慢性日本血吸虫病肝纤维化差异表达基因的生物信息学分析

目的　筛选慢性日本血吸虫病肝纤维化差异表达基因（differentially expressed genes, DEGs）,并对其功能进行分析。方法　从基因表达综合（Gene Expression Omnibus, GEO）数据库下载慢性日本血吸虫病肝纤维化患者测序表达谱数据集,利用R语言进行DEGs筛选,对其生物学功能进行基因本体论（Gene Ontology, GO）和京都基因和基因组百科全书（Kyoto Encyclopedia of Genes and Genomes, KEGG）富集分析并构建蛋白质⁃蛋白质相互作用（protein⁃protein interaction, PPI）网络,以筛选关键基因。结果　共鉴定出62个DEGs,其中12个下调表达基因、50个为上调表达基因。GO富集分析显示,DEGs主要富集在脂肪酸、硫化合物、酰基辅酶A、硫酯代谢等116种生物学过程,线粒体基质、线粒体外膜、细胞器外膜等19种细胞组分及胰岛素样生长因子结合、氧化还原酶活性等7种分子功能。KEGG通路富集分析显示,DEGs与磷脂酰肌醇⁃3⁃激酶/丝苏氨酸蛋白激酶（phosphatidylinositol⁃3⁃kinase/ serine/threonine protein kinase, PI3K/Akt）、丝裂原活化蛋白激酶（mitogen⁃activated protein kinase, MAPK）信号通路、钙离子代谢以及环磷酸腺苷（cyclic adenosine monophosphate, cAMP）信号传导等功能密切相关。PPI网络分析发现ACACA、ACSL1、GPAM、THRSP、PLIN1、DGAT2等6个与慢性日本血吸虫病肝纤维化发生有关的关键基因,其中核心程度居前3位的基因是ACSL1、ACACA和PLIN1。结论　ACSL1、ACACA和PLIN1可能是导致慢性日本血吸虫病肝纤维化发生的关键基因,其调控的脂质代谢异常可能在慢性日本血吸虫病患者肝纤维化进程中发挥了重要作用。     

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...     

基于生物信息学的胃癌关键基因鉴定与预后分析

目的 胃癌是人类最常见的恶性肿瘤之一,其发病率、死亡率高,五年总体生存率低于30%,因此迫切需要鉴定新的诊断和预后生物标志物。本文旨在利用生物信息学方法寻找与胃癌发生发展相关的关键基因及信号通路。方法 从基因表达综合数据库(Gene Expression Omnibus, GEO)下载胃腺癌基因表达谱芯片,利用生物信息学技术及相关软件对GSE174237、GSE122796数据集进行差异表达分析并获取交集差异基因(Differentially expressed genes, DEGs),然后对DEGs进行富集和功能注释。利用STRING数据库构建DEGs的蛋白质相互作用网络(protein protein interaction network, PPI network),并通过Cytoscape软件及其插件分析PPI网络中的关键基因。使用基因表达谱交互式分析(Gene Expression Profiling Interactive Analysis, GEPIA)数据库、人类蛋白质图谱(Human Protein Atlas, HPA)数据库、Kaplan-Meier plott...     

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...     

探索迪谢内肌营养不良及贝克肌营养不良与扩张型心肌病共同的基因特征和生物学机制

目的 通过生物信息学分析发现迪谢内肌营养不良（Duchenne muscular dystrophy, DMD）、贝克肌营养不良（Becker muscular dystrophy, BMD）与扩张型心肌病（dilated cardiomyopathy, DCM）之间共有的基因特征和相关的发病机制。方法从基因表达综合数据库（Gene Expression Omnibus, GEO）中下载DMD(GSE6011)、BMD(GSE13608)和DCM(GSE116250)的数据集。分别识别DMD与DCM、BMD与DCM的共同差异表达基因（differentially expressed genes, DEGs）。并对共同的DEGs进行富集分析、构建蛋白质相互作用（protein-protein interactions, PPI）网络、筛选中心基因,并在GEO下载的数据集GSE109178(DMD、BMD)和GSE141910(DCM)中验证表达水平。构建关键转录因子-中心基因调控网络。结果DMD与DCM共有60个共同的DEGs。富集分析强调了细胞外基质结构成分、MHCⅡ类蛋白复合物结合、...     

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。     

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。     

综合基因表达谱分析与人类肝胰岛素抵抗相关蛋白分子表达研究*

目的 分析糖尿病患者与正常人肝组织之间的差异表达基因（DEGs）,筛选出肝组织中与可能产生胰岛素抵抗相关作用的蛋白分子。方法 从GEO数据库下载基因芯片数据集GSE23343（包括10例2型糖尿病和7例正常人肝组织的基因表达值）,通过DEGs表达谱分析和功能通路富集分析,构建DEGs对应的蛋白质-蛋白质相互作用网络。结果 分析得到928个显著上调的DEGs（P<0.01）,发现DEGs主要富集在细胞和代谢生物过程中,KEGG通路富集显示DEGs主要集中于信号转导和肿瘤相关通路。经蛋白质相互作用网络构建,筛选出5个关键蛋白分子MDM2、PCNA、CAV1、PIK3R1、NR3C1。结论 系统地筛选出人类肝组织中可能与胰岛素抵抗形成相关的蛋白分子,为进一步实验研究肝胰岛素抵抗产生机制和新的降血糖药物作用靶点提供基础。     

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。     

Screening and identification of potential biomarkers for obstructive sleep apnea via microarray analysis

Obstructive sleep apnea (OSA) is a common chronic disease and increases the risk of cardiovascular disease, metabolic and neuropsychiatric disorders, resulting in a considerable socioeconomic burden. This study aimed to identify potential key genes influence the mechanisms and consequences of OSA.Gene expression profiles related to OSA were obtained from Gene Expression Omnibus (GEO) database. Differentially expressed genes (DEGs) in subcutaneous adipose tissues from OSA compared with normal tissues were screened using R software, followed by gene ontology (GO) and pathway enrichment analyses. Subsequently, a protein-protein interaction (PPI) network for these DEGs was constructed by STRING, and key hub genes were extracted from the network with plugins in Cytoscape. The hub genes were further validated in another GEO dataset and assessed by receiver operating characteristic (ROC) analysis and Pearson correlation analysis.There were 373 DEGs in OSA samples in relative to normal controls, which were mainly associated with olfactory receptor activity and olfactory transduction. Upon analyses of the PPI network, GDNF, SLC2A2, PRL, and SST were identified as key hub genes. Decreased expression of the hub genes was association with OSA occurrence, and exhibited good performance in distinguishing OSA from normal samples based on ROC analysis. Besides, the Pearson method revealed a strong correlation between hub genes, which indicates that they may act in synergy, contributing to OSA and related disorders.This bioinformatics research identified 4 hub genes, including GDNF, SLC2A2, PRL, and SST which may be new potential biomarkers for OSA and related disorders.     

锯齿状息肉病综合征的关键基因与潜在治疗药物的生物信息学筛选

目的基于生物信息学方法利用GEO芯片数据库分析锯齿状息肉病综合征(serrated polyposis syndrome,SPS)的关键基因,探索SPS的分子调控机制及潜在的治疗药物。方法从GEO数据库下载GSE19963数据集,利用GEO2R分析SPS组织样本和正常结肠黏膜组织样本的表达数据,利用DAVID数据库对差异表达基因进行富集与功能注释。利用STRING数据库和Cytoscape软件构建蛋白质相互作用(protein-protein interaction,PPI)网络,分析其关键基因,利用药物基因组学数据库CMap探索具有潜在治疗SPS作用的小分子药物。结果从GSE19963芯片数据集中共获取230个差异表达基因,其中157个为上调基因,73个为下调基因。上调的差异表达基因显著富集于细胞间粘附、脂类物质的生物合成、氧化还原及类固醇的生物合成等过程,下调的差异表达基因显著富集于金属离子的结合、矿物质吸收及细胞色素P450途径等过程。根据PPI网络,筛选出5个关键基因。通过CMap数据库筛选到10个具有潜在治疗SPS作用的小分子药物。结论通过生物信息学筛选出的关键基因及构建的PPI网络有助于全面了解SPS发生的分子机制,为探索关键基因作为临床诊断及治疗的分子靶标提供了可靠的研究方向,筛选出的小分子药物可作为潜在治疗SPS作用的关键药物进行研发。     

基于多平台数据识别胰腺导管腺癌预后相关肿瘤微环境基因

目的 探索与胰腺导管腺癌(PDAC)相关的肿瘤微环境基因表达模块,识别影响患者预后的生物学标志物和潜在的免疫治疗靶点。方法 筛选收集来自肿瘤基因组图谱(TCGA)数据库的1个包含142例PDAC患者数据集和基因表达综合(GEO)数据库的2个包含168例PDAC患者微阵列数据集(GSE2150、GSE62452)的基因表达谱数据,运用xCell网络工具对PDAC基因表达数据进行细胞类型富集分析。根据细胞富集评分中位数将TCGA的142例患者分为高分、低分2组,通过单因素生存分析确定有预后价值的细胞类型并使用GEO的数据集验证。再根据细胞类型进行基因差异表达分析及单因素生存分析确定与预后相关的差异表达基因(DEGs),并对DEGs进行功能富集分析及蛋白质-蛋白质相互作用(PPI)网络分析。同时使用GEO数据集对TCGA数据集的预后相关DEGs进行验证。最后在TISIDB数据库检索TCGA与GEO数据库的共同DEGs,并分析其与免疫系统的相关性。结果 细胞类型富集评分显示,Th1细胞和角质形成细胞在TCGA和GEO数据集中具有相同的预后价值,其高分组患者的总生存率显著低于低分组,差异均有统计学意义(P值均<0.05)。鉴定出216个预后相关DEGs,对其功能富集结果显示21个生物学过程条目中有9个与免疫过程密切相关,5条京都基因与基因组百科全书(KEGG)通路中有4条与免疫过程密切相关。通过PPI网络分析,CCR7、CD27、CD5、CXCL13、ZAP70、MS4A1和CCL19被鉴定为可能与PDAC密切相关的中枢基因。通过对GEO数据集的验证,共有15个DEGs在GEO和TCGA数据集中具有相似的预后价值。检索TISIDB数据库上述15个基因结果显示,GIMAP7与PDAC的免疫过程密切相关。结论 鉴定了216个与PDAC预后相关的肿瘤微环境基因及其7个中枢基因,并提供了CCR7、CCL19、CD27、CXCL13和GIMAP7 5个新的PDAC免疫治疗潜在靶点。     

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。     

基于转录组学数据分析痛风合并动脉粥样硬化的发病机制

目的]采用GEO数据库探讨痛风合并动脉粥样硬化(As)的共同发病机制。 [方法]从GEO数据库中下载痛风(GSE160170)和As(GSE100927)的基因表达矩阵,分析痛风和As的差异表达基因(DEG),并分别进行富集分析。在分析共同差异表达基因(CDEG)后,对其进行功能富集分析、蛋白质-蛋白质相互作用(PPI)网络分析和核心基因(HG)鉴定,并对HG进行共表达分析及验证。最后,分析痛风、As的免疫细胞浸润,同时探索HG与浸润免疫细胞(IIC)之间的相关性。 [结果]GSE160170数据集中获得了1 606个DEG,GSE100927数据集中获得了481个DEG。其中的22个CDEG富集分析结果表明,细胞因子的调控作用可能是痛风合并As的关键机制。通过使用CytoHubba插件识别了6个HG(CCR2、CD2、FCGR3A、FGD3、IL10RA、SIGLEC1),结果显示这些HG尚且可靠。共表达网络显示这些HG可以影响肿瘤坏死因子超家族细胞因子产生的调节作用。免疫细胞浸润分析表明,痛风中的NK细胞表达显著增加,且与CCR2基因呈显著相关;As中的活化肥大细胞表达显著增加,且与CD2基因呈显著相关。 [结论]肿瘤坏死因子超家族细胞因子产生的调节作用很可能是痛风合并As的核心因素。     

Identification of key biomarkers and functional pathways in osteosarcomas with lung metastasis: Evidence from bioinformatics analysis

Background:In osteosarcoma, the lung is the most common metastatic organ. Intensive work has been made to illuminate the pathogeny, but the specific metastatic mechanism remains unclear. Thus, we conducted the study to seek to find the key genes and critical functional pathways associated with progression and treatment in lung metastasis originating from osteosarcoma.Methods:Two independent datasets (GSE14359 and GSE85537) were screened out from the Gene Expression Omnibus (GEO) database and the overlapping differentially expressed genes (DEGs) were identified using GEO2R online platform. Subsequently, the Gene Ontology (GO) annotation and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathways enrichment analysis of DEGs were conducted using DAVID. Meanwhile, the protein-protein interaction (PPI) network constructed by STRING was visualized using Cytoscape. Afterwards, the key module and hub genes were extracted from the PPI network using the MCODE and cytoHubba plugin. Moreover, the raw data obtained from GSE73166 and GSE21257 were applied to verify the expression differences and conduct the survival analyses of hub genes, respectively. Finally, the interaction network of miRNAs and hub genes constructed by ENCORI was visualized using Cytoscape.Results:A total of 364 DEGs were identified, comprising 96 downregulated genes and 268 upregulated genes, which were mainly involved in cancer-associated pathways, adherens junction, ECM-receptor interaction, focal adhesion, MAPK signaling pathway. Subsequently, 10 hub genes were obtained and survival analysis demonstrated SKP2 and ASPM were closely related to poor prognosis of patients with osteosarcoma. Finally, hsa-miR-340-5p, has-miR-495-3p, and hsa-miR-96-5p were found to be most closely associated with these hub genes according to the interaction network of miRNAs and hub genes.Conclusion:The key genes and functional pathways identified in the study may contribute to understanding the molecular mechanisms involved in the carcinogenesis and progression of lung metastasis originating from osteosarcoma, and provide potential diagnostic and therapeutic targets.