路等通路。PPI网络分析发现10个核心DEGs,包括CDK1、CCNB1、CCNA2、TOP2A、AURKA、CCNB2、KIF11、CDC20、KIF20A、BUB1B;经临床样本数据验证,CDK1、KIF11、KIF20A这3个DEGs在HBV相关HCC患者中差异表达,且与患者预后不良相关。结论　CDK1、KIF11、KIF20A可能在HBV相关HCC发生发展中发挥重要作用,有望成为HBV相关HCC潜在诊断标志物和治疗靶标。     

基于加权基因共表达网络分析高血压的关键基因

目的 挖掘分析高血压的关键基因,为阐明高血压的发病机制提供生物信息学支持。方法 从GEO数据库下载GSE 74 144数据进行差异表达基因(DEG)分析,并使用WGCNA包筛选高血压临床特征相关的模块和基因,而后用ClusterProfiler进行基因功能的注释富集分析。将DEG与WGCNA中的性状模块基因取交集,获取关键基因,并对其进行相关性分析。结果共筛选出79个DEGs,主要与氧化磷酸化、线粒体内膜蛋白复合物形成和呼吸小体形成等有关。获得1个与高血压高度相关的模块,主要参与血小板活化、局部粘附、RAP1信号通路等,并获取12个关键基因FAM69B、FLJ44511、EPB49、CDKN2A、ND2、OST4、HIST1H2BI、ODF3L2、SPARC、MMD、TMEM140和DDX11L2。结论 通过WGCNA获得与高血压高度相关的模块和12个关键基因,为更深入地探索高血压发生发展机制提供理论依据。     

基于铜死亡相关基因的慢加急性肝衰竭的机制研究

目的 探究铜死亡相关基因在慢加急性肝衰竭(Acute-on-chronic liver failure, ACLF)发生发展中的作用,从而进一步研究ACLF与铜死亡相关的发病机制。方法 从GEO(Gene Expression Omnibus, GEO)数据库中下载ACLF相关数据。利用R软件筛选GEO数据库中ACLF与慢性肝病对比的差异表达基因(Differentially expressed genes, DEGs)和铜死亡相关基因的取交集,对共同差异基因通过GSEA(Gene Set Enrichment Analysis,基因集富集分析)分别进行单基因GO/KEGG富集分析,对相关基因通路富集结果结合铜死亡代谢图绘制铜死亡相关ACLF机制图。结果 共筛选出3个关于铜死亡相关的ACLF差异表达基因(P<0.05),进一步分析得出与铜死亡相关ACLF发生发展机制。结论 通过生物信息学分析,筛选出可能参与ACLF发病机制的铜死亡相关基因和信号通路,以期为ACLF的发病机制的研究提供理论基础以及对ACLF的发生发展和治疗提供新的靶点和策略。     

基于GEO数据库的克罗恩病差异表达基因生物信息学分析

目的寻找克罗恩病(Crohn’s disease, CD)的差异表达基因,进一步筛选与CD发生相关的潜在靶点,为CD的防治提供新思路。方法从GEO数据库下载GSE83448基因芯片,利用GEO2R在线分析工具筛选出CD患者与健康人群肠黏膜组织的差异表达基因■,并采用GraphPad Prism 8.0.1作图进行可视化展示。使用Metascape在线数据库和String网站对差异表达基因(differentially expressed genes, DEGs)分别进行富集分析和蛋白质互相作用(PPI)分析,使用Cytoscape 3.8.0软件构建PPI网络图,筛选功能模块和关键基因。结果共筛选出206个DEGs,其中上调基因68个,下调基因138个。基因本体分析提示DEGs在生物过程主要富集于细胞外结构组织、视黄醇代谢过程和消化等;在细胞组成主要富集于刷状缘、细胞的顶端部分、含胶原蛋白的细胞外基质等;在分子功能主要富集于雌激素16-α-羟化酶的活性、糖胺聚糖结合和脂质转运体活性等。通路分析提示,DEGs富集于蛋白质消化吸收、化学致癌作用、胆汁分泌、PPAR信号通路、脂肪消化吸收、紧密连接、肾素-血管紧张素系统、淀粉和蔗糖的代谢、色氨酸代谢、胰腺分泌、AGE-RAGE信号通路等。利用Cytoscape筛选出两个显著相互作用模块和10个关键基因,分别是MMP2、COL4A1、CTGF、POSTN、COL1A2、GCG、COL5A1、HSPG2、COL6A1、NTS。结论 CD中的DEGs与疾病的发生发展相关,富集分析和关键基因筛选为更深入研究CD的发病机制和治疗靶点提供方向。     

具有预后价值的肺腺癌发病关键基因鉴别

目的 筛选与肺腺癌发病相关的关键基因,为研究肺腺癌的治疗提供新的潜在药物靶点.方法 基于肺腺癌基因表达谱数据进行基因差异表达分析,然后对差异基因(DEGs)进行基因本体论(GO)和京都基因与基因组百科全书(KEGG)功能富集分析.利用STRING数据库构建DEGs的蛋白互作网络,结合MCC算法鉴别关键基因,最后,通过生...     

基于生物信息学方法筛选结肠癌进展相关的枢纽基因

目的 利用生物信息学方法筛选结肠癌进展相关的差异表达基因(DEGs).方法 从GEO数据库下载GSE127069、GSE145626数据集,运用GEO在线分析工具GEO2R提取这两个数据集的原始数据,利用韦恩图在线分析工具筛选DEGs.利用基因功能注释在线工具DAVID对DEGs进行GO功能注释和KEGG通路富集分析;...     

DGKZ基因沉默条件下人骨肉瘤细胞芯片的生物信息学分析

目的基于生物信息学方法分析二酰甘油激酶ζ(diacylglycerol kinase zeta,DGKZ)基因沉默的人骨肉瘤细胞芯片并探寻其分子机制。方法从GEO数据库中获取人骨肉瘤细胞芯片,在R软件中筛选DGKZ沉默处理组与对照组的差异基因(differential expression genes,DEGs);DEGs提交至DAVID数据库进行基因功能与通路富集分析;利用STRING数据库和Cytoscape软件构建蛋白互作网络,寻找网络结构中的核心基因并预测其转录因子。结果共筛选出368个DEGs,其中包含105个上调的基因与263个下调的基因。GO富集分析结果表明DEGs主要富集的生物学过程有成骨细胞分化的负调控、血管生成、RNA聚合酶Ⅱ启动子转录的负调控、脂肪细胞分化的正调控、细胞周期和Wnt信号通路;KEGG通路富集分析结果表明DEGs主要涉及的通路有TGF-β信号转导通路、癌症通路、胰腺癌、致癌病毒、MAPK信号转导通路以及代谢通路。经STRING数据库与Cytoscape软件找出度值前10的核心基因有SIRT1、EP300、PTGS2、BMP2、HIF1A、RB1、HIST1H2BO、NT5E、H1F0、HIST1H2AC,核心基因通过iRegulon插件预测的转录因子中标准化富集分数最高的是YY1。结论在DGKZ基因沉默条件下,转录因子YY1及相关靶基因能在骨肉瘤中发挥重要作用。     

基于GEO数据库尘螨过敏发病机制的研究北大核心CSCD

目的 通过对尘螨过敏人群呼吸道上皮细胞基因芯片的生物信息学分析,获得尘螨过敏的生物标志物。方法 从美国国立生物技术信息中心(NCBI)公共基因表达数据平台(GEO)下载GSE9150mRNA基因芯片数据集,对呼吸道上皮细胞样本进行分析。样本来源包括过敏人群上皮细胞10例(5例暴露于尘螨,5例暴露于生理盐水)和健康人群上皮细胞10例(5例暴露于尘螨,5例暴露于生理盐水)。采用R语言“limma”函数包筛选差异表达基因(DEGs),设定阈值logFC绝对值≥1且P<0.05。用DAVID数据库对靶基因进行基因本体(GO)功能分析和京都基因与基因组百科全书(KEGG)信号通路分析,及应用STRING数据库构建蛋白质相互作用网络,再以Cytoscape对模块中的基因共表达关系进行可视化并筛选关键基因。结果 暴露于尘螨的健康组和过敏组共筛选出1 247个DEGs, GO分析显示DEGs生物学功能主要涉及炎症细胞活化、细胞交流和糖基化等。KEGG信号通路分析表明:NOD样受体信号通路、Toll样受体信号通路、TGF-β信号通路、IL-17信号通路、Th1和Th2细胞分化有关。基于蛋白质相互作用网络筛选出10个关键基因RSAD2/ISG15/IFIT1/OASL/MX1/IFIT3/OAS3/IFIH1/IFI44/DDX58。结论 通过生物信息学筛选发现了有关尘螨过敏患者与健康人群之间的DEGs,并通过PPI网络获得10个hub基因,为尘螨过敏机制与防治研究提供了新思路。     

基于生物信息学和机器学习鉴定验证溃疡性结肠炎诊断的生物标志物

目的 旨在通过生物信息学和机器学习寻找溃疡性结肠炎诊断的潜在生物标志物,并分析其免疫浸润特征。方法基于三个GEO数据库(GSE9452、GSE38713和GSE36807)的数据集进行分析,首先将数据集合并,用R软件“limma”包筛选溃疡性结肠炎与正常样本结肠黏膜组织的差异表达基因(DEGs),对DEGs进行基因本体论(GO)和京都基因与基因组百科全书(KEGG)富集。采用最小绝对值收敛和选择算子(LASSO)和支持向量机-递归特征消除(SVM-RFE)筛选出关键基因。利用CIBERSORT对UC的免疫浸润特性进行了探索,并进一步分析关键基因与不同免疫细胞之间的关联。最后在不同探针平台的独立数据集(GSE13367)中验证关键基因的表达水平,采用受试者工作特性曲线(ROC)评估关键基因的诊断效能。结果GSE9452、GSE38713和GSE36807数据集共筛选出182个差异基因,包括55个下调基因和127个上调基因。功能富集分析表明DEGs主要参与体液免疫反应、含胶原蛋白的细胞外基质、细胞因子活性、细胞因子-细胞因子受体的相互作用等。通过两中机器学习算法及验证集验证,最终确立了DP...     

基于GSEA和WGCNA分析幽门螺杆菌感染机制

背景幽门螺杆菌在世界范围内感染率高,参与胃溃疡、胃恶性肿瘤等多种疾病的发生发展,亟需对其感染及致癌机制进行研究。目的通过基因集富集分析(GSEA)、加权基因共表达网络分析(WGCNA)预测幽门螺杆菌感染的可能分子机制及枢纽基因。方法从基因表达综合数据库(GEO数据库)下载GSE27411数据集,通过GSEA分析与幽门螺杆菌感染相关的通路。利用WGCNA分析与幽门螺杆菌感染相关模块及枢纽基因,并对模块内的基因进行GO和KEGG富集分析。使用GEPIA对枢纽基因表达水平与胃癌的生存预后进行探索。结果通过GSEA分析挑选出10条hallmark通路和13条KEGG通路。通过构建WGCNA共表达网络,确定brown模块与幽门螺杆菌感染密切相关,该模块内的基因富集得到16个生物学过程及19条KEGG相关通路。GSEA和WGCNA交集得到4条KEGG通路。对模块基因筛选得到TNF、KIF2C、RRM2、CHEK1、PLK1、RAD51、CENPA、ASF1B共8个枢纽基因。利用GEPIA探索发现,KIF2C、RRM2、CHEK1、PLK1、RAD51、CENPA、ASF1B在胃癌组织中高表达,其中ASF1B与胃癌患者较差的总生存期及无疾病生存期相关。结论本研究通过GSEA和WGCNA分析方法,筛选出与幽门螺杆感染相关的4条核心KEGG通路,1个枢纽模块及8个枢纽基因。