骨关节炎软骨中铁死亡相关微小RNA-信使RNA调控网络的构建及生物信息学分析

目的使用生物信息学方法构建铁死亡相关微小RNA(miRNAs)-信使RNA(mRNAs)的调控网络并探讨其在骨关节炎(OA)中的分子作用机制。方法从基因表达综合数据库(GEO)下载软骨相关数据集GSE175961和GSE1140007, 利用生物信息学方法筛选铁死亡相关miRNAs和mRNAs, 并进行富集分析、miRNA-mRNA网络构建以及诊断价值分析。最后采用荧光实时定量聚合酶链反应(qRT-PCR)验证关键基因表达, 并采用独立样本t检验比较其差异。结果 GSE175961数据集中共筛选获得了15个差异表达miRNAs。使用TargetScan和miRDB数据库分别预测差异表达miRNAs的下游靶基因, 共获得了5 115个共存的靶基因。与GSE1140007数据集中19个差异表达铁死亡基因取交集后共获得了4个下游铁死亡基因(PARP15、KLF2、CDKN1A、PDK4)。基于上述研究结果构建了由15个差异表达的miRNAs和4个下游铁死亡基因组成的miRNA-mRNA调控网络。进一步富集分析表明, 4个下游铁死亡基因与多种生物学功能和信号途径有关, 如脂肪酸代谢、细胞周期调...     

睾丸癌基因表达谱的生物信息学分析

目的:分析与睾丸癌生存相关的差异基因,探索其发病机制.方法:从GEO数据库中获取睾丸癌基因表达数据集GSE8607,并使用GEO2R在线工具分析获得睾丸癌差异性表达的基因;使用DAVID网站进行GO和KEGG pathway富集,使用STRING和Cytoscape软件进行睾丸癌相关核心基因筛选,使用Kaplan Me...     

基于生物信息学技术的非梗阻性无精子症关键microRNAs和基因的研究

目的 应用生物信息学方法研究非梗阻性无精子症(NOA)的关键微小RNA(microRNAs, miRNAs)和差异表达基因,为非梗阻性无精子症的病因分析提供新的思路。方法 在PubMed、Embase和Web of Science中筛选、提取并整合文献报道的NOA相关的miRNAs,并利用联川生物云平台预测靶基因。检索NCBIGEO数据库中的非梗阻性无精子症基因芯片数据,获得GSE145467和GSE108886数据集并进行GEO2R在线分析,得出NOA相关的差异表达基因,并与预测的靶基因取交集获得最终的差异表达基因。运用DAVID对差异表达基因进行GO富集和KEGG通路分析,应用STRING构建差异表达基因相关的蛋白质互作网络。结果 共检索到5条差异表达miRNAs,其中上调表达1条为miR-10b-5p,下调表达4条分别为miR-34b-5p、miR-34b-3p、miR-34c-5p和miR-449a。共得出最终差异表达基因868个,其中上调基因776个,下调基因92个。GO富集结果显示,差异基因参与的生物过程(BP)主要包括纤毛组装、精子轴丝组装、纤毛依赖性细胞运动、顶体组装、...     

基于机器学习筛选狼疮肾炎的诊断基因以及免疫浸润分析

目的:利用生物信息学和机器学习方法寻找狼疮肾炎(LN)的诊断基因,并分析可能的免疫浸润机制,为狼疮肾炎的临床治疗提供新的方向。方法:从GEO数据库下载LN基因表达谱芯片数据集,其中GSE32591作为训练集,GSE112943作为独立验证数据集。使用R软件进行差异基因的筛选,并对这些差异基因进行基因本体论(GO)及基因通路富集(KEGG)分析。进一步利用LASSO回归和SVM-RFE机器学习算法筛选诊断基因,同时进行外部验证和受试者工作曲线(ROC)分析,再利用肾脏病Nephroseq数据库对诊断基因进行双重验证,最后通过CIBERSORT反卷积法计算22种免疫细胞在LN中的浸润情况及相关性。结果:筛选出LN差异基因共计367个,富集分析发现LN主要涉及对病毒的反应、免疫反应调节信号、细胞因子产生的正向调节、病毒过程的调节等免疫相关功能,以及金黄色葡萄球菌感染、COVID-19、甲型流感、补体和凝血级联等炎症通路。通过机器学习筛选出ISG20、PKP4、IFI44和LPL为诊断基因,均具有良好的诊断与预测效能。最后利用CIBERSORT反卷积法免疫浸润显示,在LN中记忆B细胞、单核细胞...     

多芯片联合药物靶点基因探讨骨关节炎患者滑膜中生物标志物和治疗靶点

目的：探索骨关节炎滑膜组织中的差异基因和相关通路,寻找骨关节炎的关键基因,阐明骨关节炎的发病机制。方法：从GEO数据库中收集4个相关数据集,分别是GSE1919、GSE32317、GSE41038和GSE82107,包括37个骨关节炎滑膜组织样本和16个正常滑膜组织样本,鉴定出差异表达基因（DEGs）。对这些DEGs进行GO功能富集分析和KEGG通路富集分析,使用Cytoscape软件构建DEGs的蛋白质相互作用（PPI）网络,筛选Degree前10位的基因。通过Drugbank数据库筛选获准的用于治疗骨关节炎的药物,Drug Gene Interaction数据库挖掘这些药物的靶基因。利用微生信在线作图工具将药物靶基因和PPI Degree前10位的基因取交集,获得药物靶基因与PPI Degree前10位基因相同的基因靶点。最后,再利用定量逆转录聚合酶链反应（qRT-PCR）对临床样本检测评估关键基因的基因表达量。结果：总共鉴定出68个DEGs,包括29个上调的DEGs(MRC2、CDH11、HK3等)和39个下调的DEGs(ADH1B、APOD、ADIPOQ等)。其功能主要富集在皮...     

基于GEO数据库的胰腺癌循环肿瘤细胞代谢通路及关键基因研究

目的探讨胰腺癌循环肿瘤细胞（CTCs）中起关键作用的代谢通路及关键基因。方法 从GEO数据库筛选胰腺癌CTCs相关数据集,利用R studio软件筛选差异基因,与KEGG数据库的代谢相关基因比对,寻找代谢相关差异基因。对差异基因进行KEGG通路富集,使用STRING、Cytoscape进行蛋白相互作用网络分析和可视化。最后,对比两数据集富集的代谢通路,获得关键通路及基因,并利用TCGA和TIMER数据库分析关键基因与临床特征和免疫浸润的关系。结果 分别从数据集GSE118556和GSE18670筛选出834个和1119个差异基因。前者基因主要富集到半胱氨酸和蛋氨酸代谢、一碳代谢和辅酶因子合成等代谢通路,后者基因主要富集到一碳代谢、嘌呤代谢和甘油磷脂代谢通路。其中转酮醇酶（TKT）在两个数据集的一碳代谢中均显著上调。TKT与总体生存期、肿瘤分期、组织学分级相关（P<0.05）。同样编码转酮醇酶同工酶的TKTL1和TKTL2与免疫浸润相关（P<0.05）。结论 通过对胰腺癌CTCs数据集的生物信息学分析,发现一碳代谢和TKT可能在CTCs的形成和维持中起关键作用,为进一步研究胰...     

基于芯片微阵列数据库对无精子症相关基因挖掘及生物信息学分析

目的从分子水平探讨非梗阻性无精子症的发病机制,为临床诊疗提供新思路。 方法从基因表达综合数据库（GEO）中下载人非梗阻性无精子症的相关基因芯片数据,使用R语言对其进行归一化处理并筛选差异表达基因;使用DAVID及KEGG数据库对其进行差异基因本体功能及信号通路富集分析;通过Cytoscape绘制差异基因共表达网络并使用CytoHubba插件计算筛选核心基因（hub基因）;最后使用ClueGo及Centiscape对核心基因进行富集分析。 结果R语言筛选出518个差异表达基因,其中上调基因271个、下调基因247个;本体功能及信号通路富集分析结果提示这些差异基因在精子发生、精子染色质凝聚、精子顶体膜及囊泡形成、精卵细胞识别、细胞分化、ATP偶联及转录因子结合等生物学过程中发挥重要作用;差异基因共表达网络分析发现GAPDHS,PCSK4,TSSK1B,TSSK2等hub基因在精子发生及分化过程中发挥关键作用。 结论通过多维度挖掘GEO基因芯片数据并系统分析其内在信息,对明确非梗阻性无精子症发病的分子机制具有重要意义。     

骨肉瘤与尤文肉瘤关键基因CDC5L及其生物学功能的生物信息学分析

目的:利用生物信息学方法筛选骨肉瘤(osteosarcoma,OS)和尤文肉瘤(Ewing's sarcoma,EWS)关键基因及通路预测.方法:检索GEO数据库OS(GSE16088)及EWS(GSE45544)数据集,利用GEO2R分析差异基因,韦恩图筛选共同参与两者发生的关键基因,对该基因进行GO、KEGG通路分...     

基于机器学习的肺腺癌特征基因筛选初步研究

目的通过采用生物信息学与机器学习算法分析和筛选公共数据库中肺腺癌的关键基因, 探究肺腺癌诊治的生物标志物。方法从基因表达数据库(GEO)数据库中选择肺腺癌基因表达谱(GSE116959、GSE118370、GSE19188), 利用R语言中的Combat包对GSE116959与GSE118370去批次化合并作为训练组;并获得差异表达基因(DEGs)。采用最小绝对收缩和选择算子(LASSO)、支持向量机递归特征消除(SVM-RFE)算法分别对训练组进行预测, LASSO与SVM-RFE算法交集基因被认为是肺腺癌特征基因。利用箱型图和受试者工作曲线(ROC)对筛选出的特征基因在验证集中进行验证并对筛选出的基因进行免疫细胞浸润分析。结果 LASSO算法共筛选出8个特征基因, SVM-RFE算法共筛选出6个特征基因, 两个算法有4个交集基因(BTNL9、LOC400568、RTNK2、SGCG), 4个基因对疾病的预测能力分别为0.945[95%可信区间(CI):0.885～0.994], 0.892(95%CI:0.819～0.952), 0.919(95%CI:0.854～0.971), ...     

脊髓损伤中铁死亡相关基因的生物信息学分析

目的探讨脊髓损伤(SCI)中铁死亡的相关分子机制并分析其生物学功能。方法从基因表达(GEO)数据库搜索并下载SCI相关数据组表达基因芯片数据GSE183591, 从FerrDb数据库下载铁死亡相关基因, 使用Network Analysis分析GSE183591获得差异表达基因(DEGs), 对数据取交集获得铁死亡相关差异表达基因(FRDEGs), 使用David工具进行基因本体论(GO)和京都基因与基因组百科全书(KEGG)分析, 使用STRING网站构建蛋白与蛋白相互作用网络并通过cytoHubba确定关键基因, 使用CIBERSORT包进行22种免疫细胞浸润分析, 使用Timer 2.0工具进行9种免疫浸润细胞分析。结果共识别42个在1、2、8周共同表达的FRDEGs。GO和KEGG分析结果发现FRDEGs主要在免疫和炎性反应方面富集。STRING分析结果显示, 共有42个节点, 71条边, cytoHubba分析确认了5个中枢调控基因, Toll样受体4(Tlr4)、白细胞介素-1β(IL1b)、转化生长因子1(Tgfb1)、血红素加氧酶1(Hmox1)、Cd44。CIBERS...     

非梗阻性无精子症与正常人睾丸间质细胞差异表达基因及核心基因的生物信息学分析

目的 通过生物信息学方法分析非梗阻性无精子症(NOA)和正常男性睾丸间质细胞中的差异表达基因及其核心基因。方法 采用生物信息学方法整合GEO(http://www.ncbi.nlm.nih.gov/geo)中的GSE149512数据集，选取无生精障碍的人群为正常组，NOA患者为NOA组。运用R软件(版本4.02)中的Seurat包(版本4.0)整合分析GSE149512的数集，并采用非线性降维UMAP的方法进行细胞聚类分析；通过Find All Markers函数，获取细胞聚类的Marker基因，并查询Human Cell Landscape(HCL)数据库进行细胞注释，并绘制差异表达基因的可视化热图；运用Cytoscape软件(3.6.1版)的ClueGO和CluePedia插件对差异基因的进行GO功能富集和KEGG通路分析；通过String数据库(http://string-db.org),构建差异基因的PPI网络；运用CytoHubba插件中的5种运算方法(Degree、DMNC、EPC、MCC、MNC)识别PPI网络中的核心基因并绘制韦恩图。结果 整合GSE149512数据集，...     

骨关节炎软骨细胞衰老潜在生物标志物的筛选

[目的]采用生物信息分析学方法,筛选骨关节炎（osteoarthritis, OA）软骨细胞衰老潜在生物标志物,为揭示OA的发生机制及探索新的治疗方法提供理论依据。[方法]从基因表达综合数据库（gene expression omnibus, GEO）获取OA软骨组织数据集,使用RStudio软件筛选出差异表达基因（differentially expressed genes, DEGs）,并进行富集分析,再将DEGs与SenMayo衰老基因集取交集获得Hub基因,并进行验证,最后用miRNet在线平台及Cytoscape软件构建竞争性内源性RNA(competing endogenous RNA, ceRNA)网络。[结果]数据集GSE169077和GSE114007经差异分析并取交集后共得到DEGs 272个;对DEGs行基因本体论（Gene Ontology, GO）分析,发现其主要富集在细胞外基质组织、细胞外结构组织等条目中;行京都基因与基因组百科全书（kyoto encyclopedia of genes and genomes, KEGG）分析,发现其主要富集在PI3K-A...     

基于机器学习算法筛选膀胱肿瘤预后相关基因并分析其与免疫浸润细胞的关系

目的 筛选膀胱肿瘤预后相关的基因，并分析其与免疫浸润细胞的关系。方法 从高通量基因表达数据库(GEO)获得的芯片数据(GSE13507、GSE40355)作为训练组，用于筛选出差异表达基因(DEGs)。利用套索算法(LASSO)与支持向量机的递归特征消除算法(SVM-RFE)从DEGs中筛选出膀胱肿瘤的关键基因。以癌症基因图谱计划数据库(TCGA)下载的膀胱肿瘤RNA-seq FPKM数据为验证组，验证关键基因的敏感性与特异性。下载TCGA临床数据用于对关键基因的生存分析，并用GEPIA数据库进行验证。利用CIBERSORT网站对验证组数据进行免疫浸润细胞分析，并探索预后相关的基因与免疫浸润细胞的关系。结果 训练组中得到了176个差异基因，其中上调基因21个、下调基因155个。LASSO回归和SVM-RFE算法分别获得13、34个特征基因，取交集后共得到5个膀胱肿瘤关键基因(CYTL1、SRPX、ADH1B、PMP2、IQGAP3)。关键基因在验证组中均表现出了较高的敏感性与特异性。生存分析发现不同表达量的PMP2(P=0.002)、CYTL1(P=0.032)患者生存率有显著差异。在...     

骨质疏松症与溃疡性结肠炎共病联系的生物信息学分析

目的借助生物信息学理论方法探索骨质疏松症与溃疡性结肠炎之间的共病联系。方法从GEO数据库检索获取骨质疏松症与溃疡性结肠炎基因芯片数据,筛选出差异miRNA,通过取交集的方式获取联系两疾病的共病miRNA;使用miRWalk2.0数据库预测共病miRNA的靶标基因,STRING V11进行靶标基因的蛋白互作分析,Cytoscape构建靶标基因蛋白互作网络;使用KOBAS3.0进行miRNA靶标基因的基因本体论与信号通路富集分析。结果从GEO数据库检索获得骨质疏松症miRNA芯片GSE93883与溃疡性结肠炎miRNA芯片GSE63806,取交集后获得1个共病联系miRNA,在miRWalk2.0预测获得26个靶标基因;靶标基因间构成复杂蛋白互作网络,并从中发现3个子网络;靶标基因主要富集于调控细胞增殖分化活动、嘌呤代谢、咖啡因代谢等生物学过程及相关信号通路。结论骨质疏松症与溃疡性结肠炎存在共同miRNA,共病miRNA可能通过调控靶标基因及其参与的下游信号通路与生物学过程联系骨质疏松症与溃疡性结肠炎,共病miRNA的发现可能有助于理解上述疾病之间的内在联系,成为新的疾病治疗靶点。     

基于GEO数据库筛选影响同种异体肾移植术后肾功能的关键基因及生物学因素

目的本研究旨在通过生物信息学算法探讨影响同种异体肾移植术后肾功能的关键基因及生物学因素。方法通过GEO网站筛选GSE181757、GSE30718和GSE147089数据集进行数据挖掘。使用R语言的limma包进行数据预处理及差异基因分析。使用R语言的Clusterprofiler包进行GO、KEGG富集分析。蛋白互作网络是基于STRING数据库构建, 并使用Cytoscape进行可视化。使用Cytoscape中的插件CytoHubba计算蛋白互作网络中排名前5的核心基因。采用CIBERSORT和Xcell反卷积算法被用来进行基于转录谱的免疫微环境量化。结果基于GSE181757芯片数据, 247个基因被鉴定和肾移植患者的远期肾功能相关。差异基因参与的生物学过程主要有类固醇激素生物合成、化学致癌、细胞色素P450-外源性物质代谢、细胞色素P450-药物代谢、视黄醇代谢和全身动脉血压的调节。基于STRING数据库的蛋白互作网络结果显示, MMP7、LCN2、LGALS3、ALB、CYP3A5被认为在调控肾移植患者的远期肾功能中起到核心作用。此外, GSE30718和GSE147089的结...     

基于生物信息学的糖尿病肾脏疾病上皮间充质转化的差异基因表达及中药预测研究

目的 本研究基于生物信息学分析糖尿病肾脏疾病（diabetic kidney disease,DKD）患者与健康人群之间的基因芯片数据,筛选DKD上皮间充质转化的差异表达基因,从而探讨其相关发病机制,进而预测治疗DKD的潜在中药。方法 从基因表达数据库下载GSE23338芯片数据,采用R语言筛选相关差异表达基因,并对差异基因进行基因本体论、京都基因与基因组百科全书数据库分析,通过STRING网站构建蛋白互作网络,运用Cytoscape软件及其插件分析得到差异基因的核心基因,将核心基因与医学本体信息检索平台相互映射,筛选治疗DKD的相关中药。结果 筛选出差异基因187个,其中上调基因94个,下调基因93个。其通路富集结果主要包括肿瘤坏死因子信号通路、TGF-β信号通路、糖尿病并发症中的AGE-RAGE信号通路等。筛选得到关键核心基因主要包括FN1、TGFB1、COL1A1、SERPINE1、SNAI2、THBS1、MMP1、CDH2、JAG1、VCAM1。筛选获得相关治疗中药主要包括黄芪、车前草、积雪草、黄连、黄芩、三七等。结论 本研究对差异表达基因和关键核心基因的分析促进了对DKD发病...     

基于生物信息学分析筛选参与肾脏纤维化的关键基因和通路

目的:寻找肾脏纤维化发生的关键基因和潜在机制,为肾脏纤维化早期诊断和治疗提供评估手段和新思路。方法:在基因表达综合数据库(GEO数据库)中进行搜索找出信息芯片GSE102515,筛选出差异基因,找出下调基因和上调基因。通过DAVID数据库对肾脏纤维化发展过程中的差异基因进行富集分析,利用STRING数据库和Cytosc...     

基因表达差异在糖尿病肾脏疾病发生和发展中的作用

目的糖尿病肾脏疾病(dabetic kidney disease, DKD)的发病机制较为复杂,是一种涉及多基因、多步骤的异常代谢过程。因此需要寻找对DKD发生和发展起到关键作用的基因。方法用生物信息技术,选取DKD相关数据,用R软件对数据进行差异基因筛选,找出影响DKD的关键基因。结果在GSE30528中我们筛选的差异基因有133个,GSE1009数据中有704个差异基因,GSE30529中有134个差异基因。并且,这些基因多与肾脏发育、胶原三聚体聚集、补体和凝血级联反应以及AGE-RAGE信号通路相关。结论 (1)参与肾小球滤过细胞分化的基因VEGFA、MAGI2、NPHS1影响DKD肾小球结构改变;(2)参与肾小管及小管间质炎症细胞活化和胶原形成的基因S100A9、FCER1G、C3AR1、CXCL1、ITGB2、COL1A2、LUM影响DKD肾小管间质纤维化;(3)AGE-RAGE信号通路的COL4A3及其家族基因以及补体和凝血级联反应的F2R、F5、F3、C3等基因参与DKD的发展。     

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。     

高低峰值骨量人群生物标志物差异及其在骨质疏松中的诊疗价值

目的 通过生物信息学分析高低峰值骨量人群生物标志物的差异,并验证其在骨质疏松症中的诊疗价值。方法 从GEO数据库获取高低峰值骨量人群基因表达数据集（GSE7158）,利用R语言进行基因差异表达分析,然后进行差异基因GO功能注释和KEGG通路富集分析。利用STRING数据库获取差异基因蛋白互作网络,利用Cytoscape中的CytoHubba插件及R语言筛选得到关键基因及关键基因互作网络。最后,验证关键基因在骨质疏松症中的表达及诊疗价值。结果 共筛选得到高低峰值骨量人群差异表达基因182个,包括73个下调和109个上调基因。KEGG通路分析中破骨细胞分化通路、PI3K-AKT信号通路、糖尿病并发症中的AGE-RAGE信号通路和铁死亡信号通路值得关注。PPI网络分析得到11个关键基因：MCM7、BUB3、RBBP7、GNG2、FSHR、PCNA、CCR5、CDK16、SRSF7、NPM1和CPSF6;进一步验证分析发现CCR5、CDK16、RBBP7和SRSF7和骨质疏松症密切相关。结论 研究发现CCR5、CDK16、RBBP7和SRSF7可能与骨质疏松症的发病密切相关,可能成为早期筛选骨质疏松症高风险人群的生物标志物,对骨质疏松症的防治发挥重要作用,为后续进一步实验研究及临床治疗提供了有效依据。