基于生物信息学的非酒精性脂肪性肝病关键基因筛选及实验验证

目的:探索非酒精性脂肪性肝病（NAFLD）潜在的关键基因和microRNAs(miRNAs)。方法:从美国国立生物技术信息中心（NCBI）公共基因芯片数据平台（GEO）数据库下载两个基因表达谱芯片（GSE96936和GSE62267）,利用GEO2R在线工具筛选出NAFLD组与正常对照组的差异表达基因（DEGs）,对DEGs进行GO和KEGG信号通路富集分析,进一步应用STRING数据库构建蛋白质—蛋白质相互作用（PPI）网络,用Cytoscape筛选出关键基因。构建NAFLD小鼠模型,通过实时荧光定量PCR(RT-qPCR)验证筛选出的关键基因,利用NetworkAnalyst构建关键基因的靶向miRNAs。结果:总共鉴定出192个DEGs,GO分析显示DEGs生物学功能主要涉及5个KEGG通路,包括类固醇激素生物合成、补体与凝血级联、胆汁分泌、化学致癌、视黄醇代谢相关信号通路,结合PPI网络和CytoHubba的结果,筛选出Tyrobp、Hck、Ctss、Aif1、Fcgr1、Cd68、Cd53、Ly86、Fyb和Alox5ap 10个关键基因,通过RT-qPCR检测,发现与正常肝...     

应用生物信息学筛选胃癌诊断和预后的生物标志物

目的：应用生物信息学方法分析和筛选与胃癌诊断和预后相关的生物标志物。方法：从GEO数据库下载胃癌的基因表达谱数据集GSE79973和GSE103236。通过在线工具GEO2R和韦恩图筛选两数据集重叠的差异表达基因(DEGs)。利用仙桃在线数据平台对DEGs进行GO和KEGG富集分析。通过STRING在线工具和Cytoscape软件构建DEGs的蛋白互作网络和识别hub基因。最后,使用GEPIA、仙桃、Kaplan-Meier Plotter在线数据平台对hub基因进行表达差异分析、受试者工作特征(ROC)曲线分析及生存分析。结果：GSE79973和GSE103236两数据集中有156个重叠DEGs,包括98个上调基因和58个下调基因。其中,上调差异表达基因(uDEGs)的GO富集分析主要与细胞外基质及胶原蛋白相关;KEGG富集分析与细胞外基质受体相互作用有关。通过STRING在线工具和Cytoscape软件从重叠DEGs中识别出10个hub基因,均为uDEGs。利用GEPIA、仙桃、Kaplan-Meier Plotter在线数据平台分析表明,hub基因在胃癌组织中均显著上调(P<...     

基于生物信息学的胃癌预后基因的筛选和分析

目的 应用生物信息学方法筛选和分析胃癌预后基因。方法 从GEO数据库中下载胃癌基因芯片数据集GSE54129、GSE81948、GSE118916,使用在线分析工具GEO2R筛选出差异表达基因(differentially expressed genes,DEGs)。利用在线数据库DAVID对筛选的DEGs进行功能和通路富集分析。然后使用在线网站STRING和Cytoscape软件对DEGs构建蛋白互作网络,并筛选hub基因。最后使用Kaplan Meier-Plotter和GEPIA在线数据库对hub基因进行生存和表达水平分析。结果本研究共发现362个总DEGs,包含164个上调基因,192个下调基因。通过GO功能富集分析,发现DEGs主要富集在细胞外基质和胶原蛋白。KEGG富集通路分析显示,DEGs主要参与的信号通路包括ECM-受体相互作用、阿米巴病、蛋白质的消化和吸收、局部黏附和PI₃K-Akt信号通路。CytoHubba插件共筛选出10个DEGs作为hub基因,通过Kaplan Meier-Plotter数据库验证这10个hub基因,发现COL1A1、COL3A1、FN1、MMP2、COL5A1、BGN、COL4A1、COL4A2和COL6A3这9个基因和胃癌预后相关,并且高表达组预后差(P<0.05);GEPIA数据库发现这9个与胃癌预后相关的基因在胃癌组织中均呈高表达水平(P<0.05)。结论 通过生物信息学方法,本研究发现了9个胃癌预后基因,其中BGN、COL3A1和COL5A1这3个基因可能成为胃癌预后的新的标志物。     

基于生物信息学分析胰腺癌的关键基因

目的 利用生物信息学分析胰腺癌发生、发展的关键基因,为胰腺癌的早期诊断、预后评估及靶向治疗提供理论依据。方法 从GEO数据库中获取GSE15471基因芯片数据集,在线分析工具GEO2R筛选差异表达基因,并对差异表达基因进行GO、KEGG富集分析和蛋白互作网络分析,利用Cytoscape软件的cytoHubba插件筛选出关键基因,通过GEPIA数据库对关键基因再次验证。结果 从GSE15471基因芯片中共筛选出267个显著差异表达基因,其中上调基因232个,下调基因35个。富集分析显示差异表达基因主要涉及细胞黏附、PI₃K-Akt信号通路、蛋白水解、炎性反应、胶原分解代谢、免疫反应等。通过蛋白互作网络筛选出11个关键基因,下调基因ALB、EGF,上调基因MMP2、CXCL8、FN1、COL1A1、SPP1、MMP1、ITGA2、COL3A1、CRP。GEPIA数据库中关键基因表达情况与基因芯片分析结果一致,生存分析显示胰腺癌患者总生存时间与MMP1、ITGA2基因表达高低相关。结论 生物信息学筛选出的11个关键基因在胰腺癌的发生、发展中有重要作用,是潜在的胰腺癌特异肿瘤分子学标志物和靶向治疗新位点。     

成人重症哮喘诱导痰差异表达基因生物信息学分析

目的 通过生物信息学技术分析与成人重症哮喘发病可能相关的重要信号通路并筛选出关键基因,以期为重症哮喘的精确诊断及早期干预提供新的理论依据。方法 采用生物信息学方法对重症哮喘患者诱导痰差异表达基因(DEGs)进行筛选和分析。从美国国立生物中心的基因表达汇总(GEO)数据库(https:∥www.ncbi.nlm.nih.gov/geo/)筛选重症哮喘诱导痰样本(GSE137268)数据集,GEO2R工具获取DEGs,R语言ClusterProfiler包用于富集分析,后使用STRING数据库和Cytoscape软件构建蛋白互作网络并用其筛选出关键基因。结果 获得GSE137268数据集,包含33例重症哮喘诱导痰样本(嗜酸性粒细胞哮喘13例,非嗜酸性哮喘20例)和15例正常对照诱导痰样本。共检测到22185个基因,差异表达101个(矫正后P＜0.05及|log₂(差异倍数)|≥0.58),其中70个表达上调,31个表达下调;重症哮喘与正常对照之间的DEGs被富集在42个不同的基因本体(GO)子集中,包括HIF-1通路、果糖与甘露糖代谢、PHC2与造血细胞系统等。5个关键基因为JARID、HIST2H2AC、HIST2H2AA3、HIST2H2BE、PHC2。结论 重症哮喘的发生、发展主要与HIF-1通路、果糖与甘露糖代谢、PHC2与造血细胞系统等关键通路及JARID、HIST2H2AC、HIST2H2AA3、HIST2H2BE、PHC2等关键基因密切相关。     

表达谱芯片和DNA甲基化芯片联合分析筛选克罗恩病发生、发展的分子靶标

目的 通过生物信息学方法筛选与克罗恩病(CD)发病相关的异常甲基化修饰的差异表达基因。方法 从公共基因表达数据库(GEO)下载CD的表达谱芯片GSE102134和DNA甲基化芯片GSE105798。通过R语言软件对CD表达谱芯片进行差异表达分析,同时对CD的DNA甲基化芯片进行差异甲基化位点分析。筛选异常甲基化修饰的差异表达基因进行功能富集分析。STRING数据库和Cytoscape软件共同构建蛋白相互作用网络,筛选CD的核心基因。最后通过GEO数据库GSE75214和GSE186582验证差异基因表达。结果 采用表达谱芯片分析,共筛选出1315个差异表达基因,其中780个表达上调,535个表达下调。CD组与对照组比较,共发现11066个差异甲基化位点,其中8542个高甲基化位点,2524个低甲基化位点。对差异表达基因和差异甲基化基因进行联合分析,找到55个低甲基化修饰下表达上调的基因,和125个高甲基化修饰下表达上调的基因。GO分析表明异常甲基化修饰的差异表达基因与跨膜转运蛋白活性、细胞顶端组成和有机阴离子转运相关。KEGG信号通路主要为PI₃K/Akt信号通路、黏附斑和ECM-受体相互作用等。STRING和Cytoscape软件筛选信号通路中的关键基因,并在GSE75214和GSE186582芯片集验证差异基因的表达,结果提示COL4A2、COL4A1、PDGFRB和PYY可能在CD中起重要作用。结论COL4A2、COL4A1、PDGFRB和PYY可能是CD疾病诊断和治疗的潜在靶点。     

联合GEO和TCGA数据库筛选子宫内膜癌关键基因和靶向药物

目的 利用生物信息学技术筛选子宫内膜癌(endometrial carcinoma,EC)的差异表达基因(differentially expressed genes,DEGs)及潜在的治疗药物,为诊断和治疗EC提供理论依据。方法 筛选了高通量基因表达数据库(Gene Expression Omnibus,GEO)GSE17025和癌症基因组图谱(The Cancer Genome Atlas, TCGA)子宫内膜癌数据库的重叠差异表达基因,用R语言筛选DEGs,并进行GO和KEGG富集分析。使用String工具分析差异基因编码蛋白互作(protein-protein interaction,PPI)网络,通过Cytoscape 软件进行可视化展示,获得最显著模块基因以及关键基因,并对关键基因做靶向药物预测。结果 通过GEO和TCGA筛选出上调基因269个、下调基因132个。GO富集分析结果显示,DEGs主要富集于纺锤体、细胞器分裂、受体配体活性等;KEGG信号通路分析,DEGs主要富集于细胞因子-细胞因子受体相互作用、白细胞介素-17(interleukin-17,IL-17)、细胞周期等信号通路。PPI网络中CDCA2、AURKA、DLGAP5、BIRC5、KIF11、CENPE、NCAPH、CCNB1、CDCA5、NCAPG被筛选为关键基因。在毒性与基因比较数据库(Comparative Toxicogenomics Database,CTD)中筛选出阿霉素、舒尼替尼和丙戊酸作为可能的靶向药物。结论 利用生物信息学方法筛选的关键基因可能在EC的发生、发展中具有重要作用,可作为相关候选药物筛选的理论依据。     

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...     

基于生物信息学分析动脉粥样硬化的关键基因及潜在中药

目的：基于生物信息学预测与动脉粥样硬化(atherosclerosis, AS)相关的关键基因及中药,为AS诊断、药物干预提供新思路。方法：从高通量基因表达(gene expression omnibus, GEO)数据库下载GSE13985和GSE6088的基因表达数据集,在AS和健康样本之间鉴定差异表达基因(differentially expressed genes, DEGs)。随后进行基因本体(Gene Ontology, GO)功能富集分析、京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)通路富集分析,并将筛选出的DEGs排列成蛋白质-蛋白质相互作用(protein-protein interaction, PPI)网络,利用COREMINE数据库对关键基因进行中药预测。结果：在GSE13985数据集中总共鉴定出2 135个DEGs(744个上调,1 391个下调),在GSE6088数据集中鉴定出1 725个DEGs(773个上调,952个下调)。富集分析涉及98个GO条目(52个BF,28个CC,18个...     

基于GEO数据库筛选巴雷特食管的关键基因及通路

目的 通过生物信息学方法筛选巴雷特食管的关键基因及信号通路。方法 从GEO数据库中下载GSE39491、GSE36223、GSE13083三组数据集，获得差异表达基因（|Log2FC|>1,调整后的P<0.01）并绘制火山图，并筛选出差异共表达基因，使用Web Gestalt数据库对差异共表达基因进行GO和KEGG分析，并使用String和Cytoscape构成蛋白-蛋白互作网络图，筛选显著模块和关键基因。结果 筛选出327个差异共表达基因，其中表达上调181个，表达下调146个，GO和KEGG分析提示基因在角质化、角化细胞分化、视黄醛脱氢酶的激活、白介素-1受体的结合、药物代谢、细胞色素P450的异生物质代谢等方面富集。利用Cytoscape筛选出的关键基因为PPL、EVPL、IVL、TGM1、PI3、DSG3、PKP1、SPRR1A、FLG、DSC3。结论 关键基因与巴雷特食管的发生发展相关，有望成为其生物标志物。     

骨关节炎的潜在生物标志物筛选及关键基因验证

目的本研究旨在通过生物信息学分析确定骨关节炎滑膜组织中的关键生物标志物。方法从GEO数据库中下载GSE12021、GSE55235和GSE55457,通过Bioconductor的LIMMA包鉴定差异表达的基因(DEGs),并进行功能富集分析。使用STRING构建蛋白质-蛋白质相互作用网络(PPI),用Cytoscape进行模块分析,筛选出关键基因,并在芯片数据集中验证表达情况。结果分析基因芯片GSE12021和GSE55235骨关节炎和正常对照组之间滑膜组织差异表达的基因并取交集,获得18个表达上调基因,43个表达下调基因;GO与KEGG分析发现差异基因富集在维生素C代谢、白介6信号通路等多个骨关节炎发生发展的重要通路;通过构建PPI网络筛选出了包括促进软骨细胞破坏、调节炎症、调节软骨稳态、调控软骨基质代谢的十个关键基因,在三个表达谱数据中验证了关键基因的表达。结论骨性关节炎与正常对照之间的关键基因分析可为理解骨性关节炎的发生发展和开辟新的基因治疗手段提供新的见解。     

乳腺癌关键基因SDC1的临床预后意义及其与M1型巨噬细胞相关性分析

目的 通过生物信息学方法分析乳腺癌(Breast cancer, BC)关键基因SDC1,并分析其与M1型巨噬细胞的相关性。方法 从GEO数据库下载3组BC芯片GSE42568、GSE71053和GSE8977数据,筛选其差异表达基因(Differential Expression Genes, DGEs),并进行基因本体(Gene Ontology, GO)功能注释和京都基因与基因组百科全书(Kyoto Encyclopedia of Gene and Genome, KEGG)通路富集分析。利用STRING数据库和Cytoscape软件筛选DEGS中HUB基因。从癌症基因组图谱(The Cancer Genome Atlas, TCGA)下载BC的RNAseq数据和相关临床信息,利用R语言对HUB基因进行单因素和多因素COX回归分析、列线图绘制以及关键基因的免疫检查点分析和风险预后分析;通过UALCAN与GEPIA数据库验证HUB基因的表达和预后;利用TIMER及GEPIA2021数据库进行关键基因与巨噬细胞相关性分析。结果 共得到197个DEGs,其GO功能的生物学过程(BP)与...     

基于生物信息学分析软骨肉瘤的关键基因及发病机制

目的 基于生物信息学分析软骨肉瘤的关键基因及发病机制。方法 从GEO数据库获取人类软骨肉瘤相关基因芯片数据集GSE48418和GSE30835,包含17例软骨肉瘤患者样本和7例健康对照者样本。应用R语言软件进行差异表达基因(DEGs)分析。应用DAVID数据库对两个数据集共同的DEGs进行基因本体论(GO)功能富集分析及京都基因与基因组百科全书(KEGG)通路富集分析。使用STRING数据库及Cytoscape软件，针对共同DEGs构建蛋白-蛋白相互作用网络，并利用Cytoscape软件筛选关键基因。结果 两组芯片数据集的共同DEGs有62个，包含28个表达上调基因和34个表达下调基因。GO功能富集分析结果显示，共同DEGs富集在细胞与基质黏附、细胞与基质黏附的调节、肌细胞迁移、小梁形态发生、小梁组成等生物学过程，富集在含胶原的细胞外基质(ECM)、内质网腔、胶原三聚体等细胞组分，涉及糖胺聚糖结合、ECM结构成分提供的抗压支持、含硫化合物结合等分子功能。KEGG通路富集分析结果显示，DEGs与黏着力、磷脂酰肌醇-3-激酶(PI3K)/蛋白激酶B(AKT)、ECM-受体相互作用等信号通路...     

舌鳞状细胞癌关键基因的筛选及其潜在治疗药物的预测

目的 通过生物信息学方法筛选舌鳞状细胞癌的关键基因,并预测其潜在的治疗药物。方法 从GEO数据库中下载GSE34105和GSE13601数据集,并利用limma包筛选DEGs。DAVID数据库对DEGs进行GO及KEGG富集分析。STRING数据库构建PPI网络,并在Cytoscape中进行可视化。“CytoHubba”筛选Hub基因,并利用TCGA数据库、HPA数据库及RT-qPCR进行验证。最后,在Cellminer数据库中筛选Hub基因潜在的治疗药物。结果 共筛选出192个DEGs,其中上调基因84个,下调基因108个。GO富集分析显示,DEGs主要涉免疫反应、细胞外基质分解等生物学过程;KEGG富集分析显示,DEGs主要富集在EMC-受体相互作用信号通路。筛选出IFIT3、OAS2 作为Hub基因。预测出布加替尼、艾沙佐米柠檬酸盐及硼替佐米等19种可能靶向作用于舌鳞状细胞癌的药物。结论 通过生物信息学方法筛选出两个Hub基因,并预测其潜在的治疗药物,为研究舌鳞状细胞癌的分子机制及开发治疗药物提供理论基础。     

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GEO数据库的肥厚型心肌病差异表达基因分析

目的 基于基因表达综合（GEO）数据库，采用生物信息学方法挖掘肥厚型心肌病相关的差异表达基因（DEG），为肥厚型心肌病的临床治疗提供新思路。方法 从GEO数据库中筛选肥厚型心肌病患者和正常对照者的基因数据集芯片GSE68316和GSE148602，应用RStudio软件和GEO数据库基因表达分析工具（GEO2R），以|log2FC|≥1且P <0.05作为筛选标准，筛选数据集中的DEG。选取2个数据集中差异表达最显著的上调和下调基因各10个，分别绘制热图。通过R语言完成关键DEG的基因本体论（GO）以及京都基因和基因组数据库（KEGG）分析。结果 在GSE68316数据集中共筛选出247个DEG，包括125个表达上调的DEG和122个表达下调的DEG；在GSE148602数据集中共筛选出157个DEG，包括44个表达上调的DEG和113个表达下调的DEG。KEGG和GO分析中存在多条通路的富集。结论 通过生物信息学方法，可以有效挖掘肥厚型心肌病DEG，为后续治疗提供新策略。     

基于生物信息学筛选分析脓毒症预后相关核心基因

目的 基于生物信息学分析影响脓毒症预后的潜在核心基因。方法 利用基因表达数据库(Gene Expression Omnibus,GEO)筛选到脓毒症患者的基因表达数据集GSE54514和GSE65682,通过加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)和维恩分析筛选与脓毒症预后相关的关键基因,采用Metascape数据库、RcisTarget包和CIBERSORT算法进行基因功能富集分析、转录因子富集分析及免疫浸润分析。选取数据集GSE5772进行验证,筛选与脓毒症预后相关的核心基因并使用Kaplan-Meier法进行生存分析。结果 对数据集GSE54514、GSE65682分别进行WGCNA分析,筛选出与脓毒症预后相关性最高的“绿色”和“棕色”模块,并对两个模块的基因取交集,维恩分析得到20个关键基因。这些关键基因主要富集在细胞形态调节、单核细胞迁移等通路上。转录因子富集分析显示转录因子ZNF148可能是基因集的主要调控因子之一。进一步通过数据集GSE5772验证,发现基因FGD3、MBP、MSN、RNF130和SETD1B在脓毒症患者中明显低表达(P＜0.05)。免疫浸润分析表明这5个核心基因均与免疫细胞含量密切相关,其中只有FGD3、MSN和RNF130的表达与脓毒症患者的生存率相关(P＜0.05)。结论 基于生物信息学分析筛选到与脓毒症预后相关的5个核心基因,这些基因与免疫细胞密切相关,其中基因FGD3、MSN和RNF130可能是脓毒症预后的重要预测因子。     

PLAU与MMP1在头颈鳞状细胞癌中的表达及临床预后意义

目的：基于生物信息学方法分析头颈鳞状细胞癌(Head and neck squamous cell carcinoma,HNSCC)关键基因PLAU与MMP1及其临床预后意义。方法：首先，通过基因表达总库(Gene Expression Omnibus,GEO)的GEO2R筛选4组HNSCC基因芯片数据的差异表达基因(Differentially expressed genes,DEGs)，并利用Metascape数据库对DEGs进行基因本体论(Gene Ontology,GO)功能注释和京都基因与基因组百科全书(Kyoto Encyclopedia of Gene and Genome,KEGG)通路富集分析；其次，采用String数据库和Cytoscape软件CytoHubba插件的MCC算法进行蛋白互作网络(Protein-protein interaction,PPI)分析和HUB基因筛选；再次，利用GEPIA数据库分析前10个HUB基因表达量与HNSCC患者预后和临床分期关系；最后，利用TIMER、GEPIA和TISIDB数据库分析关键基因与免疫细胞浸润水平的关系以及临床生信...     

基于GEO数据库光损伤性皮肤病的生物信息学分析

目的 通过对紫外线照射后人皮肤表皮细胞基因芯片的生物信息学分析,获得光损伤性皮肤病的关键基因,探索其发病机制。方法 从GEO数据库中获取2个紫外线照射后人皮肤表皮细胞株HaCat的基因芯片数据集,第一个基因芯片数据集采用R软件筛选出显著性差异表达基因(DEGs),进行GO分析和KEGG通路分析,另一个基因芯片数据集也采用同样的方法筛选出DEGs,将两者DEGs取交集,进行GO分析和KEGG通路分析,最后构建蛋白质-蛋白质相互作用网络(PPI),通过筛选,获得紫外线损伤HaCat的关键基因。结果 GSE198792筛选获得的DEGs有486个(上调246个、下调240个),GSE138800筛选获得的DEGs有90个(上调33个、下调57个)。两者取交集筛选获得20个基因。GO分析显示这些差异表达基因主要与蛋白质转运、表皮生长因子受体信号通路的调控、I型干扰素信号通路的负调控以及对病毒的防御有关,KEGG通路主要与磷酸戊糖途径相关。筛选出了ISG15、IFI6、TKT、LAP3、SAMHD1、BAG3、ALDOC 7个关键基因。结论 通过生物信息学分析筛选出紫外线对人皮肤表皮细胞作用的关...     

哮喘患者上气道基因表达谱芯片的生物信息学分析

目的:应用生物信息学方法对哮喘患者上气道基因表达谱芯片进行分析,进一步探讨其可能的发病机制。方法:从GEO(Gene expressionomnibus)数据库下载哮喘表达谱的芯片数据(GSE41861),利用R语言Limma软件包筛选哮喘患者与非哮喘患者鼻黏膜的差异表达基因(differentially expressed genes,DEGs),并对差异基因作基因本体论(gene ontology,GO)和京都基因与基因组百科全书(kyoto encyclopedia of genes and genomes,KEGG)通路富集分析。利用STRING在线数据库进行蛋白-蛋白相互作用(protein protein interaction,PPI)分析,并用Cytoscape软件及其插件NetworkAnalyzer进行可视化,寻找关键(Hub)基因。结果:共筛选出118个差异基因,其中包括93个上调基因和25个下调基因。对差异基因进行生物信息学分析,上调DEGs主要参与唾液分泌相关通路和结核相关通路,下调DEGs主要参与TGF-β相关信号通路。蛋白网络分析筛选出CDC5L、AR和ACTR2 3个degree得分>10的关键基因。结论:CDC5L、AR、ACTR2可能在哮喘的发生发展中起着重要作用,为研究哮喘的发病机制提供了新的策略。