A knowledge based method for the medical question answering problem

In this paper, a restricted domain question answering (QA) system is described. The design architecture of this QA system and the features that allow the adaptation of the QA system to the medical domain are also presented. The advantages of this QA system include the simple process of defining the question taxonomy answered by the system as well as the possibility of locally or remotely managed document collections. The main computing methods of the QA system are based on the application of natural language processing (NLP) techniques to infer the logic forms and on the treatment of the logic forms. The knowledge of the system is acquired through the use of two different resources: Unified Medical Language System (UMLS) to handle the medical terminology and WordNet to manage the open-domain terminology.     

FGF2的生物信息学分析及其在低氧神经保护中的作用研究*

目的: 观察FGF2在低氧及低氧预适应条件下小鼠海马神经元细胞中的表达变化,探究FGF2是否参与低氧耐受神经保护作用。方法: 使用生物信息学方法进行搜索和鉴定FGF2基因家族成员。在细胞层面建立低氧和低氧预适应模型,通过Western-blot、qRT-PCR检测细胞中FGF2表达情况。结果: FGFs家族分为7个亚家族,其中FGF2含有一个由17个氨基酸组成的FGF受体结合域,能够与特定的FGF受体结合进行信号的转导。在细胞层面,相比于空白对照组(C),低氧组(H)和低氧预适应组(HPC)FGF2在mRNA水平和蛋白水平的表达均有所下降(P＜0.05),而与H组相比,HPC组FGF2 mRNA水平和蛋白水平的表达有所升高(P＜0.05)。结论: FGF参与低氧预适应的神经保护作用。     

结直肠癌奥沙利铂耐药关键基因的生物信息学分析及意义

目的筛选与结直肠癌（CRC）中奥沙利铂（OXA）耐药性相关的基因和通路。 方法首先通过GEO数据库分析GSE76092的基因表达谱,筛选出CRC的OXA敏感和OXA耐药细胞系之间的差异表达基因（DEGs）。利用DAVID数据库进行基因本体论（Go）分析和京都基因和基因组百科全书（KEGG）通路分析。通过STRING工具构建蛋白质-蛋白质相互作用（PPI）网络。经MCODE插件选择关键基因,并利用GEPIA工具进行生存分析。最后使用miRWalk数据库预测相关的miRNA。 结果通过数据分析总共获得474个DEGs,并筛选了相关的信号通路和PPI网络。筛选出15个中心基因,其中7个显著参与NF-κB和趋化因子信号等通路。对7个关键基因的生存分析表明,CXCL8、IL-1β和PTGS2表达水平与CRC患者的总体生存相关。预测hsa-miR-6893-5p、hsa-miR-7851-3p和hsa-miR-96-3p是OXA耐药相关核心miRNA。 结论基于生物信息学筛选出来的OXA耐药关键基因和信号通路,为CRC中OXA耐药的潜在机制提供更深入的了解。     

C3, C3AR1, HLA-DRA,and HLA-E as potential prognostic biomarkers for renal clear cell carcinoma

BackgroundPrognostic biomarkers play a vital role in the early detection of the cancer and assessment of prognosis. With advances in technology, a large number of biomarkers of kidney renal clear cell carcinoma (KIRC) have been discovered, but their prognostic value has not been fully investigated, and thus have not been widely used in clinical practice. We aimed to identify the reliable markers associated with the prognosis of KIRC patients.MethodsWe obtained 72 normal samples and 539 tumor samples from The Cancer Genome Atlas (TCGA), and 23 normal samples and 32 tumor samples from the Gene Expression Omnibus (GEO). Overlapping differentially expressed genes (ODEGs) were analyzed by Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway analyses, followed by construction of a protein-protein interaction (PPI) network to screen hub genes. Kaplan-Meier analysis, univariate Cox analysis, multivariate Cox analysis, Wilcoxon signed-rank test, Kruskal-Wallis test, and gene set enrichment analysis (GSEA) were performed to verify the prognostic value and function of the markers we selected. The relationships among gene expression level, tumor immune cell infiltration, and immune-checkpoints were also analyzed.ResultsA total of 910 genes were screened out, and C3, C3AR1, HLA-DRA, and HLA-E were identified as potential tumor markers. The expression of each gene was closely associated with tumor immune cell infiltration, survival rate, and the patients’ clinical characteristics (P<0.05). C3AR1, HLA-DRA, and HLA-E were also verified as independent prognostic factors of KIRC (P<0.05), and all these potential biomarkers had a close correlation with immune checkpoints.ConclusionsC3, C3AR1, HLA-DRA, and HLA-E could be reliable biomarkers of KIRC and may have a significant contribution to make in immunotherapy, thus playing an important role in the improvement of prognosis.     

非特异性间质性肺炎相关基因筛选和生物信息学分析

目的通过生物信息学的方法筛选非特异性间质性肺炎(nonspecific interstitial pneumonia, NSIP)的致病基因,为进一步研究提供靶点。 方法从GEO数据库下载基因芯片数据集GSE110147、GSE21369、GSE40839,使用limma包分析工具筛选正常组织与NSIP的差异表达基因。通过clusterProfiler包对差异表达基因进行GO分析和KEGG通路富集分析,找到NSIP发病过程中差异表达基因主要参与的生物功能及其集中的信号通路。利用STRING数据库和CYTOSCAPE软件构建蛋白相互作用网络,使用MCODE软件提取蛋白相互作用网络中的子网络模块。 结果3个数据集的差异表达基因做韦恩图得到3个共同差异表达基因。GO富集分析表明NSIP中上调的差异表达基因主要影响RNA剪接、抗病毒感染、对肽的细胞反应等相关的生物过程,富集的分子主要参与细胞组分的囊腔合成分泌、剪接复合体,富集的分子功能主要参与ATP酶活性,受体配体活性及DNA结合转录激活因子活性。NSIP中下调的蛋白主要涉及转移酶活性调节的生物过程。KEGG通路分析表明NSIP中上调的差异表达基因主要参与PI3K-Akt、人类乳头瘤病毒感染及MAPK等信号通路。 结论利用生物信息学筛选出差异表达基因,可能是NSIP发病机制的新靶点,对诊断治疗NSIP具有临床意义。     

日本血吸虫性别特异性候选基因的生物信息学分析

目的运用生物信息学方法对日本血吸虫性别特异性候选基因SJCHGCD6309（登录号为AY813032）进行分析,为该基因的进一步研究奠定基础。方法利用“数据库消减杂交”（DigitalDifferentialDisplay,DDD）方法筛选出在日本血吸虫雄虫中特异表达的候选基因AY813032,使用生物信息学软件分析该基因的开放阅读框（ORF）,细胞定位、蛋白序列等特征,并预测该基因的结构和功能。结果AY813032蛋白由287个氨基酸编码,属于Cwfl5／Cwcl5结构域家族,定位于细胞核,有8个磷酸化位点,理论等电点（pI）为5．10,分子量为32．17kDa,该蛋白在日本与曼氏血吸虫之间具有较高保守性。结论AY813032基因为日本血吸虫性别特异性候选基因,可能与日本血吸虫性别发育相关。     

载脂蛋白C1在甲状腺乳头状癌中的临床表达及生物信息学分析

目的 研究载脂蛋白C1（APOC1）在甲状腺乳头状癌（PTC）和癌旁（PC）组织的表达水平及临床意义。方法 利用UALCAN数据库比较PTC及PC组织APOC1 mRNA的表达差异;Kaplan-Meier Plotter数据库预测APOC1对PTC的预后价值;HPA数据库预测APOC1在蛋白层面的表达情况;TIMER数据库研究APOC1与免疫细胞的相关性;Linked Omics数据库和GeneMANIA数据库研究与APOC1密切相关的基因;GSCALite数据库对PTC中前5关键基因的药物靶标和癌症相关通路进行分析;最后对APOC1基因进行单基因GSEA分析。结果 PTC组织中APOC1 mRNA表达水平显著高于PC组织;APOC1 mRNA表达水平在不同临床分期、年龄、性别、淋巴结转移的PTC中显著升高;APOC1 mRNA表达水平与预后和免疫浸润相关;APOC1与多条癌症通路相关,并可受到abiraterone、GSK-J4、SR8278抑制调节;GSEA单基因的功能富集分析显示,APOC1功能富集在丙酸代谢、缬氨酸和异亮氨酸、三羧酸循环、牛磺酸代谢、JAK-STAT信号通路、自身免疫性甲状腺病、凋亡、癌症信号通路、NOTCH信号通路、MAPK信号通路（P<0.05）。结论 APOC1基因在PTC中高表达,与预后、免疫浸润相关,可以作为PTC诊断、预后、药物治疗的潜在靶点。     

基于加权基因共表达网络的膀胱尿路上皮癌预后及疗效相关基因筛选

目的构建加权基因共表达网络分析（weighed gene co-expression network analysis,WGCNA）,鉴定出膀胱尿路上皮癌（bladder urothelial carcinoma,BLCA）中与预后及治疗效果相关的基因,并分析其在肿瘤相关通路中的活性。方法在癌症基因组图谱数据库获取膀胱尿路上皮癌的转录组测序及相应临床数据;选择年龄、性别、身高、体重、人种、生存时间、吸烟年数、治疗效果、病理分级、TNM分期及淋巴结浸润为临床表型进行加权基因共表达网络分析;利用R语言进行生存分析;利用GSCALite工具进行肿瘤相关的通路活性分析;利用基因表达汇编数据库中的GSE13507和GSE3167数据集进行验证。结果本研究鉴定出与预后及治疗效果均显著相关的基因模块及模块关键基因GPHN、CPSF2、PRMT5、EIF2S1、KLC1、SLC39A9、SRP54及CNIH,上述8个基因在肿瘤相关通路中有一定活性。结论GPHN、CPSF2、PRMT5、EIF2S1、KLC1、SLC39A9、SRP54及CNIH基因在BLCA中与预后及治疗效果均显著相关,并且参与了肿瘤相关通路,可能成为BLCA的生物标志物或潜在治疗靶点。