肝癌代谢重编程相关基因富集分析及ATP柠檬酸裂解酶表达的临床意义

目的 筛选参与肝细胞癌(HCC,简称肝癌)肿瘤进展的代谢重编程相关基因,明确HCC组织标本中ATP柠檬酸裂解酶(ACLY)表达情况,并纳入GEO数据,分析其与HCC临床病理指标的相关性及其在HCC生存预后中的作用.方法 下载TCGA数据库中的HCC表达数据,将50对癌组织与癌旁配对组织样本纳入差异表达基因分析,获得全基...     

基于生物信息学的肝细胞癌组织miR-1180表达与临床意义分析

目的:通过生物信息学数据分析探讨肝细胞癌(HCC)组织中miR-1180的表达及其临床意义。方法:下载GEO(Gene Expression Omnibus)和TCGA(The Cancer Genome Atlas)相关数据集,比较HCC组织和癌旁组织中miR-1180表达量,并分析miR-1180表达量与肝癌患者临床病理特征及预后之间的相关性。利用生物信息学方法对mi R-1180的靶基因进行预测及功能富集分析,并结合预后分析结果筛选miR-1180关键靶基因。结果:mi R-1180在HCC组织中较癌旁组织高表达,且对于HCC具有良好的诊断效能(AUC0.8,均P0.05);miR-1180的表达量与患者年龄、肿瘤家族史、肿瘤分化程度以及AFP等指标明显有关(均P0.05)。生存分析表明HCC组织中miR-1180高表达是影响HCC患者预后的独立危险因素(P0.05)。富集分析提示miR-1180的靶基因主要富集于脂质代谢、细胞迁移、转录调控等功能和脂肪酸降解等通路。PPARGC1A、ALDH2、SARDH、HMGCS2、ESR1、ETS2等为miR-1180关键靶基因,在HCC组织中均表达下调(均P0.05),且相对低表达者预后较差(均P0.05)。结论:mi R-1180在HCC组织中表达升高,其可能作为一种促癌miRNA参与HCC的发生、发展,并具有成为HCC诊断标志物、预后指标及治疗靶点的潜在应用价值。     

肝细胞癌Wnt信号通路相关基因的表达及其意义

目的 观察肝细胞癌(HCC)中Wnt信号通路相关基因的表达状态,探讨HCC与该信号通路的关系.方法 应用基因芯片对5例HBV感染相关HCC癌和癌旁组织进行检测,并采用实时定量逆转录-聚合酶链反应(RT-PCR)技术对芯片筛选结果进行验证.结果 芯片(含126个Wnt信号途径相关基因)杂交结果显示,对比癌旁组织,癌组织内3组以上同时出现上调的基因数为7个(5.56%),其中Fzd2基因在4组出现明显上调(19.21倍);癌组织内3组同时出现下调的基因数为9个(7.14%),其中PYGO2基因(14.76倍)和SHFM3基因(16.97倍)在4组出现明显下调.HCC和癌旁组织差异表达基因主要涉及Wnt信号途径中相关Frizzled信号传导、细胞周期、转录和蛋白降解等方面.实时定量RT-PCR的结果显示,对比癌旁癌组织Fzd2和DVL3分别上调为22.11倍和17.12倍,PYGO2下调14.69倍,一致于芯片杂交实验的结果,说明结果的可靠性.结论 HBV感染相关性HCC的发生发展涉及Wnt信号通路,该通路中一些关键基因的异常表达为此提供了证据.     

域含蛋白7A在肝细胞癌中的表达及其与预后的关系

目的:探讨域含蛋白7A(THSD7A)基因在肝细胞癌(HCC)中的表达情况及临床意义。方法:分别用RT-PCR与免疫组化法检测30例新鲜HCC及癌旁组织标本中THSD7A m RNA表达及75例HCC及癌旁组织石蜡标本中THSD7A蛋白的表达,分析其与HCC患者临床病理因素及预后的关系。结果:与癌旁组织比较,在HCC组织中THSD7A m RNA表达下调(P0.05);THSD7A在HCC组织中的阳性表达率明显低于癌旁组织(24.0%vs.87.0%,P0.05)。THSD7A蛋白的表达与患者结节数目(P=0.011)、Edmondson-Steiner分级(P=0.013)、BCLC分期(P=0.048)有关。THSD7A蛋白低表达患者总体生存率(P=0.016)与无瘤生存率(P=0.013)均明显低于THSD7A高表达患者。结论:THSD7A在HCC中可能发挥抑癌基因的作用,THSD7A表达降低患者预后不良。     

抑癌基因FHIT在肝细胞癌中的研究

目的　探讨原发性肝细胞癌 (HCC)中FHIT基因的表达。方法　采用免疫组织化学技术 (SP法 )检测 4 0例HCC及其癌旁组织、32例肝外伤后正常肝组织中FHIT的表达情况。结果　 4 0例HCC中有 1 1例FHIT表达缺失 ,而相应的癌旁组织中只有 2例FHIT蛋白表达缺失 ;正常肝组织中全部呈阳性表达 ;HCC组织中FHIT蛋白缺失率显著高于相应癌旁及正常肝组织 (P <0 .0 1 ) ,并与肿瘤的病理学分级、TNM分期、门静脉癌栓及HBsAg阳性表达有密切关系 (P <0 .0 5 )。结论　FHIT蛋白的缺失与HCC的发生、发展有关     

BC047440基因在肝细胞癌中的表达及其意义

目的:探讨肝癌相关的新基因BC047440在肝细胞癌(HCC)中的表达及其病理学意义。方法：采用逆转录聚合酶链反应(RT-PCR)半定量检测36例HCC及其相应的癌旁肝组织中BC047440 mRNA的表达，并将该基因在HCC中的表达分为过高表达组及较高表达组，分析其与肿瘤病理变化的关系。〖KG(*8〗结果：36例HCC中BC047440基因mRNA的表达较癌旁肝组织高,其平均光密度比值分别为0.2594±0.0928和0.0942±0.0443,差异有极显著性意义（P<0.01）;过高表达组与较高表达组相比较，前者肝癌直径较大，门静脉受侵较严重，差异有显著性（P<0.05）。结论：BC047440基因与HCC的发生、发展和侵袭转移有关。     

输出蛋白5 的表达与肝细胞癌患者临床病理特征及预后的关系

目的:探讨输出蛋白5(XPO5)在肝细胞癌(HCC)组织中的表达及其与患者临床病理特征及预后的关系。方法:用Western blot和免疫组化检测XPO5蛋白在92例HCC癌组织及癌旁组织手术标本中的表达,用统计学方法分析XPO5表达水平与HCC患者临床病理因素及预后的关系。结果:XPO5蛋白在HCC组织中的表达水平明显高于癌旁组织。XPO5蛋白表达与HCC患者肿瘤大小、分化程度、临床分期、远处转移及肝硬化有关(均P0.05)。XPO5高表达患者1、5年无瘤生存率以及1、5年总生存率均明显低于XPO5低表达者(46.8%vs. 78.5%、20.3%vs. 37.4%;75.9%vs.91.2%、36.1%vs. 58.8%,均P0.05)。XPO5高表达是HCC患者术后无瘤生存及总生存的独立危险因子(P=0.036;P=0.013)。结论:XPO5基因在HCC组织中高表达,且与HCC的恶性病理特征及患者的不良预后有关。     

Apaf-1基因在肝细胞肝癌中的表达和意义

目的 探讨凋亡蛋白活化因子1(apoptoic protease-activating factor 1,Apaf-1)基因mRNA及其蛋白在肝细胞肝癌(HCC)中的表达和意义.方法 采用逆转录-聚合酶联反应(RT-PCR)和免疫组化(SP)的方法 检测手术切除53例肝癌组织,53例癌旁组织和14例肝血管瘤组织中的Apaf-1基因mRNA及其蛋白的表达情况,同时结合临床病理资料分析其在肝细胞癌中发生、发展的意义.结果 在癌组织中Apaf-1基因mRNA及蛋白的表达率明显降低(分别为45.28%,32.07%),低于癌旁组织(90.56%,79.24%)和肝血管瘤组织(100%,92.85%),差异有统计学意义(P＜0.05);而癌旁组织和肝血管瘤组织之间的差异无统计学意义.且Apaf-1基因蛋白的表达缺失与患者的HBsAg、Edmondsor分级和有无门静脉癌栓有关,而与患者性别、肿瘤直径和AFP水平无关.结论 Apaf-1基因的表达异常可能对人HCC的发生和发展起着重要作用,可能对临床诊治和判断患者的预后有一定的参考意义.     

缺氧诱导的lncRNA AC114803在肝细胞癌中的表达及其作用

背景与目的:缺氧是肝细胞癌(HCC)微环境的关键特征之一.缺氧可诱导编码基因和非编码RNA的表达,从而影响HCC的进展.既往研究发现缺氧反应性长链非编码RNA (lncRNA) AC114803与肾细胞癌预后相关,但其在HCC中尚未见研究.因此,本研究探讨HCC中lncRNA-AC114803表达与缺氧的关系及其功能....     

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。     

基于GEO数据库脓毒症心肌病差异基因的筛选与生物信息分析

目的 利用脓毒症心肌病（SCM）的差异性基因,检测与SCM有关的潜在靶点,为寻找最新的诊断方法与疗法提供新途径。方法 从美国GEO数据库上下载GSE79962基因芯片,并使用NetworkAnalyst的网络大数据分析技术工具分析SCM病人和对照组患者（NF）所表达的差异基因,并将结果可视化。将不同差异基因（DEGs）经过分析,使用Metascape网络数据库系统和String网站对其经过富集分析及蛋白质互助作用构建PPI网络图,从而检测出重要基因组和功能模块。结果 一共筛选出了390个DEGs,包括上升基因288个,下降基因162个。而基因组本体分析则表明,DEGs在生物过程学中一般富集在对药物反应、对血栓形成的积极调控、对细菌繁殖的负性调控等;在细菌组成方面一般是富集于细胞外区段、细胞外间隙、浆膜的整体成分等;在分子物质作用功能则一般是富集于与蛋白质的融合、钙离子融合、受体结合等。通路分析提示,DEGs主要富集于PI3K-Akt信号通路、胰岛素抵抗等。利用Cytoscape的在线数据库,检测出了2种显著作用模块和10个重要基因,它们为STAT3、SERPINE1、TIMP1、TP5...     

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。     

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.     

基于生物信息学分析骨肉瘤肺转移的关键基因和功能鉴定

目的：采用生物信息学的方法筛选骨肉瘤肺转移的差异表达基因,并探讨其功能及调控网络。方法：从GEO 数据库 (http://www.ncbi.nlm.nih.gov/gds) 中筛选数据集 GSE14359, 使用 GEO2R 在线工具筛选差异表达基因(differentially expressed gene,DEG);在线 HMMD 数据库(http://www.cuilab.cn/hmdd)下载骨肉瘤疾病相关的 miRNA,FunRich 软件预测靶基因,与 DEG 取交集,获得目标基因;根据靶向关系形成 miRNA-mRNA 关系对,数据导入 Cy-toscape 可视化;DAVID 对目标基因行 GO 和 KEGG 通路富集分析;STRING 构建 PPI 网络,Cytoscape 可视化,Cyto-Hubba 插件筛选中枢基因,在线网站进行表达和生存分析。结果：共鉴定出 704 个 DEG,由 477 个上调基因和 227 个下调基因组成。FunRich 预测出 mRNA 7 888 个,两者交集,获得目标基因 343 个。KEGG 富集分析显示:目标基因主要参与焦点粘连、细胞外基质(extracellularmatrix,ECM)受体相互作用、肿瘤坏死因子(trmor necrosis factor,TNF)信号通路、PI3K-Akt 信号通路、白细胞介素-17(interleukin 17,IL-17)信号通路、MAPK 信号通路。获得 10 个中枢基因(CC-NB1、CHEK1、AURKA、DTL、RRM2、MELK、CEP55、FEN1、KPNA2、TYMS),CCNB1、DTL、MELK 和预后不良高度相关。结论：该研究确定的关键基因和功能通路可能有助于了解骨肉瘤肺转移癌发生和进展的分子机制,并提供潜在的治疗靶点。     

基于综合生物信息学筛选骨关节炎潜在生物标记物的研究

目的:基于基因芯片筛选骨关节炎特征基因谱及信号通路。方法:基于Gene Expression Omnibus(GEO)数据库的2个人类关节滑膜组织微阵列（GSE82107和GSE55235）,包括20个骨关节炎样本和17个健康对照样本,采用GEO2R工具筛选骨关节炎和健康对照之间的差异表达基因(DEGs)。使用注释、可...     

基于GEO数据库的IgA肾病基因的筛选和生物信息学分析

目的 通过生物信息学分析鉴定IgA肾病的生物标志物,旨在阐明IgA肾病疾病进展的可能分子机制.方法 从GEO数据库下载包含IgA肾病患者和健康对照的微阵列数据集GSE104948、GSE93798和GSE37460数据集,并使用limma R包进行分析,以获得差异表达基因.然后进行GO分析和KEGG通路富集分析,运用S...     

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。     

基于生物信息学及机器学习算法筛选前列腺癌的关键表达基因及相关免疫细胞浸润分析

目的通过生物信息学及机器学算法筛选及分析前列腺癌的关键表达基因,探究诊断前列腺癌的生物标志物及与前列腺癌免疫细胞浸润的相关性。方法使用生物信息学方法从基因表达谱(GEO)数据库中下载3个前列腺癌组织信使RNA(mRNA)芯片数据集:其中GSE46602和GSE69334作为训练集,GSE32571作为验证集。对数据集GSE46602及数据集GSE69223两个数据集进行合并分析后获得差异表达基因(DEGs),京都基因与基因组百科全书(KEGG)、基因本体论(GO)、疾病富集分析(DO)与基因富集分析(GSEA)用于功能富集分析。Lasso回归筛选特征基因11个,支持向量机(SVM)筛选特征基因2个,取交集为两个特征基因丝氨酸蛋白酶(HPN)、角蛋白23(KRT23),将两个基因在数据集GSE32571中进行验证,同时通过实时荧光定量聚合酶链反应在前列腺癌相关细胞系中进行验证,最后进一步分析了两个特征基因与免疫细胞浸润相关联系,两组间使用Student’s t检验评估统计学意义。结果通过对GEO数据库3个前列腺癌数据集使用R语言及机器学习等方法进行分析,总共发现35个DEGs和两个核心基因,其中20个为下调基因,15个为上调基因。通过GO、KEGG、DO及GSEA通路分析发现这些基因富集在表皮细胞分化、角质形成等功能中,以细胞外基质受体相互作用及雌激素受体通路等信号上。通过套索算法(LASSO)及SVM筛选出的特征基因与数据集GSE32571进行检验,发现HPN、KRT23是前列腺癌的2个诊断生物标志物,在前列腺腺癌细胞系中mRNA水平进行验证符合生物信息分析结果,HPN在Du145、PC3、Vcap、Lncap、C4-2、22RV1组相对表达量(1.10±0.29、0.46±0.12、3.02±0.79、1.58±0.09,0.39±0.02,0.41±0.07)指标高于RWPE1组(0.09±0.01),差异有统计学意义(t=6.000、5.030、6.400、27.980、15.600、6.870,P<0.05),KRT23在Du145、PC3、Vcap、Lncap、C4-2、22RV1组相对表达量(0.42±0.01、0.15±0.03、0.15±0.02、0.15±0.03、0.62±0.09、0.04±0.01)指标低于RWPE1组(1.01±0.19),差异有统计学意义(t=5.210、7.600、7.620、7.580、3.120、8.630,P<0.05),且HPN、KRT23与免疫细胞相关,HPN与T细胞CD8、静息肥大细胞、静息树突状细胞呈负相关,与巨噬细胞M0呈正相关;KRT23与巨噬细胞M0呈负相关,与静息树突状细胞、静息肥大细胞呈正相关。结论HPN、KRT23可以作为前列腺癌的诊断性生物标志物,且HPN、KRT23与滤泡辅助性T细胞及调节性T细胞等免疫细胞相关。     

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。