胶原蛋白作为胃癌潜在生物标志物的生物信息学分析

目的： 应用生物信息学方法探讨胃癌的潜在生物标志物。方法： 检索与“Gastric cancer”相关的数据集,使用R语言和韦恩图分析胃癌中的差异表达基因（DEGs）;使用DAVID软件对DEGs进行功能注释;利用STRING数据库构建蛋白相互作用网络并确定核心基因;Oncomine数据库分析核心基因在胃癌中的表达模式;最后,利用Kaplan-Meier数据库分析核心基因的预后价值。结果： NCBI筛选获得3个与胃癌相关的数据集,得到了110个DEGs。功能富集分析显示,DEGs主要富集在细胞外基质受体相互作用的功能和途径中。其中一组基因在胃癌组织中显著上调,并以COL1A1、COL1A2、COL2A1、COL12A1、COL6A3、COL10A1等为重要节点构成蛋白质-蛋白质相互作用网络。利用miRNA-mRNA分析发现hsa-miR-29a-3p、hsa-miR-29b-3p和hsa-miR-29c-3p可以同时调控COL1A1、COL1A2、COL6A3和COL2A1,且均属于hsa-miR-29家族成员。进一步分析核心蛋白在胃癌中的表达情况,发现collagen家族成员中COL1A1、COL1A2、COL12A1、COL6A3、COL10A1等在胃癌组织中均较正常胃组织表达上调（P<0.05）。生存分析显示COL1A1、COL1A2、COL12A1、COL6A3、COL2A1和COL10A1高表达患者较低表达患者预后差（P<0.05）。结论： 本研究发现胶原蛋白在胃癌中表达明显上调,并与胃癌患者的预后密切相关,可能是胃癌患者潜在的生物标志物。     

基于数据挖掘分析极光激酶A在食管癌中的表达及意义

目的：探讨极光激酶A（AURKA）在食管癌组织中的表达与功能，并分析其对患者生存预后的影响。方法：基于GEPIA及Oncomine数据库检索AURKA在食管癌组织与正常组织中的表达差异；通过STRING网络在线数据库构建有关AURKA的蛋白相互作用（PPI）网络，并将数据导入Cytoscape软件后采用CytoHubba分析插件筛选出核心基因；在GEPIA数据库中，基于TCGA和GTEx数据集分析AURKA与核心基因表达的相关性；采用DAVID网络分析工具对核心基因进行GO功能注释和KEGG通路富集分析；基于R2基因分析可视化平台分析AURKA的表达与食管癌患者生存预后的关系。结果：GEPIA、Oncomine数据库分析显示，AURKA在食管癌组织中的表达较正常组织明显升高（P < 0.05），但与患者肿瘤分期无关（P > 0.05）；AURKA与CDC20（r=0.78）、PLK1（r=0.83）等核心基因的表达呈显著正相关，其生物学功能主要富集于细胞分化、DNA损伤检测点、细胞增殖、负性调控细胞凋亡等；参与细胞周期调控、细胞衰老、P53以及FoxO等信号通路的调节；AURKA高表达组与低表达组患者相比预后较差，差异具有统计学意义（P < 0.05），且核心基因CCNB1、BUB1B、NEK2高表达组患者的生存率也显著低于低表达组（P均 < 0.05）。结论：AURKA在食管癌组织中表达升高，且高表达组患者预后不良；AURKA与CCNB1、NEK2等核心基因共同参与了肿瘤发生相关的功能与通路，AURKA有望成为食管癌患者早期诊断、治疗及判断预后的候选分子靶标。     

基于生物信息学方法分析甲酰肽受体1在胶质瘤中的表达及临床意义

目的：分析胶质瘤与正常组织表达差异的基因,筛选和胶质瘤预后相关的关键基因。方法：通过下载GEO（Gene Expression Omnibus）数据库GSE15824原始数据,利用R语言分析正常组织与胶质瘤组织中差异表达的基因,通过生物信息学分析工具（DAVID、String、Cytoscape、oncomine和GEPIA）对差异表达的基因进行生物学功能、蛋白互作网络（PPI）分析及筛选胶质瘤的预后标志物。结果：共筛选出648个差异表达的mRNAs。差异表达mRNAs的生物学功能主要富集于T细胞的激活,调节白细胞的黏附和细胞的迁移。KEGG信号通路分析显示差异基因主要富集于PI3K/Akt,MAPK和钙离子信号通路。FPR1在胶质瘤中明显高表达,其表达水平与胶质瘤的预后呈负相关（Log-rank P < 0.01）。结论：通过基因芯片数据库的分析,FPR1在胶质瘤中高表达,且与患者生存预后相关,为进一步分子机制的研究提供了新思路。     

胃癌基因表达谱芯片差异基因的生物信息学分析

目的：筛选胃癌发生发展过程中的关键基因和信号通路,为寻找有价值的胃癌分子标志物提供依据。方法：从GEO数据库下载5个胃癌基因芯片数据集：GSE35809、GSE54129、GSE79973、GSE66229和GSE51105。合并5个数据集中的样本,去除数据集间的批次效应,对合并后的基因表达数据进行标准化,并通过主成分分析监测数据标准化情况。利用R语言中的limma包筛选胃癌组织和正常组织中表达差异的基因。利用DAVID数据库对胃癌发生发展过程中的差异基因进行功能富集分析,并通过STRING数据库和Cytoscape分析差异基因编码蛋白之间的相互作用网络并进行可视化。结果：总共筛选出1 205个差异基因,包括480个上调基因,725个下调基因。差异基因的生物学功能主要富集于细胞-细胞信号传导、炎症反应的调节、细胞粘附、细胞凋亡和离子的跨膜转运。KEGG信号通路分析显示差异基因主要富集于p53信号通路、PI3K-Akt信号通路、NF-κB信号通路。通过构建蛋白质相互作用网络筛选出了CENPE、KIF15、MELK、KIF2C、CENPF、KIF11、NUSAP1、UBE2C、TTK、AURKB、DLGAP5、TOP2A等29个Hub基因。结论：通过合并不同数据集,利用生物信息学方法筛选出胃癌发生发展过程中的关键基因和信号通路,为胃癌的诊疗提供新的候选标志物。     

基于TCGA数据库分析ASPM在肺腺癌中的表达及临床意义

目的：探讨异常纺锤体样小头畸形相关基因（ASPM）在肺腺癌中的表达水平,及其与患者临床病理指标和预后的关系。方法：从癌症基因组图谱（TCGA）数据库下载肺腺癌组织和癌旁组织mRNA表达水平和临床病例资料,比较ASPM mRNA在癌组织和癌旁组织中的表达差异,统计学分析ASPM表达水平与肺腺癌患者临床病理指标及预后关系。通过R语言ballgown和ggplot包筛选高低表达ASPM组间差异基因并绘制火山图;利用DAVID工具对差异基因进行GO分析,采用GSEA预测ASPM可能调控的信号通路;STRING和Cytoscape分析关键基因及差异表达基因间的相互作用。结果：ASPM mRNA在肺腺癌中表达水平显著高于癌旁组织（P < 0.05）;ASPM表达水平与生存期相关,高表达ASPM肺腺癌患者预后较差（P < 0.05）,是肺腺癌患者预后的独立危险因素,R语言ballgown包筛选出ASPM高低表达组间的差异表达基因共183个,差异表达基因富集到生物过程（BP）、细胞组分（CC）、分子功能（MF）在3个类别共19个亚类和18条KEGG通路;Cytoscape软件发现4个枢纽蛋白。结论：ASPM mRNA在肺腺癌患者中呈高表达且高表达组预后差,可作为判断肺腺癌预后的标志物。     

肝癌组织中MPDZ基因拷贝数和表达变化及其诊断预后价值分析

目的：探讨MPDZ基因在肝癌组织中的拷贝数和表达变化情况,并评价其与临床病理指标之间的关系以及对肝癌诊断和预后判断的价值。方法：利用TCGA数据库分析MPDZ基因在299例肝癌组织中的拷贝数改变情况及其与表达的关系;同时分析TCGA数据中MPDZ基因在282例肝癌组织和50例癌旁组织中的表达及其与临床病理指标和生存预后的关系。结果：MPDZ基因在肝癌组织中存在明显的拷贝数变异,且拷贝数变异的主要类型为拷贝数缺失（31.44%）;同时MPDZ基因拷贝数缺失后MPDZ mRNA表达下调。MPDZ基因在肝癌组织中的表达显著低于癌旁组织,差异具有统计学意义（P < 0.05）。Kaplan-Meier分析显示,MPDZ基因低表达患者的生存时间短于高表达患者,差异具有统计学意义（Log-rank=12.48,P < 0.05）。受试者工作特征曲线（ROC）分析结果表明,MPDZ基因表达是一个灵敏度和特异度较好的肝癌诊断指标（AUC=0.86）。结论：MPDZ基因拷贝数缺失可能与肝癌的发生有关,MPDZ基因的表达对肝癌的诊断及生存预后判断具有参考价值。     

基于TCGA数据库分析ASPM在肺腺癌中的表达及临床意义

目的：探讨异常纺锤体样小头畸形相关基因（ASPM）在肺腺癌中的表达水平，及其与患者临床病理指标和预后的关系。方法：从癌症基因组图谱（TCGA）数据库下载肺腺癌组织和癌旁组织mRNA表达水平和临床病例资料，比较ASPM mRNA在癌组织和癌旁组织中的表达差异，统计学分析ASPM表达水平与肺腺癌患者临床病理指标及预后关系。通过R语言ballgown和ggplot包筛选高低表达ASPM组间差异基因并绘制火山图；利用DAVID工具对差异基因进行GO分析，采用GSEA预测ASPM可能调控的信号通路；STRING和Cytoscape分析关键基因及差异表达基因间的相互作用。结果：ASPM mRNA在肺腺癌中表达水平显著高于癌旁组织（P < 0.05）；ASPM表达水平与生存期相关，高表达ASPM肺腺癌患者预后较差（P < 0.05），是肺腺癌患者预后的独立危险因素，R语言ballgown包筛选出ASPM高低表达组间的差异表达基因共183个，差异表达基因富集到生物过程（BP）、细胞组分（CC）、分子功能（MF）在3个类别共19个亚类和18条KEGG通路；Cytoscape软件发现4个枢纽蛋白。结论：ASPM mRNA在肺腺癌患者中呈高表达且高表达组预后差，可作为判断肺腺癌预后的标志物。     

乳腺癌预后的相关基因生物信息学分析

目的：通过对肿瘤基因组图谱计划（TCGA）基因表达谱和microRNA测序数据的生物信息学分析,寻找乳腺癌预后相关的关键分子事件。方法：收集并整理TCGA数据库中乳腺癌基因表达谱和microRNA测序数据,通过线性模型和经验贝叶斯方法结合传统t检验筛选乳腺癌中异常表达的基因和microRNA,利用R语言包microRNA-mRNA预测microRNA潜在靶向调控的基因。另外通过基因集富集算法（GAGE）分析预测microRNA及其潜在靶基因在乳腺癌中参与的异常信号调控通路;Cox回归风险模型探讨影响乳腺癌患者预后的关键分子事件。结果：共发现17 533个基因中有344个基因在乳腺癌中异常表达,同时鉴定了135个异常表达的microRNA;通过预测分析发现8个microRNA及31个潜在调控的靶基因参与了139条乳腺癌中异常变化的分子信号通路;Cox回归风险模型结果显示SFRP1表达升高提示预后良好（HR=0.9,P=0.015）,has-miR-342-5p单独作用对乳腺癌预后无明显影响（HR=0.99,P=0.144）,然而,交互作用研究显示,has-miR-342-5p抑制SFRP1表达时提示乳腺癌病人预后不良（HR=1.88,P=0.016）。结论：通过对TCGA乳腺癌基因表达谱和microRNA测序数据深入挖掘发现了乳腺癌中表达异常的microRNA及其靶基因,进一步分析了它们所参与的关键信号通路,并揭示has-miR-342-5p抑制SFRP1表达的分子事件发生时,乳腺癌病人预后较差。     

基于TCGA数据挖掘筛选肺鳞癌预后相关lncRNA分子标签

目的：通过对TCGA数据库的挖掘,筛选与肺鳞癌预后相关的lncRNA。方法：提取TCGA数据库中肺鳞癌患者临床数据以及肺鳞癌和癌旁组织中的lncRNA表达数据,采用LASSO Cox回归筛选肺鳞癌预后相关的lncRNA,并构建lncRNA分子标签。采用Cox模型研究该分子标签的表达水平对肺鳞癌患者预后的影响。结果：首先筛选出322个在癌和癌旁组织中差异表达的lncRNA。经LASSO Cox回归分析从中筛选出6个与肺鳞癌预后相关的lncRNA,分别为KTN1-AS1、FAM83A-AS1、AF131217.1、RP11-108M12.3、CTD-2555C10.3和AC068831.16。根据这6个lncRNA构建的分子标签表达水平中位数-0.09将肺鳞癌病人分为高表达组和低表达组,高表达组病人死亡风险是低表达组的2.14倍（HR=2.14,95%CI：1.50~3.04,P < 0.01）。预测模型的Harrell's C统计量为0.69（95%CI：0.64~0.75）。结论：通过对TCGA数据库的挖掘,发现KTN1-AS1、FAM83A-AS1、AF131217.1、RP11-108M12.3、CTD-2555C10.3和AC068831.16对肺鳞癌的预后有影响,且构建的lncRNA分子标签表达水平与肺鳞癌病人的预后有显著性关联。     

基于生物信息学数据库探讨FOXO3基因在膀胱癌中的表达及临床意义

目的：探讨叉头转录蛋白O亚族3（FOXO3）基因在膀胱癌中的表达及临床意义。方法：利用GEPIA数据库分析FOXO3基因在膀胱癌与其癌旁正常组织中的表达情况，及其与患者预后的关系，利用UALCAN数据库分析膀胱癌中FOXO3表达与淋巴结转移的关系；通过TIMER数据库分析FOXO3基因表达与膀胱癌免疫浸润水平的相关性；通过String数据库分析与FOXO3相互作用的蛋白。结果：GEPIA数据库分析结果显示，FOXO3基因在膀胱癌组织中的表达显著低于癌旁正常组织（P < 0.01）；低表达FOXO3基因的患者总生存率（OS）和无疾病生存率（DFS）均显著高于高表达者（P < 0.05）。UALCAN数据库分析结果显示膀胱癌中FOXO3的表达与淋巴结转移无明显相关。TIMER数据库分析显示FOXO3基因表达与B细胞（r=0.133，P < 0.05）、CD8⁺T细胞（r=0.262，P < 0.01）、CD4⁺T细胞（r=0.12，P < 0.05）、巨噬细胞（r=0.252，P < 0.01）、中性粒细胞（r=0.242，P < 0.01）和树突状细胞（r=0.162，P < 0.01）的免疫浸润水平呈正相关。蛋白相互作用网络分析发现，AKT1、SIRT1、EP300、BCL2L11、SOD2、SGK1、AKT2、CREBBP、CDKN1B、SMAD4等蛋白与FOXO3具有明显相互作用。结论：基于肿瘤基因数据库分析发现，FOXO3基因在膀胱癌组织中低表达，其高表达与患者预后不良相关；FOXO3表达与膀胱癌免疫细胞的浸润水平有关。     

整合生物信息学挖掘胃癌潜在关键生物标志物

目的:通过整合生物信息学挖掘胃癌潜在关键生物标志物。方法:本研究从GEO数据库下载数据集联合分析，借助R语言挖掘差异基因集，并功能注释和富集这些基因的相关生物通路；采用String数据库和Cytoscape软件挖掘关键基因，并借由Onconmine数据库验证关键基因。结果:本研究总共确定了98个共有差异基因，包括30个上调和68个下调基因。差异基因的显著性功能通路途径包括:胞外基质-受体互作、黏着斑、视黄醇新陈代谢及胃酸分泌。基因富集分析发现差异基因参与跨膜受体、胞外基质、组织内稳态等过程；通过分子网络挖掘了10个可能的致病关键基因，生存曲线分析发现SPP1和MMP9可能与胃癌患者预后相关。结论:本研究鉴定的差异基因和关键基因有助于我们了解胃癌的致病分子机制，并为胃癌的筛查与治疗提供新的候选生物标志物。     

垂体瘤转化基因1在胃腺癌组织中的表达及其与患者预后的关系

目的鉴定胃腺癌新的预后标志物和治疗靶点。方法通过Gene Expression Omnibus(GEO)数据库下载GSE33335和GSE63089基因表达数据集,共含有70例胃腺癌组织和配对的胃正常组织基因芯片数据,使用R语言分析胃癌组织和胃正常组织间差异表达基因。通过String在线分析工具构建差异表达基因的蛋白-蛋白相互作用(PPI)网络。使用Cytoscape软件和分子复合物检测(MCODE)插件分离出关键基因集。使用在线数据库鉴定分离出与预后相关的关键基因,分别用数据库信息和南通大学附属医院2019年7—9月收治的32例胃腺癌组织和癌旁正常组织从mRNA和蛋白水平进行验证。结果使用R语言分析显示,2个数据集中有128个共同差异表达基因,其中85个基因在胃腺癌组织中表达上调,43个基因在胃腺癌组织中表达下调。通过String在线工具和Cytoscape软件建立了PPI网络和MCODE模型,获得27个关键基因,其中有25个基因与胃腺癌患者的预后有关(P<0.05)。25个与预后相关的基因中,有14个基因在胃腺癌组织中表达显著,其中有3个基因[垂体瘤转化基因1(PTTG1)、细胞周期蛋白B1(CCNB1)和polo样激酶1(PLK1)]在细胞周期途径中显著富集。PTTG1在胃腺癌和胃正常组织中的阳性表达率分别为68.8%(22/32)和18.8%(6/32),差异有统计学意义(P<0.05)。结论 PTTG1在胃腺癌组织和胃正常组织中存在表达差异,是胃腺癌形成的关键基因。过表达PTTG1的胃腺癌患者预后更差。PTTG1可能通过调控细胞周期参与胃腺癌的发生发展。     

基于GEO数据库的胃肠上皮化生相关基因与通路的生物信息学分析

目的 挖掘胃黏膜肠化过程中的差异基因、探索其发病机制并验证差异基因是否在胃癌发生过程中持续发挥作用。方法 在美国国立生物技术信息中心（NCBI）的GEO数据库中检索正常胃黏膜肠化表达谱芯片,并通过GEO2R分析得到差异基因,以及在不同芯片数据中均差异表达的关键基因。将差异基因利用生物学信息注释数据库DAVID进行GO生物学过程富集分析和KEGG通路富集分析,探索正常胃组织向肠化转变的相关生物学通路。并通过TCGA数据库分析关键基因在胃癌组织中的差异变化,通过KMplotter分析关键基因与胃癌患者预后的关系。结果 检索到3个涉及正常胃黏膜组织发生肠化有关基因芯片,通过差异分析得到在肠化中差异表达的基因共1188个,其中ALDOB、CLCA1、CLDN7、DMBT1、KRT20、MTTP、OLFM4、REG3A和TFF3这9个关键基因在三个芯片中均差异表达。GO富集及KEGG通路分析显示,差异基因主要参与营养物质的消化吸收、蛋白质的水解与合成、物质转运调节等过程。TCGA数据库分析显示,上述9个关键基因在胃癌组织中亦具有差异变化,且通过KM plotter分析证实其与患者预后密切相关。结论 本研究获取了在肠化中异常表达的差异基因及其相关通路,并证实关键基因与胃癌患者预后密切相关。     

基于数据挖掘分析KIF14与SSK1在卵巢癌组织中的表达及临床意义

目的:应用生物信息学方法挖掘卵巢癌的相关基因,探讨其表达情况及临床意义,为卵巢癌的诊断和靶向治疗提供依据。方法:从GEO（Gene Expression Omnibus）数据库下载基因芯片数据集GSE23391、GSE18520和GSE54388,利用其在线分析工具GEO2R筛选卵巢癌的差异表达基因（DEGs）。运用数据库DAVID进行GO功能和KEGG通路富集分析,应用Cytoscape软件和STRING数据库构建蛋白互作网络和关键基因模块,挖掘卵巢癌靶基因。利用Oncomine在线分析网站,分析癌症公共数据基因组中卵巢癌KIF14及SSK1 mRNA的表达信息,利用GEPIA、Kaplan-Meier Plotter进行患者生存分析。结果:共筛选出251个DEGs,富集分析显示差异基因在减数分裂、丝氨酸/苏氨酸代谢、启动DNA复制、细胞衰老等方面富集。筛选获得22个DEGs均呈高表达,其中KIF14与SSK1的表达水平与卵巢癌的FIGO分期及总生存率明显相关。结论:本研究通过生物信息学挖掘,发现KIF14与SSK1基因在卵巢癌组织中呈高表达,并且与卵巢癌的预后关系密切,具有指导意义。     

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。     

PM2.5染毒HBE细胞前后差异表达的microRNAs及其生物信息学分析

目的：采用microRNA（miRNA）测序和生物信息学方法，分析大气细颗粒物（PM_2.5）染毒人支气管上皮HBE细胞前后差异表达的miRNAs，预测差异miRNAs的生物学功能和信号转导途径。方法：用50 μg/mL的PM_2.5混悬液染毒HBE细胞，以未染毒组作为对照组，处理24 h后提取总RNA样品，Small RNA样品预处理试剂盒构建文库，并利用illumina HiSeq^TM 2500/MiSeq测序平台进行高通量测序。以调整后P < 0.05的筛选标准得到差异miRNAs，使用miRanda和RNAhybrid两个软件共同预测差异miRNAs的靶基因并进行GO和KEGG功能富集分析，利用STRING数据库和Cytoscape软件对miRNAs和靶基因及靶基因之间的相互作用关系进行可视化分析。结果：高通量测序方法共检测到PM_2.5染毒前后的包含1 137个miRNAs的表达谱，27个为差异表达的miRNAs，其中7个上调，20个下调。GO和KEGG富集分析发现，这些差异miRNAs主要参与细胞代谢、酶活性调节等生物学过程，聚集于胞内如细胞质、细胞器等，涉及代谢途径、PI3K-Akt信号通路、Ras信号通路、MAPK信号通路等与细胞增殖、分化、凋亡及癌症发生等相关的重要信号通路。此外，通过构建相互作用网络图，鉴定了miR-371b-3p、miR-371a-5p、miR-27a-3p、miR-7-5p、miR-372-3p等相互作用数量前11位的核心miRNAs，以及3个核心靶基因（VEGFA、MAPK3、CCR5）。结论：PM_2.5染毒HBE细胞后引起了27个miRNAs的差异表达，涉及PI3K-Akt信号通路、Ras信号通路及MAPK信号通路等与癌症发生发展相关的重要信号通路，其中筛选了11个核心miRNAs和3个核心基因，为深入研究PM_2.5致癌毒理作用机制提供了实验依据。     

PM2.5染毒HBE细胞前后差异表达的microRNAs及其生物信息学分析

目的：采用microRNA（miRNA）测序和生物信息学方法，分析大气细颗粒物（PM_2.5）染毒人支气管上皮HBE细胞前后差异表达的miRNAs，预测差异miRNAs的生物学功能和信号转导途径。方法：用50 μg/mL的PM_2.5混悬液染毒HBE细胞，以未染毒组作为对照组，处理24 h后提取总RNA样品，Small RNA样品预处理试剂盒构建文库，并利用illumina HiSeq^TM 2500/MiSeq测序平台进行高通量测序。以调整后P < 0.05的筛选标准得到差异miRNAs，使用miRanda和RNAhybrid两个软件共同预测差异miRNAs的靶基因并进行GO和KEGG功能富集分析，利用STRING数据库和Cytoscape软件对miRNAs和靶基因及靶基因之间的相互作用关系进行可视化分析。结果：高通量测序方法共检测到PM_2.5染毒前后的包含1 137个miRNAs的表达谱，27个为差异表达的miRNAs，其中7个上调，20个下调。GO和KEGG富集分析发现，这些差异miRNAs主要参与细胞代谢、酶活性调节等生物学过程，聚集于胞内如细胞质、细胞器等，涉及代谢途径、PI3K-Akt信号通路、Ras信号通路、MAPK信号通路等与细胞增殖、分化、凋亡及癌症发生等相关的重要信号通路。此外，通过构建相互作用网络图，鉴定了miR-371b-3p、miR-371a-5p、miR-27a-3p、miR-7-5p、miR-372-3p等相互作用数量前11位的核心miRNAs，以及3个核心靶基因（VEGFA、MAPK3、CCR5）。结论：PM_2.5染毒HBE细胞后引起了27个miRNAs的差异表达，涉及PI3K-Akt信号通路、Ras信号通路及MAPK信号通路等与癌症发生发展相关的重要信号通路，其中筛选了11个核心miRNAs和3个核心基因，为深入研究PM_2.5致癌毒理作用机制提供了实验依据。     

Identification of key pathways and genes in colorectal cancer using bioinformatics analysis

Colorectal cancer (CRC) is the most common malignant tumor of digestive system. The aim of this study was to identify gene signatures during CRC and uncover their potential mechanisms. The gene expression profiles of GSE21815 were downloaded from GEO database. The GSE21815 dataset contained 141 samples, including 132 CRC and 9 normal colon epitheliums. The gene ontology (GO) and Kyoto Encyclopedia of Genes and Genomes pathway (KEGG) enrichment analyses were performed, and protein–protein interaction (PPI) network of the differentially expressed genes (DEGs) was constructed by Cytoscape software. In total, 3500 DEGs were identified in CRC, including 1370 up-regulated genes and 2130 down-regulated genes. GO analysis results showed that up-regulated DEGs were significantly enriched in biological processes (BP), including cell cycle, cell division, and cell proliferation; the down-regulated DEGs were significantly enriched in biological processes, including immune response, intracellular signaling cascade and defense response. KEGG pathway analysis showed the up-regulated DEGs were enriched in cell cycle and DNA replication, while the down-regulated DEGs were enriched in drug metabolism, metabolism of xenobiotics by cytochrome P450, and retinol metabolism pathways. The top 10 hub genes, GNG2, AGT, SAA1, ADCY5, LPAR1, NMU, IL8, CXCL12, GNAI1, and CCR2 were identified from the PPI network, and sub-networks revealed these genes were involved in significant pathways, including G protein-coupled receptors signaling pathway, gastrin-CREB signaling pathway via PKC and MAPK, and extracellular matrix organization. In conclusion, the present study indicated that the identified DEGs and hub genes promote our understanding of the molecular mechanisms underlying the development of CRC, and might be used as molecular targets and diagnostic biomarkers for the treatment of CRC.     

非小细胞肺癌关键基因的生物信息学分析

目的:通过生物信息学方法挖掘非小细胞肺癌(NSCLC)基因表达谱芯片数据,筛选并验证与NSCLC发生和预后相关的关键基因。方法:从Gene Expression Omnibus(GEO)数据库中下载芯片数据(GSE101929和GSE27262)。采用GEO2R在线工具筛选癌组织和癌旁组织中的差异表达基因(DEGs);采用DAVID在线工具对差异表达基因进行GO和KEGG信号通路分析并用Cytoscape和FunRich软件进行可视化;采用GEPIA在线工具对差异表达基因进行验证和预后分析。结果:共筛选出1816个差异表达基因,其中上调基因数651个,下调基因数1165个。上调基因主要富集在“基质金属肽酶活性”,下调基因主要富集在“受体活性”等分子功能。KEGG信号通路分析显示上调基因主要富集在“有丝分裂前中期”等信号通路,而下调基因主要富集在“上皮-间质转化”信号通路。蛋白-蛋白交互作用(PPI)分析显示,上调基因中的前五位为TOP2A、CDK1、CCNB1、CCNA2和KIF11,而下调基因中的前五位为IL6、FGF2、LRRK2、EDN1和IL1B。总生存率分析显示,KIF11低表达与NSCLC预后呈负相关。结论:本研究鉴定出了与NSCLC相关的关键基因,有望作为NSCLC患者潜在治疗靶点或预后判断相关的生物标志。     

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.