筛选与探讨乳腺癌的关键生物标志物及预后价值

目的 基于生物信息学方法筛选乳腺癌的关键生物标志物,并分析其预后价值。方法 利用TCGA和GEO数据库筛选乳腺癌的共有差异表达基因;DAVID数据库对差异基因进行GO和KEGG富集分析;单因素和多因素Cox分析获得具有显著预后价值的基因;利用UALCAN在线工具对关键基因进行病理特征分析。结果 从TCGA和GEO数据库中分别获得1566和231个差异基因;通过共表达分析得到140个共有的差异表达基因;单因素和多因素Cox回归分析中发现S100B和TFF1在乳腺癌中具有独立预后价值;临床病理特征分析结果显示,S100B和TFF1在乳腺癌组织中的表达与其患者的性别、分期、淋巴结转移、TP53突变等均有显著差异。结论 S100B和TFF1可作为关键生物标志物影响乳腺癌的发生和发展。     

基于整合生物信息学的肝内胆管癌关键通路和潜在生物标志物的鉴定及其诊断价值

目的 整合生物信息学分析法鉴定出肝内胆管癌(intrahepatic cholangiocarcinoma,ICC)发生发展的关键通路和具有诊断价值的潜在生物学标志物.方法 从美国国立生物技术信息中心基因表达数据库(gene expression omnibus,GEO)数据库下载3个高质量的肝内胆管癌基因芯片数据集(...     

基于GEO数据库研究结肠癌的生物标志物

目的:通过生物信息学筛选出结肠癌中的关键基因,为结肠癌分子生物研究及早期诊断相关生物标志物筛选提供理论依据。方法:从GEO数据库中选择编号为GSE10950、GSE74602和GSE110224的基因芯片,利用R语言下载评估芯片质量,对样本进行规范化处理并筛选出差异基因(DEG),通过TCGA下载结肠癌的表达数据,验证DEG的准确性,通过DAVID在线网站对DEG进行GO分析和KEGG富集分析,通过STRING在线网站得到DEG的蛋白互作网络,利用Cytoscape软件筛选出枢纽基因(hub基因),Oncomine数据库从基因层面验证hub基因的表达,cBioPortal数据库分析hub基因在结肠癌中的突变情况,最后通过UALCAN及TCGA数据库评估hub基因在结肠癌诊断方面的价值。结果:通过GEO数据库共筛选出结肠癌132个DEG,经TCGA数据库验证后最终得到131个DEG,其中表达下调DEG 78个,表达上调DEG 53个,通过STRING、Cytoscape筛选出10个hub基因,选取排名靠前的DTL等4个hub基因进一步分析,最终证明了DTL、CCNA2、BUB1、KIF23基因在结肠癌中的高表达并可能作为早期诊断结肠癌的标志物。结论:通过生物信息学分析研究筛选出结肠癌的关键基因,并证明蛋白编码基因DTL、CCNA2、BUB1、KIF23有可能作为早期诊断结肠癌的生物标志物。     

基于生物信息学分析筛选卵巢癌中具有诊断和预后价值的潜在生物标志物

目的 利用生物信息学方法筛选卵巢癌中具有诊断和预后价值的生物标志物,探索卵巢癌新的诊疗靶点。方法从基因表达综合数据库（Gene expression omnibus database,GEO）中下载GSE12470、GSE14407、GSE15578及GSE38666数据集,利用GEO2R分析获得差异表达基因。通过LASSO回归模型和Cox回归分析进一步筛选卵巢癌Hub基因,并借助R语言分析Hub基因的表达水平及与诊断和预后的相关性。结果 从数据集中共鉴定出27个差异表达基因,通过LASSO和Cox回归分析,提取出MELK、TTK、BIRC5及FGF7为核心基因。K-M生存分析和诊断效能评估表明,MELK、TTK、BIRC5及FGF7具有较好的诊断和预后预测价值。此外,这些差异基因主要涉及细胞周期、微管蛋白结合及细胞骨架运动活性等生物功能,并显著富集在P53信号通路、铂类耐药及谷胱甘肽代谢等关键通路上。结论 MELK、TTK、BIRC5和FGF7是与卵巢癌发生发展显著相关的核心基因。这些基因的异常表达与卵巢癌患者的预后密切相关,且具有较高的诊断价值,有望成为卵巢癌患者潜在的生物标志物和...     

胶质母细胞瘤关键基因、信号通路和预后生物标志物的筛选研究

目的 采用生物信息学方法筛选胶质母细胞瘤(glioblastoma,GBM)中的关键基因、信号通路和预后生物标志物.方法 从高通量基因表达数据库(gene expression omnibus,GEO)下载GBM的5个数据集中的基因芯片数据.首先,对原始数据进行预处理,并用R语言中的limma包分析得到参与GBM发生发...     

基于生物信息学筛选和分析小儿溃疡性结肠炎的潜在生物标志物

目的 利用生物信息学筛选和分析小儿溃疡性结肠炎（ulcerative colitis,UC）的潜在基因生物标志物。方法 从基因表达数据库GEO中下载炎症性肠病数据集GSE126124的表达谱数据。使用GEO2R获取基因数据集中小儿UC组织与相应正常组织的差异表达基因（differentially expressed genes, DEGs）。DAVID、STRING数据库对DEGs进行生物学功能、通路富集分析和蛋白质-蛋白质相互作用分析。Cytoscape基于蛋白质-蛋白质相互作用网络鉴定关键基因,KEGG分析关键基因的通路富集情况。结果 获得了153个DEGs,包括92个高表达基因和61个低表达基因。高表达DEGs显著富集的生物学功能和通路有外部刺激反应、金黄色葡萄球菌感染和IL-17信号通路等。低表达的DEGs显著富集的生物学功能和通路有转运、膜的成分和代谢通路等。此外,10个DEGs可作为关键基因,包括Cxcl1、Cxcl2、Cxcl10、Cxcr2、Il1rn、Fcgr3a、Cxcr1、S100a12、Ido1和Ccl24。关键基因显著富集的通路有趋化因子、病毒蛋白与细胞因子及...     

阿尔茨海默病诊断标志物的生物信息学分析筛选

目的:筛选阿尔茨海默病(AD)的分子诊断标志物,并探究其在AD发生发展中的作用机制。方法:从GEO数据库下载整合正常人和AD患者4个脑区的转录组测序数据,根据其数据特征,构建4个脑区的基因表达谱。利用R软件分析正常人与AD患者4个脑区的差异表达基因(DEG),对筛选出的DEG进行GO功能注释以及KEGG通路富集分析。利用STRING数据库构建DEG的蛋白质-蛋白质相互作用网络,从中筛选出核心基因。采用R软件对核心基因进行Logistic回归分析,利用C指数筛选出具有诊断价值的模型,再利用ROC曲线分析评估该组合的诊断价值。结果:共筛选得到263个DEG。GO功能注释显示DEG主要涉及蛋白质结合、神经元投射、谷氨酸突触、神经系统发育等功能。KEGG富集分析显示DEG主要富集在代谢途径、突触囊泡循环、AD、亨廷顿病、柠檬酸循环等信号通路。Logistic回归和ROC曲线分析发现由ACTB、CAMK2B、IDH3G、NRXN3、PPP3CA、VIP组成的标志物模型具有较高的诊断价值,ROC曲线下面积(95%CI)为0.745(0.714～0.776)。结论:由6个基因组成的AD诊断组合标志物...     

基于生物信息学分析宫颈癌关键基因及预后相关的生物标志物

目的 从公共数据库筛选并探讨宫颈鳞状细胞癌的关键致病基因。方法 从GEO数据库GSE122697、GSE89657里下载宫颈组织表达谱芯片数据。利用R软件和韦恩图查找数据集的差异表达基因(DEGs)交集,进行GO 和 KEGG 通路富集分析。利用STRING数据库构建了DEGs的蛋白质-蛋白质相互作用网络(PPIs)并导入Cytoscape软件进一步分析,通过cytohubba插件和MCC算法筛选出DEGs。利用癌症基因组图谱数据(TCGA)对已初步筛选的DEGs进行验证及生存曲线分析,并进一步筛选与宫颈癌总生存率相关的DEGs进行ROC分析,获得关键基因。结果 宫颈鳞状细胞癌差异基因56个,其中15个上调和41个下调。GO 及 KEGG 分析结果显示, 这些 mRNA 主要参与细胞核分裂、细胞外基质代谢调控等生物学进程; 主要富集于细胞周期、减数分裂、PIK-Akt信号通路、ECM受体相互作用通路等。通过PPI网络中筛选出18 个核心基因,并在TCGA数据集中得以验证,生存曲线分析的结果表明18个差异基因中的ASF1B基因对宫颈癌患者生存预后具有显著影响 (HR=0.437(0.272-0.704), P<0.01), ROC分析的结果表明其对宫颈癌患者具有很好的诊断价值(AUC=0.998)。结论 本研究通过综合生物信息学分析,有望为宫颈癌诊断和预后提供可靠的分子生物标志物和治疗靶点。     

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<...     

宫颈癌相关生物标志物的研究进展

<正>宫颈癌是女性常见的恶性肿瘤之一,每年全世界有47万新发病例和23.3万死亡病例,其中,我国每年新发病例在11万以上,有2~3万患者死于宫颈癌~([1])。随着对宫颈癌的深入研究,对其标志物的研究也取得了快速进展,现就与宫颈癌相关的生物标志物综述如下。1与表观遗传学相关的生物标志物最初研究表明微小RNA(miRNAs)无功能并被降     

宫颈癌相关基因的筛选及生物信息学分析

目的 从分子水平揭示官颈癌的发病机制,为临床诊疗提供新工具.方法 在公共基因芯片数据库GEO中找到宫颈癌的相关基因芯片数据,使用BRB-ArrayTools软件包对其进行统计学分析,找到官颈癌相关基因;利用Panther在线分析软件对这些基因进行生物学分析.结果 在宫颈癌组织共找到37条差异表达基因,上调23条,下调14条.这些基因的功能大致分为细胞骨架结构、转运载体、细胞信号转导、转录调控、细胞粘附、细胞凋亡等.结论 利用生物信息学的方法 能有效分析基因芯片数据并获取生物内在信息,官颈癌的发生是由于多种基因表达改变所致,为确定宫颈癌的早期诊断标志与新治疗靶位开辟了新的思路.     

基于生物信息学筛选三阴性乳腺癌生物标志物及小分子药物的研究

目的:确定三阴性乳腺癌(Triple negative breast cancer,TNBC)潜在生物标志物和小分子治疗药物.方法:GSE65212和 GSE53752的相关数据来自基因表达综合数据库(Gene Expression Omnibus,GEO);clusterProfile 软件包用于DEGs基因本体论(...     

基于生物信息学的乳腺癌miRNA生物标志物的筛选

目的 筛选与乳腺癌相关的miRNA生物标志物,为乳腺癌的早期诊断、预后评估以及药物靶点的研究提供参考.方法 从TCGA数据库中收集乳腺癌相关基因芯片数据,将肿瘤组织与正常组织样本数据进行对比分析,筛选差异miRNA与mRNA;预测差异miRNA的潜在靶基因并与差异mRNA取交集,进一步对miRNA进行筛选;采用ROC曲线分析对筛选得到的miRNA进行评价.结果 筛选得到9个差异miRNA,对肿瘤样本和正常样本分类良好.分别为6个上调miRNA:hsa-miR-141、hsa-miR-182、hsa-miR-183、hsa-miR-200a、hsa-miR-200b、hsa-miR-21;3个下调miRNA:hsa-let-7c、hsa-miR-125b-1、hsa-miR-145.结论 筛选得到的差异miRNA可作为乳腺癌的生物标志物,可对乳腺癌的发生进行预测.     

基于大数据的前列腺癌生物信息学分析

【目的】利用生物信息学的方法,对GEO和TCGA两个基因组学数据库进行分析,探究与前列腺癌相关的差异基因及相关的调控网络。【方法】综合GEO数据库的前列腺癌基因表达芯片数据（GSE46602、GSE55945）和TCGA数据库的RNA-seq数据,利用GEO2R及R语言的edgeR包进行基因差异分析,获得共同的显著差异基因,结合R语言的clusterProfiler包进行GO功能分析及KEGG通路分析,同时利用string网站进行蛋白互作网络分析,筛选出前列腺癌中调节蛋白表达量的关键基因,再结合TCGA临床随访数据分析关键节点基因的临床预后价值。【结果】获得共同差异基因共278个,其中表达上调100个,表达下调178个,它们与上皮细胞的调节增殖、含苯化合物的代谢过程等功能以及谷胱甘肽代谢和粘着斑等信号通路密切相关。蛋白互作网络分析结果得出3个重点蛋白表达模块以及12个关键节点基因。在这些关键基因中,EDN3、EDNRB和AMACR与前列腺癌患者的生存率密切相关。【结论】通过对前列腺癌基因芯片和RNA-seq数据的生物信息学分析,我们发现EDN3、EDNRB与AMACR很可能在前列腺癌的发生发展过程中发挥重要作用。     

基于WGCNA筛选骨关节炎的生物标志物

目的 利用加权基因共表达网络分析(WGCNA)探索骨关节炎(OA)发生发展中潜在的分子机制及其关键基因,寻找具有临床诊断和治疗意义的生物标志物。方法 从基因表达综合数据库(GEO)下载GSE114007、GSE57218和GSE169077数据集。利用R语言软件对GSE114007进行差异分析,将差异分析结果得到的差异基因(DEGs)再进行WGCNA构建表达模式不同的基因模块,对与骨关节炎最相关的基因模块进行基因本体论(GO)和京都基因与基因组百科全书(KEGG)分析。利用STRING和Cytoscape构建蛋白互作网络(PPI),并用cytoHubba插件的degree算法筛选关键基因。结果 GSE114007共筛选出骨关节炎组与健康对照组之间的DEGs1752个,其中上调基因927个,下调基因825个;通过WGCNA构建了6个不同的基因模块,其中棕色基因模块与骨关节炎的相关性最高,共有281个基因;棕色基因模块的GO显著富集在T细胞活化、脂肪代谢、炎症反应等生物学过程,KEGG显著富集在MAPK信号通路、破骨细胞分化途径、mTOR信号通路等信号通路;从PPI网络筛选出DDIT3和B...     

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.     

基于长链非编码RNA的生物信息学分析构建膀胱癌预后模型并确定预后生物标志物

目的:构建基于长链非编码RNA(long non-coding RNA,lncRNA)的膀胱癌预后模型,并寻找预后生物标志物。方法:从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库下载膀胱癌转录组及临床数据,Perl软件和R软件用于数据处理和分析。首先筛选差异表达lncRNA,继而对筛选结果进行单因素Cox回归分析以初步筛选与预后相关的lncRNA,再进一步用Lasso回归分析筛选影响预后的关键lncRNA,并运用多因素Cox回归分析构建预后模型。根据风险评分的中位数将患者分为高风险组和低风险组,运用Kaplan-Meier(K-M)生存分析、受试者接受特征(receiver operating characteristic,ROC)曲线和C指数对模型进行评价。此外,运用多因素Cox回归分析计算预后模型中各lncRNA的危险比和95%置信区间,并对差异有统计学意义的lncRNA进行K-M生存分析以确定预后生物标志物。结果:单因素Cox回归分析显示,在691个差异表达的lncRNA中, 35个可能与预后相关,其中23个经Lasso回归分析确认为影响预后的关键lncRNA。此外,K-M生存分析结果显示低风险组的总生存时间较高风险组长[(2.85±2.72)年vs. (1.58±1.51)年, P<0.001], ROC曲线显示3年生存率和5年生存率的曲线下面积分别为0.813和0.778,C指数为0.73。多因素Cox回归表明,23个关键lncRNA中有11个lncRNA差异有统计学意义,进一步的K-M生存分析表明,其中有3个lncRNA可能具有独立的预后价值,包括lncRNA AL589765.1(P = 0.004), AC023824.1(P = 0.022)和PKN2-AS1(P = 0.016)。结论:通过生物信息学分析,成功构建了基于23个lncRNA表达水平的膀胱癌预后模型,预测准确性中等,并确定了一个保护性预后生物标志物AL589765.1,以及两个不利的预后生物标志物AC023824.1和PKN2-AS1。     

基于生物信息学分析筛选宫颈癌进展中的关键基因

目的:通过生物信息学分析的方法,筛选宫颈癌进展中的关键基因,寻找潜在的分子标志物和治疗靶点。方法:在GEO(Gene Expression Omnibus)数据库中检索宫颈癌进展相关的mRNA和miRNA基因芯片数据,借助GEO2R分析差异表达基因(DEG)和差异表达miRNA(DEM),进行富集分析以及构建蛋白质-蛋白质相互作用(PPI)网络和miRNA-靶基因调控网络。结果:共筛选出250个DEG和166个DEM,并构建出由123个节点(node)和283项互相作用(edge)构成的PPI网络以及由66个节点和137个相互作用构成的miRNA-靶基因调控网络。经分析,ATAD2、SMC4和POLQ基因不仅是筛选出的表达上调的DEG,而且是PPI网络中枢纽蛋白的编码基因,并在miRNA-靶基因调控网络中同时受DEM—miR-20A、miR-20B、miR-106B和miR-17-5P的调控。结论:ATAD2、SMC4和POLQ基因可能在宫颈癌进展过程中发挥着重要作用。