基于生物信息学的食管鳞癌关键基因筛选

目的 探索食管鳞癌(ESCC)基因调控机制以寻找诊治相关潜在的生物标志物.方法 整合GEO数据库中ESCC基因芯片数据集获得共同差异表达基因(DEGs),进行基因本体(GO)和基因组百科全书数据库(KEGG)分析,构建蛋白互作网络后筛选出核心DEGs.利用GEPIA进行表达差异及生存分析,经UALCAN验证差异分析结果.结果 33例ESCC组织及15例正常组织中筛选出86个DEGs.GO和KEGG富集分析结果显示,差异基因功能主要涉及细胞周期、细胞分化、转化生长因子-β(TGF-β)信号通路等,蛋白互作分析网络筛选出27个核心基因,其中与患者预后相关基因两个:CKDN3、KIF4A.结论 CKDN3、KIF4A在ESCC组织中高表达,与ESCC预后相关,有助于ESCC的诊断及预后.     

基于生物信息学探究ASPM和KIF20A在食管鳞状细胞癌中的表达及临床意义

目的 探讨ASPM、KIF20A在食管鳞状细胞癌(ESCC)中的表达及临床意义。方法 基于GEO数据库筛选核心基因并预测其在ESCC中的表达水平;KEGG通路富集分析ASPM、KIF20A参与的潜在信号通路;TIMER数据库分析ASPM、KIF20A的表达与免疫细胞浸润的相关性;选取95例ESCC组织与30例癌旁正常组织标本,采用免疫组化检测ESCC和癌旁正常组织中ASPM和KIF20A蛋白质表达情况,分析其表达与临床病理参数及预后的相关性。结果 共筛选出核心基因16个,包括ASPM、KIF20A等。GEPIA结果显示,ASPM、KIF20A在ESCC组织中均呈高表达,差异有统计学意义(P<0.05)。KEGG通路富集分析显示两者均与细胞周期相关。TIMER结果显示,ASPM的表达与树突状细胞呈负相关,KIF20A的表达与CD8+T细胞呈负相关。免疫组化结果显示,ESCC组织中ASPM、KIF20A的表达水平显著高于癌旁正常组织(P<0.001)。ASPM的表达与ESCC患者的临床分期(P=0.004)、N分期(P=0.024)具有相关性;KIF20A的表达与ESCC患者的肿块直径(P=0.015)、N分期(P=0.002)相关。Spearman相关性分析显示,ASPM的表达与KIF20A的表达呈正相关(r=0.367,P<0.001)。Kaplan-Meier生存分析结果显示,ASPM、KIF20A高表达组患者的生存率低于低表达组患者(均P<0.05)。多因素分析显示,ASPM、KIF20A的表达及N分期均是影响ESCC患者预后的独立因素。结论 ASPM、KIF20A高表达与ESCC的进展和预后密切相关,可能是ESCC的重要预后标记物和潜在治疗靶点。     

小细胞肺癌潜在治疗靶基因的生物信息学分析

目的:寻找与小细胞肺癌(small cell lung cancer,SCLC)相关的关键基因和信号通路,筛选SCLC潜在的治疗靶基因.方法:利用基因表达综合数据库中SCLC相关数据集筛选差异表达基因(differential expressed genes,DEGs),并进行功能和通路富集分析.应用STRING和Cytoscape软件构建蛋白互作网络,筛选关键DEGs,并对DEGs进行表达验证及生存分析.结果:筛选出的81个DEGs主要参与有丝分裂、细胞周期和DNA复制等信号通路,通过蛋白互作网络筛选出8个关键DEGs:AURKA、CENPF、BUB1B、RACGAP1、NUSAP1、KIF11、KIF20A和PBK,这些关键DEGs均为有丝分裂相关基因且相互关联,其中CENPF高表达与SCLC不良预后相关.结论:CENPF等基因是SCLC发生发展的关键DEGs,有望成为SCLC的潜在治疗靶点.     

基于GEO和TCGA数据库筛选子宫内膜癌发病及预后的相关基因

目的 通过生物信息学方法分析与子宫内膜癌(EC)发病及预后相关的基因.方法 下载基因表达综合数据库(GEO)中相关样本的基因芯片数据,筛选出EC与正常子宫内膜组织细胞中的差异表达基因(DEGs).运用STRING在线数据库及DAVID在线数据库对DEGs进行蛋白-蛋白互作网络(PPI)分析、基因本体论(GO)及京都基因...     

基于数据库挖掘分析FN1、COL4A1、COL4A2基因在胃癌中的表达及意义

目的 基于数据库挖掘分析胃癌预后预测和胃癌靶向治疗的潜在关键基因(Hub基因)。方法 本研究选取基因表达综合数据库(GEO)的GSE33651和GSE118916数据集(研究时间为2011年11月—2019年8月)。GEO2R进行胃癌差异表达基因(DEGs)分析。DAVID数据库对DEGs进行基因本体(GO)和京都基因与基因组百科全书(KEGG)富集分析。采用STRING数据库和Cytoscape软件构建DEGs的蛋白质-蛋白质相互作用(PPI)网络,其中Degree>10的DEGs被认为是Hub基因。基于癌症基因组图谱(TCGA)的胃腺癌数据,使用OncoLnc和UALCAN数据库对Hub基因进行生存分析和表达分析。TIMER数据库对Hub基因进行免疫浸润分析。结果 GSE33651和GSE118916中鉴定出80个共有上调和34个共有下调DEGs。DEGs富集在69个GO条目和7个KEGG信号通路。从PPI网络中筛选出14个Hub基因。FN1、COL4A2和COL4A1基因在胃癌组织的表达水平均显著高于胃正常组织,且在胃癌中具有良好的预后预测价值。FN1、COL4A2和COL...     

膀胱癌关键枢纽基因的生物信息学分析

目的：基于在线数据库分析膀胱癌有差异的关键枢纽基因(Hub基因)临床表达意义。方法：运用在线数据库(GEO)下载膀胱癌基因芯片数据集及GEO2R筛选共同差异表达基因(DEGs)。通过R软件的“cluster profiler”软件包对共同DEGs行基因本体论(GO)、京都基因与基因组百科全书(KEGG)信号通路富集，使用STRING数据库构造蛋白-蛋白互作网络图(PPI)、利用Cytoscape软件可视化及Cytohubba应用软件中的MCC(基于最大聚集中心)筛选出Hub基因，通过Cbioportal行总生存(OS)和无病生存(DFS)分析，并绘制Kaplan-Meier生存曲线，通过GEPIA2分析有差异Hub基因的表达。结果：共同DEGs281个，上调34个，下调247个，GEPIA2验证发现有差异的Hub基因在膀胱癌中均高表达。结论：ASPM、NUSAP1、CDC20、KIF20A、PRC1和TOP2A Hub基因可能是膀胱癌有效的诊断标志物。     

烟草暴露对孕妇胎盘组织基因表达谱的影响

目的:通过生物信息学分析烟草暴露与非暴露孕妇的差异表达基因谱(differentially expressed genes,DEGs),对DEGs涉及的功能进行分析预测,并找出关键基因.方法:从公共基因芯片数据平台(gene expression omnibus,GEO)检索吸烟对孕妇基因表达谱作用研究的mRNA基因芯片数据集GSE30032,通过GEO2R分析得到DEGs,并进一步用DAVID数据库对靶基因进行基因本体论(gene ontology,GO)和KEGG信号通路富集分析,应用Cytoscape软件对模块中基因的共表达关系可视化,筛选关键基因;应用GeneMANIA数据库进一步对蛋白相互作用进行分析.结果:共筛选出34个烟草暴露与非暴露孕妇的差异表达基因,其中24个mRNA表达上调,10个mRNA表达下调(筛选标准:FC≥1.5,P＜0.05).GO分析显示DEGs生物学过程主要涉及转录正向调控(P=0.009)、细胞对铁离子的反应(P=0.013)等;KEGG分析显示DEGs主要和肿瘤相关通路(P=0.016)和乙型肝炎(P=0.038)等信号通路有关.蛋白质相互作用网络筛选出CDKN1A、SFN和TFAP2A等8个关键基因;GeneMANIA数据库显示蛋白之间相互作用中蛋白共表达和物理相关性共占91.62％,是其相互作用的主要方式.结论:本课题通过多平台数据库有效筛选和分析孕妇烟草暴露后的相关差异表达基因,为进一步探讨烟草作用的靶点及分子机制提供思路.     

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。     

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<...     

食管鳞癌中miRNA-mRNA调控网络的构建和信号通路分析

目的：构建食管鳞状细胞癌（esophageal squamous cell carcinoma,ESCC）中miRNA-mRNA的调控网络,对候选基因进行基因本体（gene ontology,GO）功能注释和京都基因与基因组百科全书（Kyoto encyclopedia of genes and genomes,KEGG）通路富集分析,为ESCC发生发展的分子机制研究提供一定的理论指导。方法：从GEO数据库中筛选ESCC组织中的差异表达miRNA（differentially expressed miRNA,DE miRNA）和差异表达基因（differentially expressed genes,DEGs）,并用在线数据库预测调控DE miRNA的靶基因。对DE miRNA的靶基因及DEGs取交集得到候选基因,使用DAVID在线数据库对其进行GO富集分析和KEGG分析,并运用GEPIA网站进行生存分析。结果：筛选出4个DE miRNA（miR-34c-5p、miR-944、miR-133b、miR-139-5p）,分析DE miRNA在ESCC组织和正常食管组织中的表达情况。候选基因GO富集分析表明其主要参与细胞增殖、凋亡、迁移等过程,KEGG分析表明其主要富集在PI3K/AKT、Rap1、P53信号通路,生存分析发现候选基因中的COL1A1、SOX4与食管癌较差的无病生存期（disease-free survival,DFS）有关。结论：miR-34c-5p、miR-944、miR-133b和miR-139-5p在ESCC中存在差异表达,可能在食管鳞癌的发生发展中发挥作用,且候选基因COL1A1、SOX4与食管癌较差的无病生存期相关。