基于TCGA 数据对60 岁以上不同分层急性髓系白血病患者相关lncRNA 的基因信息学分析

目的　通过对肿瘤基因组图谱（the concet genome atlas,TCGA）的相关数据进行分析,以得到长链非编码 RNA （long non-coding RNA,lncRNA）及其下游靶分子,对60 岁以上急性髓系白血病 （acute myeloid leukemia, AML）人群预后影响的相关信息。方法　将TCGA 数据库中60 岁以上AML 患者样本,根据美国国立综合癌症网络 （NCCN）指南分为高危AML 和低中危AML 两组。通过R 软件中的“edgeR”筛选得出差异表达的lncRNA / miRNA / mRNA。再利用R 软件中的“survival”包对在高危AML 与低中危AML 中存在差异表达的lncRNA 进行生存分析,并 构建相互竞争的内源性RNA（ceRNA）网络。结果　根据TCGA 数据库中的 lncRNA / miRNA / mRNA 表达数据, 综合 分析得出10 个经典lncRNA（AC009154.1, AC011124.1, AC093627.2, AC144450.1, AL035691.1, AL355974.2, AL441943.2, LINC00703, LINC01612 和AC103702.2）与60 岁以上AML 患者预后具有显著的相关性,并得到了与这些lncRNA 相关 的ceRNA 网络。此外,还进行了两者之间存在差异表达的mRNAs 基因本体论（gene ontology,GO）和京都基因与基 因组百科全书（KEGG）通路分析。结论　可以通过干预这些lncRNA 的表达,影响高龄AML 患者预后,从而延缓或 控制高龄AML 患者病情的发展。     

基于lncRNA-miRNA-mRNA的ceRNA网络构建筛选老年胶质母细胞瘤相关lncRNAs

目的:识别老年胶质母细胞瘤患者相关lncRNA(Long non-coding RNA,长链非编码RNA)。方法:从TCGA数据库下载TCGA-GBM RNA-seq、miRNA-seq、clinical数据。将样本按照年龄大于70岁和小于70岁进行分组。利用edgeR软件进行lncRNA、miRNA、mRNA的差异表达分析。利用miRanda软件分别预测miRNA的mRNA靶基因以及miRNA的lncRNA靶基因。针对筛选出的差异lncRNA和差异mRNA,进行表达相关性分析。根据lncRNA-mRNA相关性分析以及miRNA靶基因分析结果,构建ceRNA网络。结果:根据本文的筛选条件共筛选得到48个lncRNA-miRNA-mRNA调控网络。结论:筛选得到7个lncRNA及48个ceRNA网络可作为老年胶质母细胞瘤患者的生物学标志物进行研究。     

基于TCGA数据库筛选与胃癌预后相关的差异基因

目的 通过对癌症基因组图谱(TCGA)数据库中胃腺癌转录组数据进行分析,找出预后相关的差异表达基因。方法 从TCGA数据库中下载胃腺癌的转录组数据,利用R语言edgeR包筛选出差异基因后,对差异基因进行生存分析。结果 共得到175个差异表达miRNA及201个差异表达mRNA/lncRNA,进一部进行生存分析,以P 0. 05作为统计筛选标准,得到15个miRNA和9个mRNA、8个lncRNA与胃癌的生存时间相关。结论 通过对TCGA数据库中胃腺癌的表达数据进行分析研究,选出与该病预后密切相关的基因,为该病的早期诊断和靶向治疗提供分子层面的参考信息。     

基于TCGA数据库筛选微小RNA（miRNA）用于原发性乳腺癌早期诊断的生物信息学分析

目的　基于肿瘤基因图谱（the cancer genome atlas,TCGA）数据库筛选微小RNA（miRNA）用于原发性乳腺癌的早期诊断。方法　从TCGA上下载原发性乳腺癌miRNA表达数据,将癌症组与正常组比较获得差异表达miRNA。用miRwalk2.0软件分析差异miRNA的靶基因。在c-Bioportal数据库中筛选出原发性乳腺癌突变发生率大于5%的突变基因。分析差异miRNA作用的靶基因与乳腺癌高频突变基因之间的关系,得到备选miRNA,将备选miRNA与乳腺癌前20 名差异表达的miRNA求交集,得到目标miRNA,将目标miRNA做受试者工作曲线（ROC曲线）分析。结果　TCGA数据包含原发性乳腺癌组织1 075例,正常对照乳腺组织95例,共有1 870条miRNA的表达数据。共得到差异表达显著miRNA 129个（P＜0.05）,其中乳腺癌组织中表达升高至3倍以上的miRNA 90个,下调至1/3的miRNA 39个,预测到相对应18 413个靶基因,筛选出原发性乳腺癌突变基因12个。18 413个靶基因中包含12个高频基因,此12个基因是差异miRNA的靶基因同时也是高频基因,故将此12个基因对应的63个miRNA作为备选miRNA。将备选miRNA与乳腺癌前20 名差异表达的miRNA求交集得到目标miRNA 6个:hsa-mir-4732,hsa-miR-486,hsa-miR-592,hsa-miR-449b,hsa-miR-187和hsa-miR-196a,将这 6个miRNA构建ROC曲线（P＜0.05）,预测其作为肿瘤标志物的诊断能力。结论　基于TCGA数据库的生物信息学方法可简便而可靠地筛选目标miRNA进行后续研究,有较高的参考价值。     

类风湿关节炎患者滑膜组织lncRNA表达及基于CeRNA网络的生物信息学分析

目的:通过生物信息学分析来识别类风湿关节炎(rheumatoid arthritis,RA)滑膜组织病变进展相关的差异表达基因。方法:通过NCBI GEO数据库获取GSE55235和GSE55457的基因表达谱。采用Perl语言对下载的数据进行样本数据合并及基因重注释;采用R语言进行批次矫正及差异分析,根据差异长链非编码RNA(lncRNA)和mRNA构建竞争性内源RNA(ceRNA)网络及进行GO富集分析和KEGG通路分析;使用cytoHubba插件筛选Hub基因,分析与差异LncRNA的相关性。结果:分析显示与正常滑膜组织对比,RA患者滑膜组织143个mRNA、3个lncRNA存在明显差异表达。根据差异基因构建lncRNA-miRNA-mRNA互作网络,网络由2个LncRNA节点,16个miRNA节点、17个mRNA节点以及44个边组成。GO功能富集分析主要集中在细胞死亡的正调控、成纤维细胞增殖的调节、免疫应答调节细胞表面受体信号通路等功能。KEGG通路分析显示35条通路被富集,其中涉及IL-17代谢通路、MAPK信号通路、WNT信号通路、TNF信号通路等。其中Hub基因MYC,CDKN1A,JUN,FOS与LncRNA MEG3在RA滑膜组织中均呈低表达,且lncRNA MEG3与MYC,CDKN1A,JUN,FOS表达具有相关性。结论:通过生物信息学网络分析,lncRNA MEG3可能作为ceRNA在RA的疾病发展中发挥着重要作用,为RA提供一些新的候选诊断生物标志物或潜在的治疗靶点。     

基于GEO 数据库筛选慢性胰腺炎恶变过程中关键miRNA 和ceRNA 网络构建

目的 筛选慢性胰腺炎（chronic pancreatitis, CP）进展到胰腺癌（pancreatic cancer, PC）过程中发挥潜在作用的 miRNA及其调控网络。方法 从 GEO数据库中下载芯片数据 GSE24279和 GSE25820,筛选出在 CP和 PC中差异表达的 miRNA（differential expression miRNA,DEM）。预测 DEM的靶基因和长链非编码 RNA（long non-coding RNA）,随后进行靶基因富集分析,构建蛋白互作网络（protein-protein interaction, PPI）并筛选出枢纽基因和具有特殊生物学功能的模块,通过综合分析 DEM,枢纽基因和 LncRNA的表达和预后,基于竞争性内源 RNA（competing endogenous RNAs, ceRNA）的理论,构建 miRNA的调控网络。结果 筛选出 16个 DEM,其靶基因参与共生过程,细胞器组织的正调控,细胞质的核周区域和双链 RNA结合。从 PPI网络中,筛选出 17个枢纽基因和 3个模块。综合分析后,将 hsa-miR-221-3p,hsa-miR-222-3p,hsa-miR-210-3p及 RNPS1,MGRN1作为 CP进展为 PC中关键节点。 41个 LncRNA结合关键 DEM,其中 MIAT,DANT2,TTN-AS1,PAXIP1-AS2和 LINC00473具有预后价值。综合以上结果,构建出包含 3个 DEM,2个基因和 5个 LncRNA的 ceRNA调控网络。结论 研究采用的整合分析方法有助于揭示 CP恶变的机制,构建的 LncRNA-miRNA-基因调控网络,为预测和治疗由 CP进展为 PC的患者提供了新的生物学靶点。     

脓毒症患者外周血中lncRNA和miRNA表达谱及功能分析

目的本研究利用二代测序(next-generation sequencing, NGS)技术, 对脓毒症患者外周血液进行测序分析, 探讨非编码小RNA(microRNA, miRNA)和长链非编码RNA(long noncoding RNA, lncRNA)的差异表达及其功能网络。方法本研究采集2021年6月至9月在盐城市第一人民医院招募的重症医学科7例泌尿系统感染的脓毒症患者和3例健康职工志愿者的全血进行NGS分析, 筛选差异表达的mRNA、lncRNA和miRNA, 并对差异表达进行生物信息学分析(差异倍数FC>2, P<0.01)。本研究筛选并下载GEO数据库中4个脓毒症患者基因组数据集, 筛选共同差异表达基因, 对筛选基因进行京都基因组百科全书分析。使用Cytoscape 3.7.0进行构建miRNA-mRNA和IncRNA-miRNA-mRNA网络。结果差异表达mRNAs主要富集于炎症反应相关通路。131个差异基因显著富集在PD-1/PD-L1信号通路, 发现调控PD-1/PD-L1信号通路的TLR2、LAT和CD247等靶基因, 以及参与调控的miRNA(hsa...     

基于微小核糖核酸-信使核糖核酸调控网络的骨关节炎病变的相关分子机制研究

目的基于miRNA-mRNA调控网络进行生物信息学分析, 探讨骨关节炎病变的相关分子机制。方法从GEO数据库下载人血清样本miRNA表达数据集, 通过R语言limma包获取差异表达miRNA,采用miRwalk 2.0版数据库预测其对应靶基因(mRNA), 并构建miRNA-mRNA调控网络。对靶基因进行功能GO分析和KEGG信号通路分析, 构建靶基因所编码的蛋白质相互作用网络(PPI), 从中筛选出骨关节炎病变的核心基因。结果共筛选出7个差异表达的miRNA(表达均为下调)和900个mRNA, 这些基因主要涉及蛋白结合、DNA结合、转录等生理过程, 参与Cell cycle、p53、Neurotrophin、PI3K-Akt等信号通路。蛋白相互作用分析表明MAPK1、TP53、MAPK14、CCND1、EP300、POLR2E、POLR2F、ABL1、RAC1、SKIV2L2为该调控网络的核心靶基因。结论 OA的发生和发展涉及多个的miRNA、靶基因和作用途径, 而通过构建骨关节炎相关miRNA-mRNA调控网络, 可为找出骨关节炎病的分子机制和今后临床上诊疗提供新的思路。     

基于生物信息学方法构建类风湿性关节炎miRNA-mRNA调控网络

目的基于生物信息学方法构建类风湿性关节炎核心微小RNA(miRNA)-mRNA调控网络并筛选相关核心基因,探索其在类风湿性关节炎疾病中的分子调控机制。方法从基因表达综合(GEO)数据库下载miRNA和mRNA基因表达谱芯片GSE72564和GSE55235。采用GEO2R分析工具筛选差异表达的miRNA和mRNA,应用miRNet在线数据库分析预测miRNA差异表达的靶基因并与mRNA数据集筛选出的差异基因进行交叉匹配,获得miRNA-mRNA相互作用关系对。使用ClusterProfiler包对miRNA-mRNA的差异基因进行基因本体论(GO)富集分析和京都基因与基因组百科全书(KEGG)富集分析。应用Cytoscape软件绘制miRNA-mRNA调控网络图并使用cytohubba插件进行Hub基因分析。结果共筛选出差异miRNA23个,筛选到差异基因1 038个。交叉匹配后获得142个差异基因,GO分析发现其主要与缺氧反应及细胞黏附分子结合等生物过程和分子功能相关。KEGG分析表明其主要参与调控磷脂酰肌醇3-激酶/蛋白激酶B(PI3K/AKT)、Th17细胞分化、Th1/Th2细胞分化等信号通路。成功构建miRNA-mRNA调控网络,筛选出8个DE-miRNA,其中hsa-miR-218-5p属于高频下调表达的miRNA,可靶向作用于KLHL21和HSPG2。结论基于数据挖掘和芯片分析技术成功构建类风湿性关节炎miRNA-mRNA调控网络,有助于阐明miRNA及其靶基因在类风湿性关节炎发生和发展中的分子调控机制,为类风湿性关节炎的靶向诊断和治疗提供可靠的理论基础。     

基于TCGA 数据库卵巢癌患者的miR-301b 表达量与生存状况生物信息学分析

目的 研究肿瘤基因图谱（the cancer genome atlas，TCGA）数据库中microRNA-301b（miR-301b）在478 例卵巢癌患者中的表达量与卵巢癌患者生存状况的关系。方法 对TCGA 数据库中478 例卵巢癌患者的miR-301b 表达量与生存状况进行分析，预测其靶基因及生物学活性。结果 miR-301b 高表达患者具有更长的生存时间, 是卵巢癌患者预后的保护因素（OS:P<0.001, DFS:P<0.05），综合3 个靶基因数据库的预测结果得到12 个靶基因，编码的蛋白多数与肿瘤的发生发展有关，其中靶基因TEA 结构域家族成员1（TEA domain family member 1，TEAD1） 与胞质多糖基化元件结合蛋白4(cytoplasmic polyadenylation element binding protein 4, CPEB4)的表达量与卵巢癌患者的预后相关（TEAD1:P<0.05，CPEB4:P<0.05）。结论 miR-301b 表达对卵巢癌患者的预后具有重要的意义，表现出抑癌因子的作用，对卵巢癌的预后评估和治疗具有重要的指导意义。     

Screening of molecular targets and construction of a ceRNA network for oxaliplatin resistance in colorectal cancer

Oxaliplatin resistance reduces the efficacy of chemotherapy for colorectal cancer (CRC). This study aimed to screen molecular targets of oxaliplatin resistance in CRC to construct a ceRNA network. The differentially expressed mRNA and lncRNA between the oxaliplatin-resistant and oxaliplatin-sensitive colon cancer cell lines was determined using RNA sequencing data (no. {"type":"entrez-geo","attrs":{"text":"GSE42387","term_id":"42387"}}GSE42387) from the NCBI GEO database. Gene Ontology BP (biological process) and KEGG pathway enrichment analyses were used to analyze the function and pathway enrichment of the differentially expressed mRNA and lncRNA. The lnCeDB and starBase v2.0 were used to predict miRNA, and Cytoscape software was used to build a ceRNA network. The top 5 mRNA, miRNAs, and lncRNAs with high degrees of connectivity in the ceRNA network were validated by qPCR. TCGA colon cancer clinical data was used to perform a survival analysis of patients with differential mRNA and lncRNA expression. Between the two groups, 2515 mRNAs and 23 lncRNAs were differentially expressed. We constructed a ceRNA network containing 503 lncRNA–miRNA–mRNA regulatory pairs, 210 lncRNA–miRNA pairs, 382 miRNA–mRNA pairs, and 212 mRNA co-expression pairs. The differentially expressed lncRNA, miRNA and mRNA were verified by qPCR. One lncRNA (HOTAIR) and 14 mRNAs significantly correlated with patient prognosis. The discovery of differentially expressed genes and the construction of ceRNA networks will provide important resources for the search for therapeutic targets of oxaliplatin resistance. Moreover, this resource will aid the discovery of the mechanisms behind this type of drug resistance.

Oxaliplatin resistance reduces the efficacy of chemotherapy for colorectal cancer (CRC).     

原发性肝癌GPC3基因异常表达和相关miRNA与lncRNA预测

目的分析GPC3对原发性肝细胞癌(HCC)的诊断价值,并预测其非编码RNA调控机制。方法用组织芯片和免疫组化方法检测GPC3蛋白表达,并用在线工具和TCGA数据库分析、预测GPC3相关的mi RNA和lnc RNA。结果 HCC中GPC3 m RNA和蛋白表达均高于癌旁组织,且和HCC肿瘤病理分级相关,GPC3蛋白表达和患者临床分期相关。预测到和GPC3存在调控关系的mi RNA 10个、lnc RNA 2个。结论 GPC3 m RNA和蛋白可作为HCC的诊断标志物,预测到与GPC3相互作用的非编码RNA。     

Identification of lncRNA‐associated competing endogenous RNA networks for occurrence and prognosis of gastric carcinoma

BackgroundGastric cancer (GC) is one of the common digestive malignancies worldwide and causes a severe public health issue. So far, the underlying mechanisms of GC are largely unclear. Thus, we aim to identify the long non‐coding RNA (lncRNA)‐associated competing endogenous RNA (ceRNA) for GC.MethodsTCGA database was downloaded and used for the identification of differentially expressed (DE) lncRNAs, miRNAs, and mRNAs, respectively. Then, the ceRNA network was constructed via multiple online datasets and approaches. In addition, various in vitro assays were carried out to validate the effect of certain hub lncRNAs.ResultsWe constructed a ceRNA network, including 76 lncRNAs, 18 miRNAs, and 159 mRNAs, which involved multiple critical pathways. Next, univariate and multivariate analysis demonstrated 11 lncRNAs, including LINC02731, MIR99AHG, INHBA‐AS1, CCDC144NL‐AS1, VLDLR‐AS1, LIFR‐AS1, A2M‐AS1, LINC01537, and LINC00702, and were associated with OS, and nine of those lncRNAs were considered as hub lncRNAs involved in the sub‐ceRNA network. The in vitro assay indicated two lncRNAs, INHBA‐AS1 and CCDC144NL‐AS1, which were positively related to the GC aggressive features, including proliferation, invasion, and migration.ConclusionsWe identified nine hub lncRNAs and the associated ceRNA network related to the prognosis of GC, and then validated two out of them as promising oncogenes in GC.     

基于长链非编码RNA的表达谱特征构建乳腺癌患者预后的风险模型

目的构建长链非编码RNA(long non-coding RNA,LncRNA)表达特征的乳腺癌患者预后的预测模型。方法分析癌症基因组图谱(the cancer genome atlas,TCGA)数据库1081例乳腺癌患者的转录组测序数据中LncRNA表达图谱及临床特征,对TCGA数据库中112对配对的乳腺癌及正常乳腺组织的转录组测序数据进行差异表达分析和单因素分析筛选得到差异表达且与乳腺癌患者预后显著相关的LncRNA(DELncRNA),利用DEseq2包进行差异表达分析(为减弱批次效应,测序数据已用DESeq函数标准化)。1081例乳腺癌患者被分成两组:训练集(541例)和验证集(540例)。将DELncRNA纳入Cox比例风险回归模型,在训练集中筛选和建立多LncRNA预后模型并对模型进行比例风险假定检验(proportional hazards assumption,PH假定检验),计算多基因风险评分,并基于此将患者分为高风险组和低风险组,采用Kaplan-Meier方法进行生存分析,并用验证集540例患者的数据进行验证。评价该模型在TCGA数据库肺鳞癌和肝细胞肝癌等患者中的预后评估价值。基因集富集分析(gene set enrichment analysis,GSEA)分析LncRNA影响患者生存的具体机制。结果转录组测序分析筛选得到2815个差异表达基因,其中与乳腺癌患者预后显著相关的LncRNA共91个(P<0.05)。利用541例训练集乳腺癌患者的91个DELncRNA表达数据进行Cox回归分析,构建了基于5个LncRNA的Cox比例风险回归模型(训练集AUC=0.746,验证集AUC=0.650):AC004551.1、MTOR-AS1、KCNAB1-AS2、FAM230G和LINC01283,并进行PH假定检验(P=0.388)。K-M生存分析发现,训练集中高风险组的生存明显差于低风险组(中位生存时间:7.049年与12.21年,HR 0.367,95%CI 0.228~0.597,P<0.001),在验证集中高风险组患者生存时间也明显短于低风险组(中位生存时间:7.57年与10.85年,HR 0.412,95%CI 0.214~0.793,P<0.001)。在TCGA其他癌种中也得到相似的预测结果:肺鳞癌(HR 0.604,95%CI 0.383~0.951,P=0.007)及肝细胞肝癌(HR 0.551,95%CI 0.307~0.987,P=0.011)。GSEA结果提示,上述5个LncRNA的表达模式与肿瘤细胞的细胞周期调控有关。结论基于AC004551.1、MTOR-AS1、KCNAB1-AS2、FAM230G和LINC01283表达谱构建的预后模型可用于预测乳腺癌患者的预后,有利于进一步指导临床治疗。     

A ten N6‐methyladenosine‐related long non‐coding RNAs signature predicts prognosis of triple‐negative breast cancer

BackgroundPatients with triple‐negative breast cancer (TNBC) face a major challenge of the poor prognosis, and N6‐methyladenosine‐(m6A) mediated regulation in cancer has been proposed. Therefore, this study aimed to explore the prognostic roles of m6A‐related long non‐coding RNAs (LncRNAs) in TNBC.MethodsClinical information and expression data of TNBC samples were collected from TCGA and GEO databases. Pearson correlation, univariate, and multivariate Cox regression analysis were employed to identify independent prognostic m6A‐related LncRNAs to construct the prognostic score (PS) risk model. Receiver operating characteristic (ROC) curve was used to evaluate the performance of PS risk model. A competing endogenous RNA (ceRNA) network was established for the functional analysis on targeted mRNAs.ResultsWe identified 10 independent prognostic m6A‐related LncRNAs (SAMD12‐AS1, BVES‐AS1, LINC00593, MIR205HG, LINC00571, ANKRD10‐IT1, CIRBP‐AS1, SUCLG2‐AS1, BLACAT1, and HOXB‐AS1) and established a PS risk model accordingly. Relevant results suggested that TNBC patients with lower PS had better overall survival status, and ROC curves proved that the PS model had better prognostic abilities with the AUC of 0.997 and 0.864 in TCGA and {"type":"entrez-geo","attrs":{"text":"GSE76250","term_id":"76250"}}GSE76250 datasets, respectively. Recurrence and PS model status were defined as independent prognostic factors of TNBC. These ten LncRNAs were all differentially expressed in high‐risk TNBC compared with controls. The ceRNA network revealed the regulatory axes for nine key LncRNAs, and mRNAs in the network were identified to function in pathways of cell communication, signaling transduction and cancer.ConclusionOur findings proposed a ten‐m6A‐related LncRNAs as potential biomarkers to predict the prognostic risk of TNBC.     

基于GEO数据库整合miRNA-mRNA表达谱筛选卵巢癌的关键基因分子及生物信息分析

目的　卵巢癌是妇产科恶性肿瘤死亡的主要原因之一,但其致病分子机制还未被清晰阐明。该研究通过整合生物信息学方法,旨在挖掘其潜在的关键基因分子及生物学功能,以便更全面地揭示其发病机制。方法　从GEO (Gene Expression Omnibus) 数据库下载miRNA和mRNA表达谱芯片集。通过R语言“limma”包筛选差异表达的miRNA和mRNA。通过FunRich软件对筛选的差异miRNA进行靶标预测,并与筛选的差异mRNA取交集得到共有差异基因。通过R语言“clusterProfiler”包对共有差异基因进行富集分析和通路注释以挖掘其生物学功能。 运用string数据库和cytoscape软件进一步构建miRNA-靶基因调控网络,并鉴定分子网络中的关键基因分子。结果　共筛选鉴定出167个共有差异基因。富集分析表明共有差异基因主要涉及细胞外组织、胚胎器官发育、突触后特化、胶原三聚体和DNA结合转录激活等生物过程;通路注释表明共有差异基因主要参与蛋白质的消化吸收和松弛素信号通路行为。分子网络分析筛选鉴定了10个候选关键基因,并发现miR-29c-3p,miR-1271-5p和 miR-133b抑癌分子与共有差异基因存在最广泛的靶向关系,处于调控中枢核心地位。上述关键基因分子在卵巢癌发生发展中扮演了重要角色。结论　该研究采用的系统整合方法学和鉴定的关键基因分子有助于揭示卵巢癌的潜在致病机制,也为卵巢癌的早期筛查提供新的候选标志物。     

基于数据挖掘分析GPX4在胃癌中的表达及临床意义

目的探索谷胱甘肽过氧化物酶4（GPX4）在胃癌中的表达及临床意义。 方法检索收集Oncomine和基因表达谱动态分析（GEPIA）数据库中GPX4 mRNA在常见肿瘤中的表达情况，并分析其在胃癌中的表达及与患者预后的关系。利用cBioPortal在线分析癌症基因图谱（TCGA）数据库中1178例胃癌样本中的RNA测序数据，分析GPX4基因的突变情况及其与预后的关系。利用String数据库预测与GPX4相互作用的蛋白。 结果Oncomine数据库中共收集了459项关于GPX4基因在常见肿瘤及正常组织中的对照研究，其中22项表达差异具有统计学意义（P<0.0001）。GEPIA数据库分析结果显示GPX4 mRNA在胃癌组织中高表达（P<0.01），且与不良的总体生存期及无进展生存期明显相关（P<0.05），但与胃癌的TNM分期无明显相关性（P>0.05）。对TCGA数据库的RNA测序结果分析发现，在1178例胃癌样本中有25例发生GPX4基因变异，总变异率为2.1%。Kaplan-Meier生存曲线分析显示，GPX4基因变异与否，与总体生存期及无进展生存期无明显相关性（P>0.05）。GSR、GSS、GGT1/5/6/7，GSTO2，GRSF1，SOD1/2等蛋白与GPX4有明显的相互作用（P=1.94×10^-7）。 结论利用多种肿瘤基因数据库分析表明，GPX4基因在胃癌组织中变异率低，其mRNA水平高表达与患者不良预后相关，为进一步探究GPX4在胃癌的发生发展中的作用提供了重要理论依据。