转录组分析鉴定腰椎椎间盘退行性变中潜在免疫相关生物标志物

目的 通过转录组分析鉴定腰椎椎间盘退行性变（IDD）中潜在的免疫相关生物标志物，寻找IDD免疫相关的关键靶点。方法 从基因表达汇编数据库（GEO）的GSE67567数据集中获得基因表达谱，并筛选差异表达mRNA、长链非编码RNA（lncRNA）和微RNA（miRNA）。使用加权基因共表达网络分析（WGCNA）和基因集富集分析（GSEA）筛选免疫相关模块，并使用Cytoscape构建lncRNA-miRNA-mRNA竞争性内源RNA（ceRNA）网络，通过免疫浸润分析确定相关的免疫细胞，使用Pearson相关分析筛选免疫相关的关键靶点。通过GSEA筛选关键的生物过程和途径。使用GEO的GSE124272数据集验证关键靶基因的表达。结果 WGCNA结果表明，蓝绿色模块与免疫力有关。免疫浸润分析显示，CD4幼稚T细胞可能是关键的免疫细胞。Pearson相关分析表明，4个mRNA（UHMK1、ZFP36L2、ZCCHC3、ZBTB20）和1个lncRNA（LINC00641）可能是IDD免疫相关的关键靶点，建立了一个免疫调节相关的ceRNA网络。GSEA结果显示，LINC00641可能通过TGF-β信号通路调节IDD。验证结果表明，这些关键基因在GSE124272数据集中存在差异表达。结论 mRNA（UHMK1、ZFP36L2、ZCCHC3、ZBTB20）和lncRNA（LINC00641）是IDD免疫相关的关键靶点。     

基于生物信息学的肝内胆管癌差异表达基因谱中关键基因的筛选及分析

背景与目的 肝内胆管癌（ICC）是指来源于肝内胆管上皮的一种恶性肿瘤,其发病隐匿,恶性程度高。ICC早期无明显临床表现,大多数患者确诊时往往已失去手术机会,因此预后极差。寻找ICC的早期诊断和治疗靶标具有重要意义,因此,本研究通过生物信息学方法对影响ICC发生发展的关键基因进行筛选。方法 从GEO数据库下载2个ICC转录组数据集（GSE107943、GSE119336）。用R语言的edgeR包筛选出差异表达基因,然后对这些差异表达基因进行GO和KEGG通路富集分析。通过STRING数据库建立差异表达基因的蛋白质-蛋白质相互作用（PPI）网络,使用Cytoscape中的MCODE插件发掘出关键调控基因。分析关键调控基因在肿瘤组织中的表达,采用UALCAN、GEPIA数据库进行验证。通过UCSC XENA数据库分析关键调控基因在泛癌中的表达。利用TCGA数据库分析关键调控基因共表达基因。采用UALCAN、GEPIA数据库分析关键调控基因与患者预后、肿瘤分级、分期、淋巴转移的关系。使用R语言GSVA包计算关键调控基因表达与免疫浸润相关性。绘制ROC曲线评价关键调控基因对ICC的预测能力。采用细胞实验验证关键调控基因的表达。结果 共筛选出1 094个共同差异表达基因,其中共同上调的基因为567个,共同下调的基因为527个,主要参与小分子分解代谢、有机酸生物合成、碳代谢等过程。通过PPI网络挖掘出3个关键调控基因Polo样激酶1（PLK1）、羟基酸氧化酶2（HAO2）、纤维胶凝蛋白（FCN2）,其中PLK1基因在肿瘤组织中明显上调,HAO2和FCN2基因在肿瘤组织明显下调,通过UALCAN、GEPIA数据库验证发现3个基因表达与分析结果一致。通过UCSC XENA数据库分析发现PLK1在28种肿瘤中表达显著增高,HAO2在24种肿瘤表达显著降低,FCN2在27种肿瘤表达显著降低。TCGA数据库分析发现PLK1与CCNA2、GTSE1等基因共表达,HAO2与MTTP、CPS1等基因共表达,FCN2与FAM99A、GDF2等基因共表达。UALCAN数据库分析发现3个基因表达与肿瘤的分期和分级、淋巴转移有关,其中PLK1高表达、HAO2、FCN2低表达提示肿瘤分期更高、分化更差、更易出现淋巴转移。相关性分析发现PLK1表达与Th2 cells浸润呈显著正相关,FCN2表达与aDC浸润呈显著负相关。绘制ROC曲线显示这3个基因都可以很好地诊断ICC,其中HAO2的诊断能力最好。细胞实验结果发现PLK1在RBE中表达明显升高,HAO2、FCN2在RBE中表达明显降低（均P<0.01）。结论 PLK1、HAO2、FCN2可能是影响ICC发生发展的关键调控基因,这3个基因可能成为ICC诊治的新靶点。     

肝脏缺血再灌注损伤的ceRNA网络构建和潜在治疗药物筛选

背景与目的 肝脏缺血-再灌注（I/R）损伤是肝移植和肝切除手术过程中常涉及的共同病理生理变化。竞争性内源性RNA（ceRNA）调控网络可参与多种疾病的发生发展。然而ceRNA网络在肝脏I/R损伤中的功能仅有少量报道。本研究旨在应用生物信息学方法构建与肝脏I/R损伤相关的ceRNA网络,同时基于差异表达基因筛选潜在治疗药物。方法 从GEO数据库获取肝脏I/R损伤的mRNA及miRNA表达芯片数据。使用R语言中的limma包进行基因差异表达分析,并使用ggplot2包进行散点图、火山图和热图绘制。使用String数据库及Cytoscape软件进行蛋白互作（PPI）网络构建。利用Metascape数据库对筛选出的差异mRNA进行GO/KEGG功能富集分析。通过转录调控网络数据库分析可能调控这些差异基因的转录因子。使用miRTarBase数据库构建miRNA-差异表达基因网络。通过starBase：ceRNA数据库构建ceRNA网络。使用比较毒物基因组学数据库（CTD）筛选对关键差异基因表达具有潜在作用的天然药物。结果 从GEO数据库获得2个肝脏I/R损伤mRNA数据集（GSE10654和GSE117066）和1个肝脏I/R损伤miRNA数据集（GSE72315）。通过limma包及Venn图分析mRNA表达数据集,筛选到16个在I/R组上调表达,在缺血后适应（IPO）组下调表达的基因;7个在I/R组下调表达,在IPO组上调表达的基因。GO/KEGG功能富集分析结果显示差异基因主要参细胞死亡的正调控及对细胞外刺激反应的生物学过程,并参与MAPK信号通路。转录调控网络数据库分析获得6个转录因子（Trp53、Cebpb、Crebbp、Fos、Nfkb1及SP1）可能参与这些差异基因的调控。通过miRTarBase数据库分析,并结合GSE72315数据集中miRNA在I/R损伤后的差异表达,获得两个可能在肝脏I/R损伤中发挥重要的作用miRNA-mRNA轴（mmu-miR-32-5p-Btg2与mmu-miR-9-5p-Mt2）。通过starBase：ceRNA数据库分析,最终获得9条ceRNA网络,分别是：XIST/MEG8/LINC00963/MALAT1-miR-32-5p-Btg2轴、XIST/NEAT1-miR-132-3p-Btg2轴及HSPA9P1/RALGAPA1P1/RPS26P39-miR-9-5p-Dusp6轴。CTD数据库筛选到7种植物药（槲皮素、白藜芦醇、染料木黄酮、香豆雌酚、姜黄素、辣椒素及东莨菪碱）可降低关键基因的表达发挥潜在治疗作用。结论 通过生物信息学方法筛选了肝脏I/R损伤过程中的关键ceRNA网络及治疗的潜在天然药物,为进一步研究肝脏I/R损伤的发病机制及治疗药物提供重要依据。     

胰腺癌关键基因CTTNBP2NL的筛选与功能验证

背景和目的：胰腺癌是一种常见的恶性消化系统疾病,其难以诊断和治愈。多数患者在确诊时已经错过了手术机会,寻找胰腺癌的早期诊断和治疗靶标具有重要意义。因此,本研究使用生物信息学筛选与胰腺癌进展相关的关键基因,并鉴定其影响肿瘤进展的具体作用机制。方法 选用GEO的GSE15471、GSE16515和GSE132956数据集,使用R语言“limma”包对3个GEO数据集进行差异基因分析,筛选胰腺癌中差异基因并用Venn图取交集。通过Metascape富集分析差异基因的功能,KMPLOT生存分析差异基因与患者预后生存的相关性,GEPIA数据库验证差异表达情况。选择其中关键基因,用Linkedomics分析其与胰腺癌临床病理信息的相关性,KEGG、GO富集分析其相互作用因子的生物学功能,用Cytoscape软件构建PPI网络并分析相关信号通路。随后在胰腺癌组织样本和细胞系中验证关键基因的表达,细胞功能实验验证其功能。结果 在3个GEO数据集中共筛选了177个基因上调,104个基因下调。Metascape富集分析发现上调基因富集在组织形态发生、血管形成、细胞运动和细胞增殖等过程,下调基因富集在代谢、胰腺分泌等过程。KMPLOT生存分析发现,差异基因中有6个因子（CTTNBP2NL、FGD6、ITGA2、KRT19、S100P、TMPRSS4）与胰腺癌明显相关,且都是胰腺癌患者生存的危险因素（均P<0.05）,GEPIA验证亦显示其均在胰腺癌中显著上调（均P<0.05）。其中,CTTNBP2NL在胰腺癌中的功能不明,故选择其为研究对象,其后,临床相关性分析显示CTTNBP2NL与胰腺癌TNM分型中的N分期明显相关,且随分期增加而上调。PPI分析得到17个与CTTNBP2NL互作蛋白,KEGG富集分析发现其相互蛋白与PI3K/Akt、TGF-β等通路相关,GO富集分析也发现其与细胞分离和凋亡相关。3个GEO数据芯片显示CTTNB2NL在胰腺癌中高表达,且在胰腺癌组织和细胞系,CTTNB2NL的mRNA和蛋白表达也均上调（均P<0.05）。细胞功能实验结果显示,沉默CTTNBP2NL后,胰腺癌细胞增殖,迁移和侵袭明显抑制,凋亡明显增加,同时,PI3K/Akt信号通路活性明显抑制（均P<0.05）。结论 CTTNBP2NL在胰腺癌中高表达,并与胰腺癌细胞的增殖、迁移和侵袭密切相关,其作用机制可能与活化PI3K/Akt信号通路有关。CTTNBP2NL可以作为胰腺癌的潜在预后生物标志物和诊断靶点。     

基于机器学习的胰腺癌特征基因筛选初步研究

背景与目的 胰腺癌是一种难治的癌症,90%以上的患者在诊断后1年内死亡。胰腺癌病变组织和正常组织之间存在差异表达基因（DEGs）可能与胰腺癌的发生和发展密切相关。本研究运用机器学习方法对胰腺癌DEGs进行筛选,以期为研究该病的发生机制提供依据。方法 从公共基因GEO数据库中筛选胰腺癌基因表达谱,使用线性回归模型软件包Limma对不同组的芯片进行差异性计算,归一化;使用R语言获得DEGs,对筛选出来的DEGs特征选择方法进一步进行筛选;基于获得的核心DEGs,采用AdaBoost和Bagging算法分别构建胰腺癌预测模型。用DAVID 网站对核心DEGs进行GO功能分析和KEGG通路富集分析,再用STRING网站及Cytscape软件对核心DEGs进行蛋白-蛋白相互作用（PPI）网络分析,最后用GEPIA网站对预后相关的核心DEGs行生存分析。结果 通过特征筛选,得到了18个关键的DEGs;以该18个DEGs建立特征子集,结合AdaBoost算法建立了预测模型,预报准确率可以达到92.3%。通过对DEGs的GO和KEGG分析,发现CDK1、CCNA2和CCNB1有间接作用,对胰腺癌的形成和发展有一定的作用。生存分析显示,CDK1（P=0.000 8）、CCNB1（P=0.012）、CSK2（P=0.023）、CKS1B（P=0.001 3）的表达量与患者总生存期（OS）有相关性,它们的表达量越高,患者OS越短。结论 机器学习方法可较好地对胰腺癌特征基因进行筛选,对胰腺癌的诊治及相关的药物开发具有一定意义。     

类风湿关节炎与骨质疏松症的生物信息学分析

目的 利用生物信息学分析类风湿关节炎（RA）与骨质疏松症（OP）的关系。方法 通过Genecards、OMIM、TTD等数据库查找RA和OP的疾病基因,对两组疾病的基因取交集,将共同基因导入STRING数据库构建蛋白互作（PPI）网络图,使用R软件筛选出PPI网络中的关键基因,利用DAVID数据库进行GO和KEGG富集分析。结果 通过检索数据库筛选出RA相关基因5 388个、OP相关基因4 587个,取交集后获得共同靶点基因1 899个,PPI网络图显示IL-6、INS、AKT1、TNF、TP53、VEGFA、EGFR等为RA与OP的共同关键基因,GO富集主要与受体配体活性、细胞因子受体结合、囊泡、T细胞活化、肽分泌的调节等相关,KEGG信号通路包括PI3K-Akt信号通路、JAK-STAT信号通路、破骨细胞分化、细胞凋亡、Th17细胞分化等。结论 所获得RA与OP的共同关键基因和涉及的信号通路,有助于理解两者在疾病过程中的相关性,为药物的研发提供理论参考。     

乳腺癌新辅助化疗前后肿瘤相关巨噬细胞相关基因变化的生物信息学分析

背景与目的 乳腺癌是全球女性发病率最高的恶性肿瘤,化疗是乳腺癌最重要的治疗方式之一,最近的研究表明,化疗可能通过增强肿瘤微环境中的抗肿瘤免疫力来发挥抗肿瘤效应。因此,本研究通过生物信息学分析明确乳腺癌患者新辅助化疗（NAC）前后肿瘤相关巨噬细胞（TAMs）及相关基因的变化,评估NAC对乳腺癌患者免疫影响。方法 GEO数据库输入“Breast Cancer”,“TAMs”,“Chemotherapy”进行检索,选择人乳腺癌组织的GSE134600数据集进行分析。通过R包（limma函数）筛选乳腺癌患者NAC前后组织样本中差异表达基因（DEGs）。对所有DEGs进行GO功能富集和KEGG通路分析。通过Cytoscape软件对DEGs进行蛋白互作网络可视化,并筛选关键核心基因,通过cBioPortal对10个关键基因进行突变分析。使用R包（CIBERSORT）对GSE134600数据中的免疫细胞分布及相关性进行评估。结果 鉴定出751个乳腺癌NAC前后DEGs（409个上调基因和342个下调基因）。通过GO富集分析DEGs的生物过程（BP）、细胞组分（CC）和分子功能（MF）。在BP中主要富集在I型干扰素（IFN-I）信号通路/病毒应答与防御和病毒生命周期方面;在CC中主要富集在细胞膜的外在成分和细胞膜的细胞质侧方面;在MF中主要富集在细胞因子受体结合、双链RNA结合和脂肽结合方面。KEGG通路富集分析中,DEGs主要富集在甲型H1N1流感、麻疹、丙型肝炎、冠状病毒病COVID-19、NF-κB信号通路、EBV病毒感染、NOD样受体信号通路和阿米巴病信号通路。通过CytoHubba插件筛选出乳腺癌NAC前后TAMs相互作用程度最高的前10个关键基因：IFIT1、ISG15、MX1、MX2、IRF7、RSAD2、IFIT3、IFI35、IFI6、IFITM1。多组学分析发现IFIT1、MX1和MX2主要发生缺失突变,IFIT1主要发生基因深度删除,而MX1和MX2主要发生基因扩增。NAC后乳腺癌组织中M0巨噬细胞、CD8⁺T细胞及M2巨噬细胞含量减少,M0巨噬细胞与记忆性B细胞成正相关（r=0.64）,与未活化的CD4⁺记忆性T细胞呈负相关（r=-0.66）。结论 所发现的乳腺癌患者NAC前后TAMs相关的DEGs与干扰素信号通路密切相关,提示干扰素信号通路在NAC可能通过改变TAMs而发挥重要作用。同时NAC前后M0巨噬细胞发生明显改变,提示化疗可能通过改变M0巨噬细胞分布及免疫功能调节对肿瘤的免疫应答。     

基于生物信息学胰腺腺癌关键基因的筛选及支持向量机诊断模型的构建

背景与目的：胰腺癌是一种常见的消化道恶性肿瘤,其主要病理类型为胰腺腺癌（PAAD）,因早期诊断困难且缺乏有效的治疗措施,故预后极差。因此,寻找PAAD的诊治新靶标具有重要意义。本研究通过生物信息学方法筛选与PAAD诊断和预后相关的关键基因,构建分类PAAD样本和正常样本的支持向量机（SVM）模型,以期为PAAD的诊治及机制研究提供依据。 方法：从基因表达数据库（GEO）中下载3个芯片数据（GSE28735、GSE62165、GSE62452）,应用R语言的Limma包筛选出PAAD组织和正常组织间的差异表达基因（DEGs）。利用STRING数据库对DEGs进行GO和KEGG通路富集分析。再以STRING数据库构建DEGs的蛋白互作网络（PPI）,利用Cytoscape软件进行可视化编辑,并通过MCODE插件进行关键子网络分析。使用R语言的survival包筛选PPI和关键子网络中与预后相关的关键节点,将其上传至Metascape进行功能富集分析。利用R语言caret包中递归式特征消除（RFE）算法筛选关键节点中的最优特征基因,在GEPIA数据库中验证最优特征基因的表达差异,随后通过R语言的e1071包构建最优特征基因的SVM模型,并在3个芯片数据中借助R语言的pROC包对该模型进行验证。在TCGA数据库中,用R语言的survminer包筛选出最优特征基因中与PAAD预后相关的基因作为关键基因。 结果：共筛选出257个DEGs,包括168个上调基因和89个下调基因。GO分析结果表明DEGs主要参与细胞外基质的组成、细胞黏附、丝氨酸肽酶活性等生物学过程。KEGG分析显示,DEGs主要富集于蛋白质的消化和吸收、胰腺的分泌、黏着斑、PI3K-Akt信号通路。生存分析筛选出14个关键节点同时在GSE28735和GSE62452中与预后相关（均P<0.05）,这些基因在肿瘤侵犯和肿瘤发生中发挥一定作用。RFE筛选出8个最优特征基因：LAMA3、FN1、ITGA3、MET、PLAU、CENPF、MMP14、OAS2;GEPIA数据库验证发现这8个最优特征基因在PAAD组织中明显上调（均P<0.01）;这些基因构建的SVM模型在3个芯片数据中ROC曲线的AUC依次为0.898、1.000、0.905。TCGA数据库验证发现LAMA3、ITGA3、MET、PLAU、CENPF及OAS2的上调与PAAD预后不良有关（均P<0.05）。 结论：关键基因LAMA3、ITGA3、MET、PLAU、CENPF及OAS2可能成为PAAD诊治的新靶点;基于8个最优特征基因构建的SVM模型可有效诊断PAAD。     

甲状腺乳头状癌潜在关键基因的生物信息学分析

背景与目的 甲状腺癌是近年来发病率增长最快的疾病,甲状腺乳头状癌（PTC）是甲状腺癌最多见的一种亚型。目前,亟需寻找与PTC相关的生物标志物分子,以提高预后诊断和提供高效的治疗靶标。方法 检索并分析GEO数据库PTC相关的的微阵列数据集（GSE60542,GSE33630和GSE3467）,通过GEO数据库的GEO2R工具筛选PTC和正常甲状腺组织的差异表达基因。对差异基因行全基因组的富集分析,这些差异基因蛋白质之间的相互作用通过线上数据库工具分析,通过Cytoscape软件进行可视化处理。通过Cbioportal分析工具评估关键基因对PTC的预后价值并进一步行实验验证。结果 共鉴定62个上调和40个下调差异基因,挑选出10个具有高度连通性的关键基因,其中,KIT降低与PTC的预后不良相关（P<0.01）。通过qRT-PCR检测52例PTC组织和癌旁正常组织中KIT的表达,结果显示,KIT在癌组织中表达较癌旁正常组织显著降低（P<0.001）,KIT的表达与临床分期（P=0.008）和淋巴结转移明显相关（P=0.023）。结论 KIT在PTC组织中表达较正常甲状腺组织降低,其可能是PTC患者预后不良的关键基因,并有望成为PTC的治疗靶标和分子生物学标志物。     

乳腺癌中垂体瘤转化基因1对免疫浸润的影响及其预后价值

背景与目的 垂体瘤转化基因1（PTTG1）是一种癌基因,在多种肿瘤中高表达,可作为癌症侵袭转移的生物标志物。然而,PTTG1在乳腺癌中的表达水平及其与患者预后的关系并不清楚。本研究旨在研究乳腺癌中PTTG1的表达与患者预后的关系及其对免疫细胞浸润的影响,并初步探讨PTTG1在乳腺癌发生发展中的可能作用机制。方法 利用Oncomine 4.5数据库和Kaplan-Meier Plotter数据库分析乳腺癌组织中PTTG1的表达情况及其预测患者预后的价值。Coexpedia筛选出PTTG1的共表达基因,并通过GO数据库和KEGG数据库分析其共表达基因富集的通路情况。TIMER数据库用于分析乳腺癌中PTTG1基因表达水平与免疫细胞浸润的关系。采用multiMiR的R语言包预测与PTTG1及其共表达基因相互作用的microRNA,并使用Cytoscape进行网络可视化。结果 PTTG1在乳腺癌组织中表达明显升高,且高表达PTTG1患者的预后明显差于低表达PTTG1的患者（P<0.001）。乳腺癌中PTTG1基因及其共表达基因集GO功能主要富集在核分裂、细胞器分离及染色体分离上,KEGG通路富集则集中在细胞周期、减数分裂、人类T淋巴细胞白血病病毒Ⅰ型（HTLV-1）感染和p53信号转导通路上。PTTG1的表达水平与CD4+ Th1细胞（r=0.490,P=3.52e-61）、CD4+ Th2细胞（r=0.765,P=3.7e-192）、巨噬细胞（r=0.308,P=2.8e-23）、B细胞（r=0.228,P=3.69e-13）和中性粒细胞（r=0.121,P=1.27e-04）的浸润水平呈明显正相关,与CD8+T细胞浸润水平呈明显负相关（r=-0.198,P=3.16e-10）。用multiMiR R语言数据包分析发现共有17个共同靶向PTTG1及其共表达基因的microRNA。结论 PTTG1在乳腺癌组织高表达并与患者的不良预后相关,PTTG1在乳腺癌中的表达水平与免疫浸润密切相关。PTTG1高表达可能通过调控细胞周期和p53信号通路而使得肿瘤增殖和侵袭能力增强,进而导致乳腺癌的不良预后。PTTG1可能在乳腺癌中发挥癌基因的作用,提示PTTG1可以作为乳腺癌潜在的诊断和预后标记物。     

Re-Exploring Biomarkers and Therapeutic Targets in Primary Melanoma Patients: Insights from Network-Based Analysis of Microarray Data

ObjectiveTo identify novel biomarkers and therapeutic targets for primary melanoma using network-based microarray data analysis.MethodsEligible microarray datasets from the Gene Expression Omnibus (GEO) database were used to identify differentially expressed genes (DEGs). The protein-protein interaction (PPI) network, Gene Ontology (GO), and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway enrichment analyses were performed to identify hub genes and pathways that might affect the survival of melanoma patients. Immunohistochemistry results obtained from the Human Protein Atlas (HPA) database confirmed the protein expression levels of hub genes. The Cancer Genome Atlas (TCGA) database was used to further verify the gene expression levels and conduct survival analysis.ResultsThree microarray datasets (GSE3189, GSE15605, and GSE46517) containing 122 melanoma and 30 normal skin tissue samples were included. A total of 262 common differentially expressed genes (cDEGs) were identified based on three statistical approaches (Fisher's method, the random effects model (REM), and vote counting) with strict criteria. Of these, two upregulated genes, centromere protein F (CENPF) and pituitary tumor-transforming gene 1 (PTTG1), were selected as hub genes. HPA and TCGA database analyses confirmed that CENPF and PTTG1 were overexpressed in melanoma. Survival analysis showed that high expression levels of CENPF were significantly correlated with decreased overall survival (OS) (P=0.028).ConclusionThe expression level of CENPF was significantly upregulated in melanoma and correlated with decreased OS. Thus, CENPF may represent a novel biomarker and therapeutic target for melanoma patients.     

胃癌枢纽基因的筛选和预后分析

目的:运用生物信息学方法探讨胃癌的预测指标和治疗靶点,并分析其与预后的关系。方法:从基因表达综合(GEO)数据库下载3个微阵列数据集(GSE13911、GSE33651、GSE79973),运用GEO2R筛选出胃癌样本与正常组织样本间的差异表达基因,通过基因本体论(GO)富集分析和京都基因与基因组百科全书(KEGG)分析对差异基因进行功能和通路注释,同时使用STRING和Cytoscape构建蛋白互作网络(PPI),筛选出枢纽基因,结合Kaplan-Meier plotter数据库对筛选出的枢纽基因进行预后分析。结果:共筛选出135个差异表达基因,其中68个上调,67个下调。GO分析结果表明差异表达基因主要参与信号转导、钙离子结合、细胞外外泌体等生物学过程。KEGG分析显示差异基因主要富集的通路包括PI3K/Akt信号通路、ECM受体相互作用、黏着斑。经PPI分析筛选得出COL1A1、COL1A2、COL4A1、FN1、THBS1、CD44、COL2A1、COL4A2、CXCL8、COL5A1为枢纽基因,生存分析显示除THBS1的上调,其余基因的差异表达均影响胃癌患者的总体生存率。结论:所筛选的枢纽基因的异常表达可能参与胃癌的发生发展过程,与胃癌患者的预后密切相关,可以作为潜在的预测指标和治疗靶点为胃癌的进一步研究提供依据。     

肾移植术后BK病毒相关性肾病核心基因及免疫微环境的生物信息学分析

目的通过生物信息学方法分析肾移植术后BK病毒相关性肾病(BKVAN)的核心基因及其与浸润的免疫细胞相关性。 方法从美国国立生物技术信息中心基因表达综合数据库下载BKVAN相关数据集GSE75693和GSE72925,BK病毒(BKV)血症相关数据集GSE47199。合并GSE75693和GSE72925后筛选差异表达基因(DEGs),然后进行基因本体生物过程(GOBP)以及京都基因与基因组百科全书(KEGG)通路分析,并通过蛋白-蛋白相互作用(PPI)网络进一步筛选核心基因。使用CIBERSORT进行免疫浸润分析,然后计算差异的免疫细胞和核心基因的相关性。最后,在GSE47199数据集筛选BKV血症和BKVAN共同的核心基因,使用基因集富集分析(GSEA)鉴定共同的核心基因分别在BKVAN和BKV血症中的生物过程。所有统计分析及可视化均基于R语言(4.0.2)。P<0.05为差异有统计学意义。 结果在合并数据中共筛选出175个上调及70个下调DEGs。在PPI网络中,通过5种方法交集得到9个核心基因,核心基因主要富集在免疫细胞活化与功能相关的进程;在KEGG分析中,核心基因主要富集在病毒蛋白与细胞因子和细胞因子受体间相互作用、细胞因子-细胞因子受体间相互作用以及趋化因子信号通路等。免疫浸润分析表明PTPRC、CCL5、TYROBP、CXCL10、CD2和CXCL9与BKVAN中浸润的免疫细胞相关。CD2是BKVAN和BKV血症的共同核心基因。 结论通过生物信息学方法筛选出BKVAN的核心基因,其中PTPRC、CCL5、TYROBP、CXCL10、CD2和CXCL9与BKVAN中浸润的免疫细胞相关,CD2是BKVAN和BKV血症的共同核心基因,这些标志物为肾移植术后BKVAN的诊治提供依据。     

成骨分化内源性竞争性lncRNA-miRNA-mRNA网络与核心基因的研究

目的 揭示成骨分化中内源性竞争性长链非编码核糖核酸lncRNA（long noncoding RNA,lncRNA）与下游潜在的微小核糖核酸(micro-ribonucleic acid,microRNA,miRNA),及信使核糖核酸（messenger RNA,mRNA）的表达关系,构建内源性竞争性lncRNA-miRNA-mRNA网络。方法 选取NCBI基因表达综合数据库基因芯片GSE89330、GSE72429、GSE74837,应用GEO2R获得差异基因(differentially expressed genes,DEGs)、差异lncRNA（differentially expressed lncRNA,DElncRNAs）和差异miRNA （differentially expressed miRNA,DEmiRNAs）。通过DAVID数据库(Database for Annotation,Visualization and Integrated Discovery)进行DEGs功能富集分析（GO analysis）和KEGG分析（Kyoto Encyclopedia of Genes and Genomes analysis）。利用miRWalk在线工具、DIANA在线分析工具lncBASE 2.0预测DEGs的上游潜在靶点和DEmiRNAs的lncRNA潜在靶点,互相比对,利用Cytoscape构建lncRNA-miRNA-mRNA互作网络。应用STRING(Search Tool for the Retrieval of Interacting Genes)、Cytoscape和MCODE(Molecular Complex Detection)软件建立蛋白相互作用网络（PPI network）,计算DEGs 的各个连接度并分析和筛选网络集簇模块,并进行关键基因（hub gene）筛选。结果 共获得186个DEGs,包含81个下调基因和105个上调基因;89个DEmiRNA,包括25个下调miRNA和64个上调miRNA;441个DElncRNA,包括205个下调lncRNA和236个上调lncRNA。最终筛选出84个DEGS和7个DEmiRNA及11个DElncRNAs构建lncRNA-miRNA-mRNA互作网络。对186个DEGs GO分析发现其功能主要富集在炎症反应和血管生成中,其分子功能主要在生长因子活化中。通过PPI网络分析,筛选出两个网络集簇模块,并得到10个关键基因（IL6、CXCL12、CXCL8、CCL2、HGF、LEP、VCAM1、CXCL1、SAA1、FOS）。结论 通过lncRNA-miRNA-mRNA互作网络,预测了新的潜在内源性竞争性lncRNA与下游miRNA-mRNA存在联系。     

绝经后骨质疏松生物标志物的筛选及免疫细胞浸润分析

目的绝经后骨质疏松症(PMOP)是绝经后妇女的常见疾病,但目前尚无有效的治疗方法。本研究旨在识别绝经后骨质疏松症形成过程中基因表达的重要变化,并提供相应的临床参考。方法从GEO下载的数据集GSE56116、京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes KEGG)扩增途径、基因本体学(GO)、蛋白质-蛋白质相互作用(PPI)网络,筛选其差异表达基因(DEG),并进一步分析得到了六个关键基因,分别是FOS、SYK、HCK、SELL、CCR1、NLRP3,然后我们分析了免疫细胞浸润。结果发现在骨关节炎和正常对照之间差异很大,与正常组织相比,PMOP组织含有较低比例的活性CD4T记忆细胞(P<0.05),最后从GSE7429数据集验证了关键基因NLRP3的表达水平。结论有助于我们进一步了解PMOP形成的分子机制,并为疾病的治疗提供新的思路。     

生物信息学方法研究高脂饮食诱导肥胖对雄性SD大鼠的影响

目的应用生物信息学方法探寻高脂饮食诱导性肥胖雄性SD大鼠生理代谢改变及对生育力的影响。方法利用NCBI中的GEO基因芯片公共数据库进行芯片数据搜索,最终选择芯片数据(GSE8700)作为分析对象,使用bioconductor包中R工具的函数及Limma程序包识别差异性表达基因,应用DAVID数据库对差异表达基因进行GO富集分析和KEGG通路分析,选用String在线数据库构建差异表达基因的PPI网络。结果通过对GSE8700进行分析,得到1 014个表达差异基因,其中上调基因544个,下调基因470个;上调差异基因GO条目全部富集于生物过程(BP),主要为氧化还原、轴突生成、对肽类激素反应、对糖皮质激素反应过程;下调差异基因GO富集于生物过程(BP),主要为女性怀孕、对类固醇激素的反应、甘油三酯代谢等过程;富集于细胞组成(CC),主要为细胞外间质,细胞质,血液微球等组成;富集于分子功能(MF),主要为丝氨酸肽链内切酶活性、脂肪酸结合、磷脂质结合等功能;上调差异基因并未富集到任何KEGG通路,而下调差异基因富集到3条通路,分别为PPAR信号通路(过氧化物酶体增殖物激活型受体)、脂肪的消化和吸收通路、胰腺分泌通路,其中重要的节点基因为热休克蛋白90AB1(Hsp90ab1)、细胞外钙敏感受体(Casr)及趋化因子9(Ccl9)等。结论高脂饮食诱导肥胖雄性SD大鼠脂质代谢发生了紊乱,大鼠生殖功能可能受到影响,类固醇激素、肽类激素代谢异常可能是其影响途径。     

通过生物信息学分析发现胃癌的靶点基因和生物学特性

目的从公共数据库获取数据，筛选差异表达基因，旨在发现胃癌潜在的靶点基因并揭示其生物学特征。 方法基因表达谱（GSE29272、GSE54129、GSE13911、GSE79973、GSE19826）从GEO数据库获得；差异表达基因通过GEO2R筛选出，韦恩图绘制出5个基因表达谱的交集，从而得出共同差异表达基因；使用DAVID数据库进行共同差异表达基因的KEGG通路分析和GO富集分析；共同差异表达基因通过STRING数据库获取其蛋白质-蛋白质互作（PPI）网络图并用Cytoscape软件进行可视化，同时通过Cytoscape软件中的插件CytoHubba筛选胃癌靶点基因；靶点基因在GEPIA数据库和UALCAN数据库中进一步验证其表达及生存分析；CMap数据库预测其潜在的靶向小分子化合物。 结果韦恩图筛选出105个共同差异表达基因，其中包括57个下调基因和48个上调基因；经DAVID数据库中的KEGG通路分析和GO富集分析显示，这些上调基因主要与细胞外基质组织、细胞黏附、局灶性黏附、PI3K-Akt信号传导途径、细胞外基质-受体相互作用相关。通过Cytoscape软件筛选出8个靶点基因：BGN、SPARC、COL5A2、COL5A1、COL1A2、COL4A1、COL6A3和COL11A1；在GEPIA数据库和UALCAN数据库验证后，确认了这8个关键基因与胃癌发生发展有关。生存分析显示，COL4A1（P=0.029，HR=1.4）和COL5A2（P=0.009 5，HR=1.5）的高表达与生存能力降低有关。CMap数据库分析显示吡咯酰胺和芳香维甲酸最有可能逆转胃癌的状态。 结论BGN、SPARC、COL5A2、COL5A1、COL1A2、COL4A1、COL6A3和COL11A1可能被用作改善胃癌诊断和免疫疗法生物标志物的潜在靶标，吡咯酰胺和芳香维甲酸最有可能成为治疗胃癌的小分子化合物，这些分析结果为胃癌的病因研究提供了新的方向，也为深入探究其发病机制提供了理论基础。