基因芯片筛选多形性胶质母细胞瘤差异表达基因和通路

目的 利用基因芯片技术和生物信息学分析方法,筛选出多形性胶质母细胞瘤相关的核心基因和信号通路,为寻找多形性胶质母细胞瘤早期诊断和靶向治疗潜在标志物提供依据。方法 从GEO数据库中获取多形性胶质母细胞瘤mRNA表达谱芯片原始数据,利用R软件分析得到明显差异表达基因（differentially expressed genes, DEGs）,对DEGs进行功能注释（GO ontology）和KEGG信号通路（KEGG signaling pathway）富集,进一步构建蛋白质相互作用网络（protein-protein interaction network, PPI）,筛选核心基因,最后利用TCGA肿瘤数据库进行验证。结果 通过Pearson聚类分析发现肿瘤和正常组织聚类区分明显,说明表达谱结果可靠;差异基因共2 142个,其中上调基因968个,下调基因1 174个;GO和KEGG富集结果显示,差异基因的功能主要涉及细胞周期、细胞分裂和增殖、突触传递等生物学功能和通路,通路网络分析表明MAPK信号通路起核心调控地位。通过构建PPI网络筛选出9个与GBM密切相关的核心基因,进一步利用TCGA肿瘤数据库验证,与芯片结果一致。结论 KEGG信号通路和核心基因可能揭示了多形性胶质母细胞瘤发生发展的分子机制,核心基因可能用作多形性胶质母细胞瘤的早期诊断的分子标志物和治疗靶点。     

子宫肉瘤差异表达基因生物信息学分析

目的:筛选子宫肉瘤（uterine carcinosarcoma,UCS）进展相关的核心差异基因（differentially expressed genes,DEGs),探讨其生物学作用并筛选预后相关生物标志物。方法:从美国国立生物数据中心下的 GEO数据库获取包含子宫肉瘤和正常组织的表达数据集GSE64763,使用Limma包筛选差异基因。对筛选得到的差异基因运用ClusterProfiler包进行GO和KEGG分析,并通过蛋白互作网络(protein protein interaction network,PPI)在线平台String和Cytoscape（3.7.2）软件对DEGs分析,筛选核心基因。再基于GEPIA（gene expression profiling interactive analysis)数据库,验证核心基因的表达与预后关系。结果:共筛选出861个DEGs,其中上调DEGs 426个,下调DEGs 435个。富集GO主要生物活性信号15条,主要包括染色质结合、DNA转录活性激活、细胞外基质组成等生物过程。富集KEGG信号15 条,主要包括细胞循环通路、DNA复制通路、p53信号通路。成功筛选出核心基因网络,包含DEGs 10个,均为上调基因。通过GEPIA数据库验证后得到与UCS预后相关的差异基因CENPA。结论:UCS差异表达基因主要集中在染色体结合活性、DNA复制活性、细胞循环通路与p53信号通路等。CENPA基因可能为UCS早期诊断的生物标志物和治疗的潜在靶点。     

小细胞肺癌差异表达基因的生物信息学分析

目的:应用生物信息学方法挖掘小细胞肺癌(small cell lung cancer,SCLC)的相关基因,探讨其发病机制,为SCLC诊断和治疗提供靶点。方法:从GEO(Gene Expression Omnibus)数据库中下载基因芯片数据集GSE43346和GSE6044,利用在线分析工具GEO2R筛选SCLC的差异表达基因(differentially expressed genes,DEGs)。应用DAVID数据库进行GO和KEGG通路富集分析,利用STRING数据库和Cytoscape软件构建蛋白质相互作用网络和关键基因模块,筛选SCLC关键基因。运用UCSC和ONCOMINE数据库中的临床组织样本验证靶基因与SCLC的关系。结果:初筛出114个DEGs,富集分析发现差异基因在细胞分裂、细胞周期、有丝分裂、DNA复制等方面存在显著富集。共筛选出12个SCLC靶基因,经临床SCLC组织样本验证关键基因在SCLC组织中存在显著高表达。其中FBXO5、NCAPG、GINS2、GMNN、MCM6、ESPL1、MCM2、NDC80、BUB1B、CCNB2基因可能是SCLC分子发病机制的新靶点。结论:通过生物信息学筛选出10个与SCLC相关的新靶点,表明其可能是未来研究SCLC发病机制、临床诊断和治疗的重要靶基因。     

骨肉瘤基因表达谱芯片的生物信息学分析

摘 要：［目的］ 探讨骨肉瘤（OS）基因表达和生物学过程的改变,为OS分子机制的进一步研究提供生物信息学依据。［方法］ 从GEO数据库（gene expression omnibus）下载Sadikovic B等构建的OS样本的基因芯片数据集,应用生物信息学方法筛选差异表达基因（differentially expressed genes,DEGs）,并利用R语言clusterProfiler软件包对差异基因进行基因本体论（gene ontology,GO）及通路富集分析（KEGG）。通过STRING数据库、Cytoscape及其插件cytoHubba、NetworkAnalyzer分析蛋白互作网络的中心节点蛋白,寻找关键（Hub）基因。［结果］ 通过对两组数据共获得631个DEGs,其中包括362个上调基因和269个下调基因。差异表达基因主要涉及白细胞趋化性、白细胞迁移、血管发育的调节等生物过程,介导受体配体活性、生长因子结合、生长因子活性以及整合素结合等分子功能,富集于细胞外基质。［结论］ 细胞外基质和生长因子活性的改变对OS的发生发展起着关键性的作用;白细胞跨内皮迁移通路和PI3K-AKT通路与OS密切相关,相关的分子机制值得进一步深入研究。     

生物信息学分析食管癌关键基因的表达及其临床意义

目的：采用生物信息学技术，从基因表达综合数据库(GEO)中挖掘食管癌(ESCA)异常表达基因，探讨该基因在食管癌中的表达及临床意义。方法：用R语言中的GEOquery包从GEO数据库中下载ESCA芯片数据集GSE38129、GSE20347，经sva包对数据集去除批次效应后，使用Limma包对标准化数据集进行差异表达基因(DEGs)筛选，利用cluster Profiler包对DEGs进行基因本体(GO)功能富集分析和京都基因与基因组百科全书(KEGG)通路富集分析，在STRING网站对DEGs进行蛋白互作网络分析(PPI)，利用MCODE和Cyto Hubba插件提取核心模块及核心基因(Hub gene)。在阿拉巴马伯明翰分校癌症数据库(UALCAN)输入Hub gene分析其表达水平与食管癌分期、甲基化水平及TP53突变等的关系，最后借助芯片数据GSE70409对核心基因进行验证。结果：在标准化数据集中筛选出390个DEGs，其中上调166个，下调224个。GO分析得出，它们主要参与有丝分裂细胞周期相变、细胞外基质生成、表皮发育等生物学过程。KEGG富集分析显示DEGs与细胞周期、...     

结直肠癌差异表达及预后相关基因分析

目的∶ 结直肠癌是发病率和病死率较高的消化系统恶性肿瘤，但结直肠癌发病的分子机制尚不明确。本研究基于生物信息学分析鉴定结直肠癌的关键基因、信号通路及预后相关基因，以更好地了解结直肠癌的分子机制，为结直肠癌的诊断、预后评估和治疗提供有价值的分子标志物。方法∶从 GEO 数据库下载结直肠癌基因芯片数据集，分析筛选出差异表达基因（differntially expressed gene，DEGs），通过 GO 和 KEGG 富集分析对 DEGs 进行功能注释和通路分析，构建蛋白质相互作用网络并筛选出结百肠癌的关键枢纽基因。对结H肠癌的关键枢基因进行生存预后分析，找到与预后相关基因，并验证预后相关基因的表达，同时检测预后相关基因的启动子甲基化水平。结果∶共筛选出 256 个 DEGs，其中 73 个表达上调，183 个表达下调。DEGs 主要富集在细胞外基质降解、分子黏附等生物学过程，胶原蛋白类细胞外基质、基底细胞膜等细胞组分，受体配体相互作用、趋化因子活动等分子功能，PPAR信号通路，氯代谢等信号通路。从 PPI 网络中筛选出 1个连接最紧密的核心模块，包含 13 个关键枢纽基因，进一步生存预后分析结果显示 CXCL2 和 GVG4 的表达与结直肠癌患者总生存时间显著相关。验证 CXCI2 和 GNVG4 在结直肠癌中的表达与 GEO 数据集中的表达情况一致。相比于正常对照组织，结直肠癌组织中的 CXCL2 和 GNG4 启动子甲基化水平显著降低。结论∶CXCL2 和 GNCA 是结直肠癌中的核心基因，与结直肠癌预后显著相关，其表达可能受启动子甲基化调控，有望作为潜在的分子标志物用于结直肠癌的诊断、预后评估和治疗 ，为后续研究提供新的方向。     

结直肠癌肝转移差异表达基因与信号通路分析

目的：探讨结直肠癌（colorectal cancer, CRC）肝转移的关键基因和分子机制，为CRC肝转移的治疗提供潜在靶点和生物标志物。方法: 基于生物信息学方法从GEO 数据库下载CRC 肝转移基因表达数据集，筛选差异表达基因（differentially expressed gene, DEG），利用DAVID 在线工具对DEG进行GO和KEGG富集分析，构建蛋白互作（protein-protein interaction, PPI）网络图，筛选出CRC关键基因并进行预后分析。结果: 从183 例CRC组织标本和39 例CRC肝转移组织标本中筛选出321 个DEG，其中上调基因153 个、下调基因168 个。GO和KEGG富集分析结果显示，DEG的功能主要涉及蛋白质激活级联反应、炎症反应、细胞外基质、血小板脱颗粒、补体与凝血级联反应等。PPI 网络图筛选出8 个CRC 关键基因为ALB、APOB、FGA、F2、APOA1、SERPINC1、FGG和AHSG。生存分析发现，SERPINC1、FGG表达高的患者预后不良（均P<0.05）。结论: DEG的生物学功能和信号通路与CRC肝转移的发生发展相关，8 个CRC关键基因可能是CRC肝转移治疗的潜在靶点，SERPINC1、FGG可能成为新的预后标志物。     

基于数据挖掘分析COL1A1在胃腺癌中的表达及意义

目的:通过生物信息数据库挖掘分析胃腺癌中COL1A1基因的表达并探讨其临床意义。方法:使用Oncomine数据库分析COL1A1基因在胃腺癌中的表达水平;通过Oncomine数据库摘录数据信息,进行COL1A1基因表达程度与临床病理参数及胃腺癌生存期的相关性分析;最后使用STRING数据库分析COL1A1蛋白-蛋白互作网络,并进行GO基因富集和KEGG通路富集分析。结果:通过Oncomine数据库分析显示,在mRNA水平上,COL1A1在胃腺癌中高表达（P＜0.05）,表达水平与近期预后负相关（P＜0.05）,且Lauren弥漫型胃腺癌COL1A1表达水平高于肠型胃腺癌（P＜0.05）。通过STRING数据库分析显示与COL1A1相关的蛋白有COL6A3、COL5A1、COL6A1、COL5A2等,互作基因的GO基因富集及KEGG信号通路富集分析显示其蛋白涉及的生物学过程、分子功能及细胞定位等方面均与细胞外基质的调控有关,互作基因涉及的主要信号通路为细胞外基质通路、PI3K-AKT等与胃癌的发生发展有关的信号通路。结论:通过对肿瘤基因数据库Oncomine进行数据挖掘分析发现,COL1A1在胃腺癌组织中显著高表达且与患者预后负相关,为胃腺癌的致病机制研究和抗肿瘤靶向治疗提供了理论依据。     

基于生物信息学的结直肠癌生物标志物的筛选与分析

目的:采用生物信息学方法分析结直肠癌（colorectal cancer,CRC）在转录组中的差异基因,建立基因互作网络,以期筛选出关键基因并探索其发病机制。方法:从TCGA数据库下载CRC转录组数据集,采用edgeR包筛选其差异基因。使用DAVID数据库对差异基因进行GO功能和KEGG通路富集分析。通过STRING数据库分析蛋白质互作网络,运用Cytoscape进行关键子网提取并构建KEGG通路-基因互作网络,最后结合生存分析等筛选并验证CRC潜在生物标志物。结果:对转录组数据集分析筛选出5 037个差异基因,其中上调基因1 571个、下调基因3 466个,从5 037个差异基因中提取到1 781个lncRNA。GO富集分析表明CRC的差异基因主要富集在钙离子结合、受体结合及结构分子活性等功能。KEGG富集分析表明其主要参与神经活性配体-受体相互作用和药物代谢-细胞色素p450等通路。使用Cytoscape软件提取出6个关键子网,通过各互作网络共筛选出288个关键基因,结合Kaplan Meier预后分析最终筛选发现67个CRC潜在调控基因（其中已有报道证实22个mRNA和7个lncRNA）具有预后价值,并采用ONCOMINE数据库进行了CRC临床样本验证。结论:本研究筛选出的67个潜在调控基因可作为CRC潜在生物标志物,为研究者创新CRC药物及治疗方案提供了新思路。     

基于生物信息数据挖掘对卵巢浆液性癌差异表达基因筛选及分析

目的:利用生物信息学对卵巢浆液性癌的差异表达基因进行筛选及分析，探索浆液性卵巢癌的潜在治疗靶点。方法:从GEO数据库下载卵巢癌数据集GSE10971、GSE54388、GSE14407，用GEO2R筛选差异表达基因，DAVID数据库进行GO及KEGG富集分析，String数据库构建蛋白互作网络，同时利用Cytoscape获取关键基因，GEPIA数据库分析关键基因的表达情况，UCSC Xena对关键基因进行分层聚类分析，并通过cBioPortal分析关键基因的共表达网络。结果:筛选获得114个差异表达基因，包括41个下调基因及73个上调基因。主要涉及调整细胞周期、有丝分裂、染色体分离等细胞学过程，富集于细胞周期、p53信号通路、细胞衰老等信号通路。从差异表达基因筛选出49个关键基因，在卵巢癌中均呈高表达，其中21个基因的表达与卵巢癌分期相关，BIRC5基因的表达与卵巢癌患者的总生存期相关。结论:利用生物信息学对卵巢浆液性癌差异表达基因功能及信号通路的相关研究，为改善卵巢浆液性癌的预后提供了治疗靶点。     

ALK融合基因阳性肺腺癌患者耐药核心基因鉴定及药物靶点分析

目的 探讨ALK融合基因阳性肺腺癌患者原发灶及转移灶基因表达谱的差异,从而探索转移灶耐药机制及相应的药物靶点分析。方法 GEO数据库中选取GSE125864,根据肿瘤组织取材部位不同分为原发灶组和转移灶组。首先,比较两组患者之间显著差异基因的表达,并分析这些显著差异基因在生物学功能和富集信号通路等方面的不同;其次,对显著差异基因进行蛋白-蛋白互作网络分析及关键模块、核心基因分析。最后,基于TCGA和癌症治疗反应门户数据库对筛选的10个关键核心进行预后、药物靶点预测等分析。结果 共筛选出227个差异基因,以肺腺癌原发灶为对照组,转移灶中共发现134个上调基因,93个下调差异基因;GO和KEGG富集分析显示,这些差异基因的功能主要涉及补体和凝血级联、化学致癌作用、视黄醇的新陈代谢等信号通路;通过蛋白-蛋白互作网络分析,筛选了10个核心基因,其中HRG、AHSG基因表达与肺腺癌不良预后相关,SERPINC1、HRG、APOA1、FGA、FGG等与多种潜在的小分子药物有一定相关性。结论 显著差异基因涉及的分子功能及信号通路可能引起ALK阳性肺腺癌患者转移灶耐药。     

Screening of Hub Genes and Pathways in Colorectal Cancer with Microarray Technology

Here we intend to identify key genes and pathways in the pathogenesis of colorectal cancer (CRC) through analyzing microarray data with bioinformatic tools. The gene expression profile dataset GSE23878 was downloaded from Gene Expression Omnibus and differentially expressed genes (DEGs) were screened out using Student’s t-test. GO function and KEGG pathway enrichment analyses were performed for these DEGs with the DAVID online tool. Interaction network was constructed among the over-represented pathways based on the protein-protein interactions within the pathways. Besides, the protein interaction information obtained from HPRD database were applied to constructed protein-protein interaction networks among the DEGs and hub genes and function module were screened out. A total of 2,296 DEGs were obtained and they were enriched in 34 pathways. An interaction network was constructed among 32 pathways, in which p53 signaling pathway acted as the hub pathway as it showed the highest node degree. The protein-protein interaction network comprised 1,481 interaction relationships among 332 genes which included 40 DEGs. Further analysis revealed that theses DEGs formed 7 function modules and many genes, such as PDGFRB, MET, FZD2, CCND1, PRKCB, ARHGEF6, JUP, WNT2, WNT5A and WNT11 were key genes in the networks. The DEGs and disturbed biological functions uncovered in present study may play important roles in the development of CRC and can contribute to the understanding on molecular mechanisms of CRC. Further these DEGs we obtained can be acted as potential biomarkers for diagnosis and therapy of CRC.     

Animal model and bioinformatics analyses suggest the TIMP1/MMP9 axis as a potential biomarker in oral squamous cell carcinoma

Oral squamous cell carcinoma (OSCC) is a common malignant tumor of the head and neck. However, the molecular mechanism underlying its development and progression is yet unclear. Genes that are differentially expressed, that is, differentially expressed genes (DEGs), between normal and diseased tissues are believed to be involved in disease development and progression. To identify the DEGs in OSCC and explore their role in occurrence and progression, we established a Chinese hamster OSCC model, determined the DEG, screened the identified DEGs, and performed Gene Ontology (GO) and KEGG enrichment analyses. A protein–protein interaction (PPI) network was generated to screen potential candidate genes. We then analyzed the expression, tumor stage and prognosis of candidate genes using the Gene Expression Profiling Interactive Analysis (GEPIA) database. Finally, we verified the candidate DEGs by quantitative real-time PCR and Gene Expression Omnibus analysis. The results showed 194 significantly DEGs, 140 enriched GO terms, and 8 KEGG pathways, which suggested that OSCC was closely related to the immune system, cell migration, and extracellular matrix. GEPIA and PPI network analysis revealed that SPP1, TNC, and ACTA1 were significantly related to tumor staging; SPP1, tissue inhibitors of matrix metallopeptidases (MMPs) 1 (TIMP1), and ACTA1 were closely related to prognosis. The scores for the top five highest degree genes were close, and the TIMP1/MMP9 axis appeared to be at the center of the PPI network, indicating that expression changes in the TIMP1/MMP9 axis and related genes may be involved in tumor invasion and metastasis. These findings provide novel insights into the mechanism of oral cancer.     

胃癌相关核心基因的生物信息学分析

目的：筛选胃癌相关的核心基因及其与胃癌诊断、预后的关系,为胃癌分子诊断、靶向治疗、预后评判提供研究方向。方法：从基因表达数据库（GEO）下载胃癌相关的mRNA表达谱芯片数据,利用R软件的Limma包分别筛选出胃癌组织中较癌旁组织相比具有显著差异表达的基因（DEGs）,在基因功能注释数据库（DAVID）中对DEGs进行基因本体（GO）功能注释及京都基因与基因组百科全书（KEGG）富集分析,交互基因检索工具（STRING）及Cytoscape软件的网络分析插件CytoHubba用于构建蛋白互作网络（PPI）并进行可视化分析,筛选出核心基因;利用生存分析工具（KM数据库）分析核心基因与胃癌患者预后的关系,并量化具有预后意义的核心基因的诊断价值,利用GraphPad软件将其可视化。最后用皮尔逊（Pearson）法检验核心基因之间的相关性。结果：在GEO数据库得到的3个基因芯片表达谱中,胃癌组织与正常组织差异表达显著的基因有1 839个,上调基因851个,下调基因988个,三者取交集后,在3个表达谱芯片中均有显著差异表达的基因有66个,上调基因24个,下调基因42个;GO富集分析显示,差异表达基因的功能主要集中在细胞外空间、细胞外外泌体、消化、细胞外基质组织、胶原纤维组织;KEGG富集分析提示,差异表达基因的通路主要涉及蛋白质消化和吸收、胃酸分泌、氮代谢、ECM-受体相互作用、矿物质吸收等;PPI网络中,Cytoscape可视化分析发现10个核心基因的差异表达与胃癌的发生密切相关,KM数据库检索发现,FN1、COL1A1低表达组患者预后更佳,高表达组更差。FN1、COL1A1的AUC分别为0.93、0.90,提示两者均具有较高的诊断价值,两者的相关性分析得出相关系数r=0.59（P < 0.05）,提示COL1A1与FN1两者在胃癌中的表达呈正相关。结论：生物信息分析筛选的核心基因FN1、COL1A1可能成为提示胃癌患者预后、早期诊断、研发胃癌靶向药物的候选标志物或靶点。     

The identification of key genes and pathways in hepatocellular carcinoma by bioinformatics analysis of high-throughput data

Liver cancer is a serious threat to public health and has fairly complicated pathogenesis. Therefore, the identification of key genes and pathways is of much importance for clarifying molecular mechanism of hepatocellular carcinoma (HCC) initiation and progression. HCC-associated gene expression dataset was downloaded from Gene Expression Omnibus database. Statistical software R was used for significance analysis of differentially expressed genes (DEGs) between liver cancer samples and normal samples. Gene Ontology (GO) term enrichment analysis and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway analysis, based on R software, were applied for the identification of pathways in which DEGs significantly enriched. Cytoscape software was for the construction of protein–protein interaction (PPI) network and module analysis to find the hub genes and key pathways. Finally, weighted correlation network analysis (WGCNA) was conducted to further screen critical gene modules with similar expression pattern and explore their biological significance. Significance analysis identified 1230 DEGs with fold change >2, including 632 significantly down-regulated DEGs and 598 significantly up-regulated DEGs. GO term enrichment analysis suggested that up-regulated DEG significantly enriched in immune response, cell adhesion, cell migration, type I interferon signaling pathway, and cell proliferation, and the down-regulated DEG mainly enriched in response to endoplasmic reticulum stress and endoplasmic reticulum unfolded protein response. KEGG pathway analysis found DEGs significantly enriched in five pathways including complement and coagulation cascades, focal adhesion, ECM–receptor interaction, antigen processing and presentation, and protein processing in endoplasmic reticulum. The top 10 hub genes in HCC were separately GMPS, ACACA, ALB, TGFB1, KRAS, ERBB2, BCL2, EGFR, STAT3, and CD8A, which resulted from PPI network. The top 3 gene interaction modules in PPI network enriched in immune response, organ development, and response to other organism, respectively. WGCNA revealed that the confirmed eight gene modules significantly enriched in monooxygenase and oxidoreductase activity, response to endoplasmic reticulum stress, type I interferon signaling pathway, processing, presentation and binding of peptide antigen, cellular response to cadmium and zinc ion, cell locomotion and differentiation, ribonucleoprotein complex and RNA processing, and immune system process, respectively. In conclusion, we identified some key genes and pathways closely related with HCC initiation and progression by a series of bioinformatics analysis on DEGs. These screened genes and pathways provided for a more detailed molecular mechanism underlying HCC occurrence and progression, holding promise for acting as biomarkers and potential therapeutic targets.     

非吸烟女性肺癌潜在相关基因的生物信息学分析及功能预测

目的：对非吸烟女性肺癌潜在相关基因进行生物信息学分析及功能预测，探讨非吸烟女性肺癌患者的发病机制及预后标志物。方法：选择从GEO数据库下载非吸烟女性肺癌患者的基因芯片并用GEO2R软件筛选出差异表达基因（differentially expressed gene，DEG），再利用STRING 在线分析软件对DEG 进行GO 和KEGG 分析以及蛋白互作（protein-protein interaction,PPI）网络分析，然后利用插件（M-CODE）对所有DEG进行可视化处理，筛选关键DEG，最后利用GEPIA及Kaplan-Meier plotter在线工具对关键DEG进行功能预测及预后分析。结果：共筛选出160 个DEG，其中上调54 个、下调106 个；GO分析其生物学功能主要与血管形成、单个生物细胞间黏附、GTPase活性正调控和信号转导密切相关（均P<0.05）。KEGG分析发现，可能主要与细胞黏附分子、白细胞迁移、紧密连接和胞吞作用相关（均P<0.05）。PPI 网络分析获得8 个关键DEG，分别是TIE1、PECAM1、VEGFD、ICAM2、ESAM、EMCN、ROBO4 和CLDN5。结论：TIE1、CLDN5、ICAM2、ESAM、VEGFD、ROBO4 可能是非吸烟女性肺癌发病机制的研究靶点，PECAM1、EMCN可能是预测非吸烟女性肺癌患者病情进展及预后的标志物。