基于生物信息学方法筛选高砷暴露人群的关键基因

目的 利用生物信息学方法筛选高砷暴露人群关键基因及相关信号通路。方法 从高通量基因表达(gene expression omnibus, GEO)数据库下载GSE110852数据集，通过GEO2R在线工具筛选差异表达基因(differentially expressed genes, DEGs),应用R语言绘制火山图和热图。应用注释、可视化和综合发现数据库(the database for annotation, visualization and integrated discovery, DAVID)对DEGs进行基因本体(gene ontology, GO)和京都基因和基因组数据库(kyoto encyclopedia of genes and genomes, KEGG)通路富集分析，使用R语言绘制结果气泡图。通过基因/蛋白相互作用检索搜查工具(search tool for the retrieval of interacting genes/proteins, STRING)数据库构建差异表达基因的蛋白质-蛋白质相互作用(protein-protein interactio...     

特发性非肝硬化门静脉高压症的关键基因通路 筛选与潜在中药预测

目的 采用生物信息学方法对特发性非肝硬化门静脉高压症（idiopathic non-cirrhotic portal hypertension,INCPH）的基因芯片数据进行分析,获取疾病发生发展的关键基因和信号通路,预测治疗INCPH的潜在中药。方法 从基因表达综合数据库（gene expression omnibus,GEO）数据库下载关于INCPH的基因芯片数据集GSE77627,利用R语言对数据进行标准化并筛选INCPH的差异基因（differential genes,DEGs）,并利用Metascape数据库对所有DEGs进行基因本体（gene ontology,GO）和京都基因与基因组百科全书（Kyoto encyclopedia of genes and genomes,KEGG）富集分析,并通过STRING数据库构建蛋白-蛋白互作网络;同时,利用CytoHubba插件筛选Degree值排名前15的DEGs作为关键基因。随后将关键基因与医学本体信息检索平台互相映射,以P<0.05为标准筛选治疗INCPH的潜在中药,并从TCMSP数据库中筛选潜在中药有效成分,导入Cytoscape软件构建中药相关网络图,并预测关键作用靶点。结果 共获得1880个DEGs,其中表达上调的基因有1061个,表达下调的基因有819个。利用STRING数据库以及Cytoscape环境下的cytoHubba插件分析DEGs,筛选Dgree值排名15位的基因作为关键基因,分别是RPS27A、CDC42、EIF4E、MAPK1、PIK3R1、RPS6、RPS9、RPS8、RPL15、RPL27A、RPL24、RPL27、RPL26、RPL12和MAPK14。GO、KEGG分析显示DEGs主要参与配子生成、糖尿病并发症中的AGE-RAGE信号通路等信号通路。结论 筛选得到干预INCPH的潜在中药为人参、丹参、黄芪等,可能成为INCPH治疗的潜在分子药物来源。     

基于生物信息学的十二指肠腺瘤核心致病基因及其靶向治疗中药活性成分筛选

目的: 利用生物信息学方法对十二指肠腺瘤（duodenal adenoma, DA）的核心致病基因进行筛选和分析,挖掘潜在的可用于靶向治疗DA的中药活性成分。方法: 从GEO数据库下载DA数据集（Accession No. GSE102208）,运用GEO2R筛选差异表达基因（differentially expressed genes, DEGs）,应用DAVID数据库对DEGs进行GO及KEGG富集分析,采用STRING数据库对DEGs进行蛋白质相互作用网络（protein protein interaction, PPI）分析,利用Cytoscape获取DA核心致病基因,通过CTD数据库挖掘靶向作用于核心致病基因的中药活性成分。结果： 筛选获得DA患者与健康者十二指肠组织显著性DEGs共373个,其中270个上调,103个下调。主要涉及胆固醇稳态、胆固醇流出、脂蛋白合成、三酰甘油稳态等生物学过程,富集于PI3k Akt、PPAR、碳水化合物消化吸收、蛋白质消化吸收、脂肪消化吸收、胆汁分泌等信号通路。筛选出载脂蛋白B（ApoB）、表皮细胞生长因子（EGF）、载脂蛋白A1（ApoA1）、葡萄糖转运蛋白2（SLC2A2）、麦芽糖酶糖化酶（MGAM）等10个关键基因;进一步分析获得可能用于治疗DA的潜在靶向中药活性成分,包括白藜芦醇、槲皮素、人参皂苷、姜黄素、雷公藤甲素等。结论： 基于公共数据库可以筛选与DA发生发展密切相关的基因靶点,并挖掘到潜在的可用于DA靶向治疗的中药活性成分。     

基于GEO和TARGET数据库分析骨肉瘤转移和预后的关键基因

目的 通过生物信息学方法筛选骨肉瘤转移相关的关键基因,并探讨其对骨肉瘤患者预后的影响。方法 检索基因表达综合数据库（GEO）并获取GSE21257芯片数据集,通过GEO2R分析筛选差异表达基因（DEGs）,并对DEGs进行基因本体（GO）功能注释和京都基因与基因组数据库（KEGG）富集分析,使用STRING数据库、Cytoscape软件绘制DEGs蛋白质-蛋白质相互作用网络,通过cytoHubba插件筛选出排名前5的关键基因。利用TARGET数据库探索关键基因在骨肉瘤样本的相关性并进行预后分析。结果 共筛选出55个DEGs,其中22个基因显著下调,33个基因显著上调。GO分析结果显示,DEGs主要参与抗原加工和外源肽抗原的呈递。KEGG结果表明DEGs主要参与金葡菌感染等信号通路。Cytohubba筛选的Top5基因分别为TYROBP、ITGB2、C1QB、C1QC、CD74。通过对TARGET数据库中骨肉瘤样本的生存分析发现TYROBP、C1QB、CD74高表达与骨肉瘤患者较高的总生存期有关（P <0.05）,而且CD74高表达提示骨肉瘤患者无病生存期较高（P <0.05...     

基于生物信息学的克罗恩病中炎症相关关键基因的筛选及验证

目的 应用生物信息学方法筛选并验证炎症相关基因在克罗恩病（CD）中的表达情况。方法 分别从基因表达综合（GEO）数据库和分子特征数据库（Msigdb）下载CD数据集（GSE193677、GSE66407和GSE179285）和炎症反应相关基因（IRGs）。利用GSE193677数据集进行单样本基因集富集分析（ssGSEA）,明确CD和健康对照人群中免疫细胞和炎症水平;然后利用DESeq2方法于CD数据集进行基因差异表达分析,以|log2FC|≥1且校正P <0.05标准筛选获得CD患者和健康样本之间的差异表达基因（DEGs）。DEGs和IRGs取交集获得炎症相关差异表达基因（IRDEGs）。对IRDEGs进行基因本体（GO）和京都基因和基因组数据库（KEGG）通路富集分析,利用STRING数据库进行蛋白质-蛋白质相互作用（PPI）网络分析。利用Cytoscape软件的cytoHubba插件筛选确定关键IRDEGs。利用GSE66407和GSE179285数据集对CD组与健康对照组、炎症组及非炎症组关键IRDEGs的表达进行验证。结果 GSE193677数据集中ssGSEA分析表明...     

基于高通量芯片对小儿急性髓系白血病的生物信息学分析

目的：通过生物信息学工具筛选小儿急性髓系白血病（AML）相关的差异表达基因（DEGs）,探讨小儿AML的核心基因并阐明其发病机制。方法：从基因表达数据库（GEO）下载符合本研究要求的小儿AML的转录组数据,采用基因表达分析工具（GEO2R）进行DEGs的筛选。利用基因本体功能注释（GO）及京都基因与基因组百科全书（KEGG）分析DEGs功能及通路富集情况;利用STRING数据库构建蛋白质互作网络（PPI）并利用Cytoscape软件及插件iRegulon筛选相关的核心基因（Hub genes）及转录因子,通过生物技术信息基因云（GCBI）在线数据库分析前5位的核心基因。结果：本研究共筛选出600个DEGs,其中407个基因上调,193个基因下调。GO分析,相关的DEGs主要参与细胞成分的组成,包括核浆、细胞质、核膜和核斑点。KEGG分析,DEGs主要在肿瘤坏死因子（TNF）、细胞因子受体相互作用及Jak激酶/信号转导与转录激活子（Jak-STAT）信号通路中富集。通过STRING数据库及Cytoscape软件共筛选出甲酰肽受体2（FPR2）、磷酸肌醇3激酶调节亚单位1（PIK3R1）、E1A结合蛋白p300（EP300）、热休克蛋白90α家族（HSP90AA1）和NRAS原癌基因（NRAS）等前20个连接度最高的核心基因,其中EP300、HSP90AA1和NRAS参与了白血病的发生发展。iRegulon共筛选出TP63、NFE2L1和TBX等55个作用于Hub基因的转录因子。结论：筛选出的核心基因和转录因子可能参与小儿AML的发生发展,并可能成为小儿AML的治疗新靶点。     

乙型肝炎病毒相关肝细胞癌关键基因筛选及其与预后关系的生物信息学分析

目的：采用生物信息学方法识别与乙型肝炎病毒相关肝细胞癌（HBV-HCC）的早期诊断和不良预后相关的关键基因,阐明HBV-HCC发生发展的潜在分子机制。方法：从基因表达综合数据库（GEO）中检索“hepatitis Binduced HCC”,下载基因数据集GSE121248,通过R软件中的“limma”数据包筛选差异表达基因（DEGs）,采用“clusterProfiler”数据包对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）信号通路富集分析,采用STRING数据库和Cytoscape软件建立蛋白-蛋白互作（PPI）网络并筛选关键基因。采用基因表达水平值的交互式分析（GEPIA）、Kaplan Meier-Plotter和人类蛋白质图谱（HPA）数据库验证关键基因及其蛋白质表达水平,采用“CIBERSORT”数据包分析免疫细胞的浸润情况。结果：共筛选出574个DEGs,其中上调基因173个,下调基因401个。GO功能富集分析,DEGs主要富集于小分子代谢、信号转导、免疫应答和炎症反应等生物学过程;KEGG通路富集分析,DEGs主要富集于视黄醇代谢、细胞...     

基于生物信息学的结肠癌核心基因筛选及验证

目的: 利用生物信息学方法筛选结肠癌核心基因,并通过体外实验进行验证,挖掘潜在的结肠癌分子标志物。方法：从GEO数据库下载GSE23878、GSE37182和GSE74602数据集,应用R语言筛选结肠癌和癌旁组织的差异表达基因（differentially expressed genes, DEGs）,并对DEGs进行GO富集分析、KEGG信号通路分析。利用STRING数据库构建蛋白质相互作用（protein protein interaction, PPI）网络,采用Cytoscape软件筛选结肠癌核心基因。利用TCGA数据库验证核心基因表达及预后价值,采用细胞转染及MTT法进一步验证核心基因的功能。结果：3个数据集筛选出270个共有DEGs,GO富集分析显示DEGs参与生长负调控、细胞外基质组织、细胞外结构组织等生物学过程,KEGG信号通路分析DEGs主要富集于Wnt、NF-κB、细胞周期等信号通路。PPI筛选出11个核心基因。经GEPIA数据库验证,MYC、TIMP1、UBE2C、SOX9、AURKA、COL1A1、CDC20、TOP2A和CENPF在结肠癌中高表达,而CAV1和CXCL12低表达。进一步生存分析显示,AURKA高表达与结肠癌患者总体生存期呈正相关（P<0.05）,TIMP1高表达与结肠癌患者总体生存期呈负相关（P<0.05）,COL1A1高表达与结肠癌患者无病生存期呈负相关（P<0.05）。细胞转染及MTT实验结果显示,过表达AURKA、TIMP1可显著促进结肠癌细胞增殖。结论：筛选出可能参与结肠癌发生的11个核心基因,其中AURKA和TIMP1表达变化可能与结肠癌患者预后相关。     

基于GEO数据库探究结直肠肿瘤相关基因及其功能

目的 利用生物信息学分析方法,结合GEO数据库,探讨获取结直肠肿瘤关键基因的差异表达情况。方法 使用GEO数据库分析结直肠肿瘤患者的肿瘤组织和正常组织基因表达数据,使用GEO2R筛选差异表达基因(differential expression genes, DEGs),利用David数据库对DEG进行基因本体论(gene ontology, GO)富集分析,获得DEG的分子功能、细胞组分和生物过程结果,利用基因组百科全书(Kyoto encyclopedia of genes and genomes, KEGG)获取差异基因在疾病状态下的信号通路信息,构建差异基因间蛋白质相互作用网络,并使用Cytoscape软件对网络中的关键节点进行拓扑分析,筛选出结直肠肿瘤患者发生过程中的关键基因。结果 通过对GSE21510数据集的生物信息学分析,共鉴定到664个DEGs,其中结直肠肿瘤患者高表达基因234个,低表达基因430个。这些DEGs主要参与细胞分裂、RNA聚合酶II启动子转录正和负调控等生物过程,同时参与细胞核、胞质、细胞质、核浆、细胞膜等细胞成分组成,并参与蛋白质绑定、ATP绑定等分子...     

基于生物信息学分析骨肉瘤转移的关键基因及预后

目的：通过生物信息学分析筛选出骨肉瘤转移的关键基因，探讨骨肉瘤转移潜在的机制和关键标志物。方法：从TARGET数据库中下载骨肉瘤基因表达谱和临床信息数据，采用R软件的“limma”包筛选骨肉瘤转移组和非转移组的差异基因（Difference genes, DEGs），对差异基因运用R软件的“clusterProfiler”包进行基因本体论（Gene Ontology, GO）、京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes, KEGG）分析，了解DEGs富集的分子功能及通路，采用STRING数据库构建蛋白-蛋白相互作用（Protein-Protein inter-action network, PPI）网络，采用Cytoscape软件对DEGs进行相关性分析，找出与骨肉瘤转移进展最相关的核心基因（Hub gene）；对Hub基因进行Kaplan-Meier(K-M)生存分析，明确和验证Hub基因与骨肉瘤患者预后之间的关系，筛选出对预后具有意义的关键基因。结果：分析出248个有差异表达的基因，其中上调18个、下调230个差异基因，...     

基于GEO数据库分析睡眠剥夺影响肝代谢的核心基因及关键通路

目的：基于基因表达数据库(GEO)筛选睡眠剥夺影响肝脏代谢过程的差异基因(DEG),探究DEG的生物学功能及关键信号通路,探析睡眠影响代谢的分子生物学机制。方法：从GEO数据库中筛选出包含有睡眠剥夺和正常对照的基因芯片数据集,使用其自带的分析工具GEO2R,以P值(adj.P)＜0.05且|log2FC|≥1作为筛选条件对数据库中的DEGs进行筛选。同时运用DAVID数据库对DEGs行基因本体(GO)富集分析,运用Pathways行京都基因与基因组百科全书(KEGG)通路富集分析。最后,运用STRING平台构建蛋白质互作用网络(PPI),并运用来自Cytoscape3.8.2软件的cytohubba插件筛选所涉及的核心基因。结果：本次研究总共筛选出54个差异基因,上调基因有34个,下调基因有20个。GO分析结果显示,差异基因的BP主要富集在脂质代谢、类固醇代谢、甘油三酯合成正调节、昼夜节律、SREBP信号通路等,CC主要富集在细胞器、内质网膜、内质网、高尔基体等;MF主要富集在氧化还原酶活性、血红素结合、铁离子结合、跨模信号受体活性等;KEGG通路主要富集在PPAR通路、类固醇激素生物合成通路、癌症转录失调通路、视黄醇新陈代谢通路共计4条信号通路。通过STRING数据库及Cytoscape3.8.2软件共筛选出PPARG、SREBF1、FGF21、Lpin1等为此过程的核心基因。结论：利用生物信息学方法能有效筛选出睡眠剥夺影响肝脏代谢的核心基因和关键通路,为睡眠障碍和代谢失调性疾病的诊治提供了新思路。     

基于生物信息学分析的圆锥角膜相关Hub基因及其通路的鉴定

目的：明确圆锥角膜（KC）潜在的目标基因并探讨其潜在的病理机制。方法：从GEO数据库中下载GSE77938的基因芯片数据并进行生物信息学分析。GSE77938数据集包含50个样本,包括25例KC患者和25例正常对照者。采用Cytoscape软件进行GO和KEGG富集分析,并通过Cytoscape软件构建差异表达基因（DEGs）的蛋白相互作用（PPI）网络。结果：在KC中共鉴定出1 547 个DEGs,包括1 103 个上调基因和444 个下调基因。GO分析结果显示,上调的DEGs在生物过程（BP）中的1 220条通路中显著富集、细胞成分（CC）的黑素体的102条通路和分子功能（MF）的102条通路中显著富集。下调DEGs的富集功能在BP、CC和MF中分别为99、64和47个通路。KEGG通路分析显示上调的DEGs富集于72条通路,而下调的DEGs富集于8条通路。从PPI网络中鉴定出Hub基因TNF、JUN、IFNG、PTPRC、ICAM1、FOS、IL6、CXCL8、LCK、CSF2、MMP9、ITGAX、CD40LG和IL10,ClueGO分析发现这些基因涉及GO术语中的6 条显著通路和KEGG中的3 条通路。结论：所鉴定的DEGs和枢纽基因促进了对KC发生的分子机制的理解,其可能作为KC治疗的分子靶点和诊断性生物标志物。     

基于GEO数据库生物信息学方法分析子宫内膜癌相关基因和候选通路

目的：通过生物信息学方法分析与子宫内膜癌（EC）发生发展相关的关键基因和候选通路,探讨EC的发病机制和治疗靶点。方法：自公共基因芯片数据库（GEO）下载EC芯片数据集GSE17025和GSE63678,使用GEO2R在线分析工具和R软件筛选EC癌组织与癌旁组织的差异表达基因（DEGs）,并对DEGs进行基因本体论（GO）富集分析和京都基因与基因组百科全书（KEGG）信号通路分析,采用String数据库进行蛋白质-蛋白质互作网络（PPI）分析,最后采用Cytoscape软件对PPI网络进行可视化并进行模块分析。结果：对芯片数据集GSE17025和GSE63678进行DEGs分析后共获取100个共同上调基因和106个共同下调基因。GO富集分析DEGs主要富集于有丝分裂染色体分离、核分裂和细胞器分裂等生物学过程;KEGG信号通路分析DEGs主要富集于细胞周期、miRNA、p53信号通路和2型糖尿病等信号通路。通过Cytoscape软件分析,PPI网络中细胞分裂周期基因20（CDC20）、极光激酶A（AURKA）、细胞周期蛋白B1（CCNB1）、泛素E3连接酶（DTL）、中心体相关蛋白55（CEP55）、细胞周期蛋白依赖性激酶1（CDK1）、驱动蛋白家族成员11（KIF11）、母体胚胎亮氨酸拉链激酶（MELK）、细胞周期蛋白B2（CCNB2）和苯并咪唑出芽抑制解除同源物蛋白1（BUB1）被筛选为关键基因。结论：细胞周期相关基因与通路调控网络的失调可能是EC发病的主要机制。     

基于囊性纤维化疾病分子特征及其作用机制的生物信息学分析

目的 筛选囊性纤维化（CF）特异性相关基因,预测其靶基因,并探讨其作用机制。 方法 从基因表达汇编（GEO）数据库获取CF样本和正常对照样本的高通量芯片数据集GSE71799、GSE24206、GSE98925和GSE69764,并分为CF组和对照组。采用R软件limma包筛选CF组和对照组差异表达基因（DEGs）,使用基因本体（GO）功能注释和京都基因与基因组百科全书（KEGG）对DEGs进行功能和通路富集分析,使用基因集富集分析（GSEA）获取DEGs显著富集的基因集,采用STRING数据库建立蛋白-蛋白互作（PPI）网络,采用Cytoscape软件可视化并筛选hub基因。 结果 GEO数据库获取并筛选共429个DEGs（|log2（FC）|>1,P<0.05）,CF组中显著高表达DEGs 105个,对照组中显著高表达DEGs 324个。GO富集分析,DEGs主要富集于中性粒细胞介导的免疫、趋化因子活动和细胞黏附分子结合等方面;KEGG通路分析,DEGs主要富集于白细胞介素17（IL-17）信号通路（P<0.05）。GSEA分析,DEGs主要富集于信号通路翻译、核糖体RNA（rRNA）处理和线粒体翻译等相关基因集。STRING数据库和Cytoscape软件分析共筛选出基质金属蛋白酶9（MMP9）、C-X-C基序趋化因子配体2（CXCL2）、C-X-C基序趋化因子配体3（CXCL3）等35个hub基因,其中CXCL2和CXCL3 hub基因与DNA甲基化有关联。 结论 hub基因可能是CF中调节中性粒细胞免疫的关键基因,通过中性粒细胞介导的免疫和与免疫密切相关的IL-17信号通路相关基因失调可促进CF发生发展,CXCL2和CXCL3基因可能成为CF的DNA甲基化治疗的生物标志物。     

基于生物信息学分析宫颈癌关键基因及预后相关的生物标志物

目的 从公共数据库筛选并探讨宫颈鳞状细胞癌的关键致病基因。方法 从GEO数据库GSE122697、GSE89657里下载宫颈组织表达谱芯片数据。利用R软件和韦恩图查找数据集的差异表达基因(DEGs)交集,进行GO 和 KEGG 通路富集分析。利用STRING数据库构建了DEGs的蛋白质-蛋白质相互作用网络(PPIs)并导入Cytoscape软件进一步分析,通过cytohubba插件和MCC算法筛选出DEGs。利用癌症基因组图谱数据(TCGA)对已初步筛选的DEGs进行验证及生存曲线分析,并进一步筛选与宫颈癌总生存率相关的DEGs进行ROC分析,获得关键基因。结果 宫颈鳞状细胞癌差异基因56个,其中15个上调和41个下调。GO 及 KEGG 分析结果显示, 这些 mRNA 主要参与细胞核分裂、细胞外基质代谢调控等生物学进程; 主要富集于细胞周期、减数分裂、PIK-Akt信号通路、ECM受体相互作用通路等。通过PPI网络中筛选出18 个核心基因,并在TCGA数据集中得以验证,生存曲线分析的结果表明18个差异基因中的ASF1B基因对宫颈癌患者生存预后具有显著影响 (HR=0.437(0.272-0.704), P<0.01), ROC分析的结果表明其对宫颈癌患者具有很好的诊断价值(AUC=0.998)。结论 本研究通过综合生物信息学分析,有望为宫颈癌诊断和预后提供可靠的分子生物标志物和治疗靶点。     

基于GEO数据库分析支气管肺发育不良发生的关键基因及通路

目的:采用生物信息学方法分析支气管肺发育不良(bronchopulmonary dysplasia,BPD)发生的关键基因和信号通路.方法:在基因表达综合数据库(GEO)中筛选数据集,使用GEO2R工具筛选出BPD与非BPD极早早产儿之间的差异表达基因.使用DAVID数据库进行功能注释和通路分析,使用STRING在线工...     

基于RNA测序的A亚型呼吸道合胞病毒毛细支气管炎转录组学特征分析及关键基因预测

目的：基于RNA测序数据的分析，寻找A亚型呼吸道合胞病毒（RSV）毛细支气管炎有关的关键基因（Hub基因）和通路，为RSV毛细支气管炎的干预和治疗提供依据。方法：招募23例RSV毛细支气管炎住院患儿为病例组，以10例健康儿童为对照组。收集外周血白细胞并提取RNA用于高通量测序。利用三种R软件包（DESeq2、edgeR、limma）获取病例组和对照组之间的差异表达基因（DEGs）。利用R包clusterProfiler和Metascape在线工具对所有的DEGs进行GO和KEGG富集分析。利用STRING数据库进行DEGs的蛋白互作分析，用Cytoscape软件筛选Hub基因。结果：共筛选出286 个DEGs，包括166 个表达上调的基因和120 个表达调的基因。GO功能富集分析发现DEGs主要参与过氧化氢代谢过程、细胞对生物刺激的应激反应、维生素D受体信号通路等生物学过程。KEGG通路分析显示DEGs主要涉及免疫系统中的细胞因子信号、适应性免疫系统、中性粒细胞脱颗粒等信号通路。从蛋白互作网络中筛选出4个核心模块，主要与RAF/MAP激酶级联反应、病毒蛋白与细胞因子和细胞因子受体互作等通路有关。最后筛选出RRM2、BUB1B、BUB1、MCM10、CDC45、MKI67、ASPM、NCAPG、NUSAP1、ESPL1、CDT1 共11个与A亚型RSV毛细支气管炎相关的Hub基因。结论：本研究鉴定出的免疫相关通路和Hub基因可能与RSV毛细支气管炎发病有关，其具体机制值得进一步研究。