Small envelope protein E of SARS：cloning,expression, purification, CD determination, and bioinformatics analysis

AIM:To obtain the pure sample of SARS small envelope E protein (SARS E protein), study its properties and analyze its possible functions. METHODS: The plasmid of SARS E protein was constructed by the polymerase chain reaction (PCR), and the protein was expressed in the E coli strain. The secondary structure feature of the protein was determined by circular dichroism (CD) technique. The possible functions of this protein were annotated by bioinformatics methods, and its possible three-dimensional model was constructed by molecular modeling. RESULTS: The pure sample of SARS E protein was obtained. The secondary structure feature derived from CD determination is similar to that from the secondary structure prediction. Bioinformatics analysis indicated that the key residues of SARS E protein were much conserved compared to the E proteins of other coronaviruses. In particular, the primary amino acid sequence of SARS E protien is much more similar to that of murine hepatitis virus(MHV) and other mammal coronaviruses. The transmembrane (TM) segment of the SARS E protein is relatively more conserved in the whole protein than other regions. CONCLUSION: The success of expressing the SARS E protein is a good starting point for investigating the structure and functions of this protein and SARS coronavirus itself as well. The SARS E protein may fold in water solution in a similar way as it in membrane-water mixed environment. It is possible that β-sheet I of the SARS E protein interacts with the membrane surface via hydrogen bonding, this β-sheet may uncoil to a random structure in water solution.     

基于网络药理学和生物信息学探究黄芪四君子汤治疗肝细胞癌的作用机制

[目的] 运用网络药理学联合生物信息学方法，探究黄芪四君子汤治疗肝细胞癌(hepatocelluar carcinoma，HCC)的潜在作用机制。[方法] 利用中药系统药理学数据库和分析平台(Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform，TCMSP)数据库对中药的生物活性成分及其靶点进行鉴定。采用差异分析和加权基因共表达网络分析(weighted gene co-expression net work analysis，WGCNA)鉴定HCC的差异基因和模块基因，在此基础上构建中药成分-靶点网络。随后研究靶点的生物学功能，并构建蛋白互作(protein-protein interaction，PPI)网络，识别药物治疗HCC的关键靶点。最后通过分子对接探索化合物与靶点之间的相互作用。[结果] 共鉴定出5种草药的156种化合物和227个靶点，癌症基因组图谱(The Cancer Genome Atlas，TCGA)和基因表达综合(Gene Expression Omnibus，GEO)数据库数据集中差异基因2 477和685个，WGCNA关联模块基因2 104和2 165个。构建了包含4种草药、85种化合物和9个靶点的中药成分-靶点网络。生物功能分析表明，9个靶点主要与细胞周期、p53信号通路、细胞衰老相关，筛选出山柰酚、槲皮素2个药物主要成分和细胞周期蛋白A2(cyclin A2，CCNA2)、雌激素受体1(estrogen receptor alpha，ESR1)、细胞周期蛋白B1(cyclin B1，CCNB1)、细胞周期蛋白依赖性激酶1(cyclin-dependent kinase 1，CDK1)、拓扑异构酶 Ⅱα(topoisomerase Ⅱ alpha，TOP2A)5个核心靶点。分子对接结果显示，山柰酚、槲皮素与对应的核心靶点具有稳定的结合能力。[结论] 黄芪四君子汤可能通过调节细胞周期蛋白以及相关通路发挥对HCC的治疗作用，本研究为黄芪四君子汤治疗HCC提供了研究思路和理论支撑。     

利用生物信息学分析人ZUP1基因在乳腺癌中的表达及机制

目的 探讨ZUP1在乳腺癌(BC)发生发展中的临床价值及上下游机制。方法 通过使用GEO,TCGA和GTEx数据库,探索ZUP1在乳腺癌中表达水平与临床应用价值。利用单因素回归分析乳腺癌患者数据库临床信息,比较乳腺癌组织中ZUP1 表达与临床病理因素的关系。将乳腺癌患者分为ZUP1高表达组和ZUP1低表达组,使用Kaplan-Meier分析乳腺癌患者生存状况。用生物信息学方法预测潜在调控ZUP1的miRNA和泛素连接酶,最后进行基因集富集分析。结果 以GEO数据库为基础的ZUP1在乳腺癌组织中的表达高于正常对照组织。ZUP1高表达组患者的预后显著低于低表达组(P=0.031)。Hsa-miR-10b-3p和hsa-miR-499a-5p表达水平与ZUP1表达呈负相关,包括MARCH1,MARCH8,Mdm2,synoviolin和MIB1在内的E3泛素化蛋白连接酶可能调节ZUP1的蛋白表达。GSEA结果说明ZUP1主要在乳腺癌中参与“基础转录因子”, “泛素介导的蛋白质水解”, “卵母细胞减数分裂”, “RNA降解”和 “极光B通路”等通路。结论ZUP1在乳腺癌中表达上调,与病人预后具有相关性,可能是一种具有前瞻性的诊断和预后的乳腺癌生物标志物。     

膝关节OA关键基因及软骨组织免疫细胞浸润的生物信息学分析

目的基于生物信息学筛选膝关节骨关节炎(OA)的关键基因、信号通路,并分析软骨组织免疫细胞浸润情况。 方法从GEO数据库中下载来自正常人和OA患者的基因数据集,进行差异表达基因筛选,基因本体论、京都基因和基因组百科全书分析,构建蛋白互作网络,并对软骨相关数据集进行免疫细胞浸润分析。 结果筛选出与OA相关的12个关键基因及86条关键信号通路。免疫浸润结果显示,OA软骨组织与正常软骨比较,其活化CD8T记忆细胞、CD56⁺NK细胞、髓系来源抑制性细胞、1型辅助型T细胞4种免疫细胞含量差异有统计学意义(P＜0.05)。 结论筛选出12个关键基因和4种免疫细胞,其可能参与了OA的进展。     

基于生物信息学的Prohibitin在乳腺癌中的表达及意义

目的通过生物信息学高通量多组学数据库分析浸润性乳腺癌组织中prohibitin(PHB)的表达及其临床意义。方法下载TCGA和METABRIC乳腺癌数据,应用多种工具比较癌组织和癌旁组织中PHB表达情况,并分析PHB表达与乳腺癌患者临床病理特征及预后之间的相关性,进行PHB蛋白互相作用预测及功能分析。结果 PHB在多种癌组织中较癌旁组织高表达,乳腺癌中PHB基因突变和表达量改变比例较高;PHB基因表达对于乳腺癌具有良好的诊断效能(P0.01);PHB表达与乳腺癌患者ER受体、HER2、PAM50分型、肿瘤纯度等指标有关(P0.05)。生存分析表明,乳腺癌PHB高表达是影响乳腺癌的独立危险因素(P0.01)。HRAS、KSR1、ARAF与PHB相互作用且相关性较高,在乳腺癌组织中可见表达改变。结论 PHB在乳腺癌、卵巢癌等多种癌组织中表达升高,并且PHB高表达明显影响乳腺癌患者预后,PHB基因表达对乳腺癌的诊断效能较好,可作为乳腺癌诊断、预后的潜在标志物。     

Genomics pipelines and data integration: challenges and opportunities in the research setting

Introduction: The emergence and mass utilization of high-throughput (HT) technologies, including sequencing technologies (genomics) and mass spectrometry (proteomics, metabolomics, lipids), has allowed geneticists, biologists, and biostatisticians to bridge the gap between genotype and phenotype on a massive scale. These new technologies have brought rapid advances in our understanding of cell biology, evolutionary history, microbial environments, and are increasingly providing new insights and applications towards clinical care and personalized medicine.

Areas covered: The very success of this industry also translates into daunting big data challenges for researchers and institutions that extend beyond the traditional academic focus of algorithms and tools. The main obstacles revolve around analysis provenance, data management of massive datasets, ease of use of software, interpretability and reproducibility of results.

Expert commentary: The authors review the challenges associated with implementing bioinformatics best practices in a large-scale setting, and highlight the opportunity for establishing bioinformatics pipelines that incorporate data tracking and auditing, enabling greater consistency and reproducibility for basic research, translational or clinical settings.     

应用生物信息学挖掘肝母细胞瘤发病差异基因

目的筛选肝母细胞瘤(hepatoblastoma)组织与小儿正常肝脏组织中的差异表达基因,探究肝母细胞瘤的发病机制,为其诊断和治疗提供新方向。方法从GEO数据库中检索获取肝母细胞瘤组织和小儿正常肝脏组织的芯片数据,通过R语言软件RSTUDIO筛选芯片中的差异表达基因,使用DAVID数据库对筛选所得的差异表达基因进行功能注释,通过STRING数据库构建蛋白质相互作用网络,并进行中心性分析。结果经筛选共获得肝母细胞瘤组织中290个差异表达基因,其中上调基因99个,下调基因191个(P0.05)。GO(Gene Ontology)功能注释分析显示,上调差异基因主要涉及细胞分裂、细胞外外泌体、金属离子结合等94个功能簇,下调差异基因主要涉及脂蛋白代谢、细胞外外泌体、血红素结合等100个功能簇。蛋白质相互作用网络分析示IMPDH2、AGXT、ALDH1A1、ALDH2、PFAS、SERPINC1、AGXT2、KNG1、APOA1、MAT1A、APOC3和HSD17B6 12个基因为与其他节点关系最密切的核心调控基因。结论通过多种生物信息学方法联合分析三组高通量基因芯片,获得了肝母细胞瘤组织与正常小儿肝脏组织间的差异表达基因,并进一步从不同角度分析肝母细胞瘤异常增殖、转移等恶性生物学过程的发生机制,为肝母细胞瘤的诊断和治疗提供新方向。     

肺腺癌关键基因的生物信息学研究

目的肺癌是世界上发病率和致死率最高的恶性肿瘤,肺腺癌(LUAD)目前已成为肺癌中最主要的病理类型,占所有肺癌患者的80%-85%。本研究应用生物信息学技术,探究肺腺癌潜在的关键基因,最终服务于肺腺癌的诊断、治疗及预后判断。方法从基因表达综合数据库获取到三个包含肺腺癌及正常组织样本的数据集(GSE33532、GSE40791、GSE19188),应用R软件的Limma包筛选出DEGs。使用DAVID数据库对DEGs进行GO及KEGG富集分析,应用STRING及Cytoscape等工具对DEGs构建蛋白相互作用网络,并筛选出hub genes,应用生存曲线及GEPIA对hub genes进行校验及分析。结果共筛选出1354个DEGs,构建出的PPI模型共包含817个节点和5557条连线,并选出三个核心模块,及八个hub genes,包括CDK1、CDC20、CCNA2、CCNB1、BUB1、CCNB2、TOP2A及AURKB,它们都与较差的肺癌预后相关。结论本研究通过生物信息学分析确定了CDK1、CDC20、CCNA2、CCNB1、BUB1、CCNB2、TOP2A及AURKB可能对肺腺癌的发展和预后存在一定影响,可以作为肺腺癌的潜在生物标记物。