生信筛选肝癌患者TACE治疗效果相关基因

目的 筛选与肝癌经肝动脉化疗栓塞治疗效果相关的基因及信号通路,预测肝癌经肝动脉化疗栓塞(transcatheter arterial chemoembolization, TACE)疗效的预后基因。方法 选取GEO数据库中的基因表达数据集“GSE104580”,使用R软件筛选差异基因;Metascape在线工具对差异基因进行GO和KEGG富集分析;使用STRING在线数据库构建差异基因的PPI网络,用Cytoscape软件进行可视化处理并筛选关键基因;使用Kaplan-Meier Plotter在线平台和GEPIA在线工具评估关键基因表达和生存分析,应用HCCDB数据库分析关键基因在肝癌患者中的预后价值。结果 筛选出261个差异基因,其中有118个上调基因,143个下调基因;这些基因主要参与了氧化还原酶活性、单羧酸代谢过程、小分子分解代谢过程等GO基因功能,主要调控化学致癌作用、胆汁分泌、甾类激素生物合成等;构建出PPI网络模型筛选出10个关键基因,这10个关键基因在肝癌中均存在差异表达并且与患者总体生存密切相关,CDC20、UBE2C、CYP3A4可作为肝细胞癌预后基因。结论 TACE有反应组和无反应组存在差异基因,这些基因富集分析的结果有助研究治疗效果产生差异的原因和分子机制,关键基因对判断肝癌TACE预后具有重要意义。     

基于生物信息学筛选女性肺腺癌核心基因及其特征分析

目的：利用生物信息学方法对女性肺腺癌肿瘤组织及正常组织的差异表达基因进行筛选及分析,筛选出女性肺腺癌发生发展的关键基因,并为后续研究提供候选基因。方法：从GEO数据库中下载肺腺癌基因芯片数据集GSE19804、GSE40791、GSE31210、GSE7670、GSE10072、GSE32863、GSE75037,利用在线工具GEO2R筛选出数据集中正常女性肺组织和女性肺腺癌组织的差异表达基因（DEGs）,然后利用DAVID数据库对DEGs进行GO和KEGG富集分析,接着利用STRING和Cytoscape软件构建蛋白互相网络（PPI）并筛选出Hub基因,并利用oncomine、UALCAN数据库进行验证,最后使用Kaplan-Meier plotter数据库对筛选出的Hub基因进行生存分析。结果：在7个数据集中共筛选出276个DEGs,其中69个上调,207个下调。共筛选出CDC20、CENPF、KIAA0101、TOP2A、ASPM、TYMS、MCM4、NUSAP1、MELK、UBE2C等10个Hub基因,Kaplan-Meier生存分析显示除ASPM外,其余9个均与女性肺腺癌的总...     

基于生物信息学分析食管鳞癌差异基因和预后价值

目的 鉴定食管鳞癌发生发展过程中的核心基因,寻找新的分子靶标.方法 GEO数据库筛选出食管鳞癌数据集GSE20347,GSE20344,GEO2R分析差异基因.利用STRING和Cytoscape建立并修饰蛋白与蛋白相互作用网络,GO功能和KEGG通路富集分析.Cytohubba计算核心基因,TCGA数据验证核心基因的...     

通过生物信息分析筛选肾上腺皮质癌的关键生物标志物和治疗靶点

目的基于生物信息学分析的方法寻找肾上腺皮质癌(ACC)的分子标志物及其相关治疗靶点。方法通过基因表达综合数据库寻找并下载关于ACC的基因表达芯片GSE19776和GSE143383,采用在线分析工具(GEO2R)对两组芯片数据进行分析,筛选出肿瘤与正常组织的差异基因,并对差异基因进行Gene Ontology基因富集分析及KEGG信号通路富集分析。再对差异基因String网站进行PPI网络构建,然后通过Cytoscape软件进行可视化分析,筛选出相关的核心基因。结果筛选出的上调差异核心基因分别为RACGAP1、CCNB1、TYMS、MAD2L1、NCAPG、CDK1,下调差异基因的核心基因为IGF1、CXCL12、TLR4、TGFBR2、HGF,它们与患者的病理分期及总体生存率存在相关性。结论筛选出的核心基因为将来ACC的诊断以及相关靶向治疗提供了相关依据。     

女性糖尿病周围神经病变相关基因筛选及生物信息学分析

目的:通过对GEO数据库中糖尿病周围神经病变(DPN)相关基因芯片进行生物信息学分析,获取DPN关键基因及信号通路。方法:在GEO数据库中下载DPN相关基因芯片,利用R语言分析DPN女性患者与正常对照组的差异基因(DEGs)并进行可视化,根据基因本体论(GO)和京都基因与基因组百科全书(KEGG)对差异基因进行注释,预测其功能与相关通路,利用STRING数据库构建蛋白质相互作用网络筛选核心基因。结果:分析芯片GSE95849获取差异基因4 746个,其中上调基因2 218个,下调基因2 528个。其中TFAP2C、ESR1、CX3CR1、FGL2处于蛋白质相互作用核心位点。结论:差异基因主要参与MAPK通路,通过血糖稳态、炎症作用、神经元发育等参与DPN发病过程,为DPN的诊断及治疗提供新的思路。     

CDK1基因在肝癌预后和免疫细胞浸润的生物信息学分析

目的 通过生物信息学方法研究细胞周期素依赖性激酶1(Cyclin-dependent kinase 1,CDK1)在肝癌(Hepatocellular carcinoma, HCC)组织中的表达差异,探索其在肝癌预后和免疫细胞浸润间的作用。方法 从GEO数据库下载肝癌数据集,使用R软件分析差异基因,并取交集基因;通过GO和KEGG分析富集通路;使用STRING和cytoscape构建差异基因互作网络,结果可视化获取核心基因CDK1;UALCAN和GEPIA数据库分析肝癌中CDK1的表达水平,及其与临床特征的关系;HPA数据库分析CDK1蛋白在肝癌组织和正常组织的表达差异;通过Kaplan-Meier Plotter分析CDK1表达水平与HCC预后的关系;TIMER数据库分析CDK1与HCC肿瘤免疫细胞浸润、免疫细胞表面标记物的相关性。结果 3个肝癌数据集筛选出共有的347个差异基因;KEGG通路显示差异基因主要参与细胞周期通路;与正常组织相比,CDK1基因在HCC组织中表达水平升高;CDK1高表达与肿瘤分期、年龄均有相关性;生存分析结果表明CDK1基因高表达患者生存时间明显低于低表达患...     

基于生物信息学方法识别肺腺癌预后相关基因

目的利用生物信息学方法筛查肺腺癌的差异基因,分析其在肺腺癌的发生发展过程中可能参与的信号传导通路,寻找肺腺癌的关键基因并评估其对肺腺癌预后的意义。方法从GEO数据库中获取肺腺癌基因表达芯片数据集GSE10072、GSE32863、GSE43458和GSE116959,将四组数据集整合后获得肺腺癌的差异表达基因,采用STRING数据库对差异表达基因构建肺腺癌蛋白-蛋白互相作用网络,通过在线网站DAVID对差异基因进行GO富集分析和KEGG通路分析,用Cytohubba筛选关键基因,并利用GEPIA分析关键基因与预后的相关性。结果初步筛查得到214个差异基因,包括42个上调基因和172个下调基因,最后筛选得到6个关键基因。生存分析显示PECAM1、SPP1和KIAA0101的表达对肺腺癌的预后有显著影响(P<0.05),Diseasemeth分析显示SPP1、KIAA0101、COL3A1、GNG11和FOS基因在肺腺癌组织中的甲基化水平异常(P<0.05)。结论这6个基因可能参与了肺腺癌的发生发展,对肺腺癌的诊断、靶点治疗和预后提供一定参考。     

基于生物信息学分析胃肠上皮化生关键基因及靶向中药

目的：基于生物信息学方法分析胃肠上皮化生(intestinal metaplasia, IM)的关键基因、机制通路,并预测潜在靶向中药。方法：从GEO数据库获取GSE78523、GSE60427数据集,利用GEO2及R软件筛选IM差异表达基因并对其进行富集分析,通过STRING数据库和Cytoscape软件构建蛋白互作网络(protein-protein interaction, PPI),筛选关键基因,利用Kaplan-Meier Plotter数据库、GEPIA数据库及HPA数据库对关键基因进行生存分析及表达验证,在Coremine Medical数据库预测筛选潜在中药。结果：筛选出285个差异表达基因。基因本体功能富集分析显示,差异基因主要参与消化吸收、肠道脂质的调节与吸收等生物过程。京都基因和基因组百科全书通路富集分析主要涉及营养物质的消化和吸收、糖酵解/糖异生、胆汁分泌、胆固醇代谢等。获取的7个关键基因是APOB、FABP1、APOA1、APOA4、NR1H4、PCK1、ALDOB。筛选得到的潜在中药可分为健脾益气和胃、祛瘀通络、解毒祛邪三大类,符合胃IM健脾通络解毒的治则。...     

乳腺癌关键基因SDC1的临床预后意义及其与M1型巨噬细胞相关性分析

目的 通过生物信息学方法分析乳腺癌(Breast cancer, BC)关键基因SDC1,并分析其与M1型巨噬细胞的相关性。方法 从GEO数据库下载3组BC芯片GSE42568、GSE71053和GSE8977数据,筛选其差异表达基因(Differential Expression Genes, DGEs),并进行基因本体(Gene Ontology, GO)功能注释和京都基因与基因组百科全书(Kyoto Encyclopedia of Gene and Genome, KEGG)通路富集分析。利用STRING数据库和Cytoscape软件筛选DEGS中HUB基因。从癌症基因组图谱(The Cancer Genome Atlas, TCGA)下载BC的RNAseq数据和相关临床信息,利用R语言对HUB基因进行单因素和多因素COX回归分析、列线图绘制以及关键基因的免疫检查点分析和风险预后分析;通过UALCAN与GEPIA数据库验证HUB基因的表达和预后;利用TIMER及GEPIA2021数据库进行关键基因与巨噬细胞相关性分析。结果 共得到197个DEGs,其GO功能的生物学过程(BP)与...     

基于生物信息学方法分析影响胆管癌发生发展的差异基因

目的：通过生物信息学的方法挖掘基因综合表达数据库（GEO）中影响胆管癌（cholangiocarcinoma,CCA）发生发展的核心基因,并分析其生物学功能,为CCA的诊断、治疗和评估预后提供理论依据。方法：分析来自GEO数据库中的3个微阵列数据集（GSE32879、GSE45001和GSE76297）。使用GEO2R进行在线差异基因的分析,DAVID进行差异基因的GO和KEGG通路分析。使用STRING和Cytoscape进行蛋白互作网络分析（PPI）和枢纽基因（HUB）的筛选。结果：共筛选出151个上调基因,通过PPI筛选出连接度最高的10个基因,分析发现APOA1、AGXT、F13B、FETUB、FERPINC1、SLC2A2这些枢纽基因过度表达与胆管癌的不良预后相关。结论：通过生物信息学探索的枢纽基因可能在胆管癌的发生发展中起着重要作用,并为进一步研究胆管癌的分子机制提供了一定的理论依据。     

Identification of Prognostic Related Hub Genes in Clear-Cell Renal Cell Carcinoma via Bioinformatical Analysis

Objective To identify new genes that correlate with prognosis of clear-cell renal cell carcinoma (ccRCC) via bioinformatics analysis. Methods The gene expression profiles of 62 ccRCC and 54 normal kidney tissues were available from the Gene Expression Omnibus database: GSE12606, GSE36895 and GSE66272. The differentially expressed genes were screened with GEO2R and J Venn online tools. Functional annotation including Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) was applied to identify the possible function of the hub genes involved in prognosis of ccRCC. In protein protein interaction network (PPI network), the STRING online tool was used to visualize the network of the differentially expressed genes, and the core gene was selected by MCODE App in Cytoscape software. Finally, GEPIA Survival Plot was performed to assess genes associated with worse survival. Results We totally found 648 differentially expressed genes, including 222 up-regulated genes and 426 down-regulated genes. PPI network showed that in 28 up-regulated genes 7 (CCNE2, CDK1, CDC6, CCNB2, BUB1, TTK and PTTG1) enriched in cell cycle and 4 genes (CCNE2, CDK1, CCNB2 and RRM2) enriched in p53 signaling pathway. GEPIA Survival Plot assay revealed that ccRCC patients carrying CDK1, CCNB2, RRM2, BUB1, and PTTG1 had a worse survival. GEPIA Box Plot showed that BUB1, CCNB2, PTTG1, and RRM2 were over expressed in the ccRCC tissues in contrast to the normal tissues (P<0.05). Conclusion ccRCC patients with the four up-regulated differentially expressed genes including BUB1, CCNB2, PTTG1, and RRM2 might manifest a poor prognosis.     

基于芯片数据的雌激素受体阳性乳腺癌他莫昔芬耐药相关基因分析

目的:从分子水平揭示激素受体阳性乳腺癌他莫昔芬耐药的机制,并寻找潜在的治疗他莫昔芬耐药的靶点。方法:从公共基因芯片表达数据库（GEO）中下载雌激素受体阳性乳腺癌的相关基因芯片数据GSE67916,利用GEO2R在线分析工具筛选他莫昔芬耐药性与敏感性乳腺癌的差异表达基因;并利用DAVID软件对所筛选差异表达基因进行相关功能及通路富集分析;通过STRING、Cytoscape等工具对其进行蛋白间相互作用网络的构建和分析。结果:筛选出438个差异表达基因,其中300个上调表达基因,138个下调表达基因。GO功能分析发现这些差异基因主要参与蛋白结合、细胞对雌激素的反应、免疫应答、细胞质及细胞外基质等分子功能及生物学过程;KEGG通路富集分析显示主要富集在MAPK信号通路和HIF-1信号通路等。STRING、Cytoscape分析显示MAPK1、ESR1、SMARCA4、RANBP2和PRKCA为潜在的关键节点基因,对其进行文献挖掘及分析显示与激素受体阳性乳腺癌他莫昔芬耐药相关。结论:利用生物信息学方法对他莫昔芬耐药与他莫昔芬敏感的雌激素受体阳性乳腺癌的差异表达基因分析,可有效发掘这些差异表达基因的相互作用,为雌激素受体阳性乳腺癌他莫昔芬耐药寻找新的治疗靶点提供新方向。     

基于GEO数据库生物信息学方法分析子宫内膜癌相关基因和候选通路

目的：通过生物信息学方法分析与子宫内膜癌（EC）发生发展相关的关键基因和候选通路,探讨EC的发病机制和治疗靶点。方法：自公共基因芯片数据库（GEO）下载EC芯片数据集GSE17025和GSE63678,使用GEO2R在线分析工具和R软件筛选EC癌组织与癌旁组织的差异表达基因（DEGs）,并对DEGs进行基因本体论（GO）富集分析和京都基因与基因组百科全书（KEGG）信号通路分析,采用String数据库进行蛋白质-蛋白质互作网络（PPI）分析,最后采用Cytoscape软件对PPI网络进行可视化并进行模块分析。结果：对芯片数据集GSE17025和GSE63678进行DEGs分析后共获取100个共同上调基因和106个共同下调基因。GO富集分析DEGs主要富集于有丝分裂染色体分离、核分裂和细胞器分裂等生物学过程;KEGG信号通路分析DEGs主要富集于细胞周期、miRNA、p53信号通路和2型糖尿病等信号通路。通过Cytoscape软件分析,PPI网络中细胞分裂周期基因20（CDC20）、极光激酶A（AURKA）、细胞周期蛋白B1（CCNB1）、泛素E3连接酶（DTL）、中心体相关蛋白55（CEP55）、细胞周期蛋白依赖性激酶1（CDK1）、驱动蛋白家族成员11（KIF11）、母体胚胎亮氨酸拉链激酶（MELK）、细胞周期蛋白B2（CCNB2）和苯并咪唑出芽抑制解除同源物蛋白1（BUB1）被筛选为关键基因。结论：细胞周期相关基因与通路调控网络的失调可能是EC发病的主要机制。     

miR-129-5p调控的COL1A1作为胃癌潜在治疗靶点的生物信息学分析

目的应用生物信息学技术探索胃癌发病机制,为胃癌的防治提供生物信息学依据。方法用GEO2R在线工具分析 GSE79973中胃癌组织和正常胃黏膜组织的差异表达基因（Differentially expressed genes, DEGs）,通过DAVID数据库对DEGs 进行GO分析和KEGG通路富集分析,然后通过STRING数据库构建蛋白质相互作用网络,用Cytoscape 软件进行关键基因 （Hub 基因）筛选和功能模块分析,并在GEPIA 数据库对Hub 基因进行验证,用Target Scan 数据库预测调控靶基因的 microRNAs,并用OncomiR分析microRNAs在胃癌组织中的表达及其与生存预后的关系。结果共筛选出181个在胃癌中差异 表达的基因。蛋白质互作网络筛选出10个Hub基因。DEGs功能分析主要涉及蛋白质消化吸收、PI3K-Akt信号通路、ECM-受 体相互作用、血小板激活信号通路。GEPIA数据库验证显示COL1A1 在胃癌组织中高表达,并和胃癌患者的不良预后有关。 miR-129-5p与COL1A1 mRNA的3’UTR结合。与正常组织相比,miR-129-5p在胃癌组织中表达明显下调,且与胃癌患者预后 具有一定相关性。结论miR-129-5p调控的COL1A1是胃癌潜在的治疗靶点。     

乳腺癌他莫昔芬耐药相关基因及通路的筛选

目的:利用美国国家生物技术信息中心基因表达数据库中雌激素受体阳性乳腺癌表达谱芯片进行生物信息学分析,筛选他莫昔芬耐药的关键基因和信号通路。方法:利用基因芯片GSE26459,R软件分析得到差异基因,DAVID 进行Gene Ontology和KEGG富集分析,STRING绘制蛋白作用网络。GSEA富集分析得到耐药相关通路及基因。结合蛋白作用网络筛选目标基因并验证。结果:筛选出差异基因1 516个,上调基因505个,下调基因624个。通路富集分析发现脂肪酸代谢通路、细胞粘附、胰岛素抵抗等信号通路在乳腺癌的他莫昔芬耐药中起重要作用,并在富集通路中筛选出ACSL1等候选目标基因并验证。结论:利用生物信息学有效分析他莫昔芬耐药的基因芯片数据,为他莫昔芬耐药的治疗靶点提供重要依据。     

基于生物信息学的结肠癌核心基因筛选及验证

目的:利用生物信息学方法筛选结肠癌核心基因,并通过体外实验进行验证,挖掘潜在的结肠癌分子标志物.方法:从GEO数据库下载GSE23878、GSE37182和GSE74602数据集,应用R语言筛选结肠癌和癌旁组织的差异表达基因(differentially expressed genes,DEGs),并对DEGs进行GO...     

基于囊性纤维化疾病分子特征及其作用机制的生物信息学分析

目的：筛选囊性纤维化（CF）特异性相关基因,预测其靶基因,并探讨其作用机制。方方法法：从基因表达汇编（GEO）数据库获取CF样本和正常对照样本的高通量芯片数据集GSE71799、GSE24206、GSE98925和GSE69764,并分为CF组和对照组。采用R软件limma包筛选CF组和对照组差异表达基因（DEGs）,使用基因本体（GO）功能注释和京都基因与基因组百科全书（KEGG）对DEGs进行功能和通路富集分析,使用基因集富集分析（GSEA）获取DEGs显著富集的基因集,采用STRING数据库建立蛋白-蛋白互作（PPI）网络,采用Cytoscape软件可视化并筛选hub基因。结果：GEO数据库获取并筛选共429个DEGs （|log2 (FC)|>1, P<0.05）, CF组中显著高表达DEGs 105个,对照组中显著高表达DEGs 324个。GO富集分析,DEGs主要富集于中性粒细胞介导的免疫、趋化因子活动和细胞黏附分子结合等方面;KEGG通路分析,DEGs主要富集于白细胞介素17 (IL-17)信号通路（P<0.05）。GSEA分析,DEGs主要富集于信号通...     

急性心肌梗死患者循环内皮细胞相关基因的生物信息学分析

目的应用生物信息学法对急性心肌梗死(AMI)患者外周血循环内皮细胞的相关基因进行分析。方法从基因表达综合数据库(GEO)中下载基因芯片数据集GSE66360利用GE02R、DAVID及STRING等分析平台筛选差异表达基因,并进行基因本体(GO)分析、信号通路(KEGG)分析及蛋白-蛋白相互作用网络(PPI)分析,应用Cytoscape软件进行模块分析并筛选核心基因。结果共筛选出2个下调基因和80个上调基因差异表达基因主要富集于免疫应答、炎症反应、碳水化合物类结合、细胞外基质、细胞因子-细胞因子受体相互作用等生物学过程;识别出的9个核心基因中,IL1B、SLC11A1及LILRB2为显著上调的差异基因,CCR2为下调基因。结论AMI时循环内皮细胞出现表达变化的基因功能主要富集在免疫应答、炎症反应、碳水化合物类结合、细胞外基质、细胞因子-细胞因子受体相互作用等生物学过程,其中显著变化的核心基因IL1B、SLC11A1、LILRB2及CCR2可能发挥着重要作用,可能是AMI的预防和治疗的靶点。     

急性T淋巴细胞性白血病关键基因的筛选与验证

目的筛选并验证急性T淋巴细胞性白血病关键基因,并对其进行生物信息学分析。方法从公共数据库基因表达数据库 （GEO）中下载T-ALL基因表达谱芯片GSE14317,应用R软件limma包筛选差异表达基因。利用DAVID数据库对差异基因进 行GO功能富集分析和KEGG通路富集分析,同时利用STRING数据库及Cytoscape软件构建差异蛋白互作网络,应用JASPAR 数据库构建转录因子靶基因网络,利用RT-PCR验证关键基因mRNA表达水平。结果GSE14317表达谱芯片中共有1443个差 异基因,包括800个上调基因和643个下调基因,这些差异基因主要富集在细胞周期,造血细胞系,细胞因子间相互作用以及T 细胞受体信号通路等。蛋白质相互作用网络图中显示节点最多的10 个枢纽基因分别是CDK1,PIK3R1,CCNB1,CCNA2, CDC20,JUN,GNG11,PLK1,PCNA和CCNB1,这些基因在子网络中分别富集于趋化因子信号通路,泛素介导的蛋白降解以及 细胞周期等。转录因子调节网络显示42个差异表达的转录因子,其中ELF5,HIC2和MEIS1与候选的9个关键基因启动子上游 均有结合位点。RT-PCR结果显示除GNG11外其余9个关键基因表达情况与芯片结果一致,ELF5,HIC2和MEIS1表达均升高 与芯片结果一致。结论CDK1,PIK3R1,CCNB1,CCNA2,CDC20,JUN,PLK1,PCNA,CCNB1,ELF5,HIC2 和MEIS1 在TALL 发生中发挥重要作用,为T-ALL的治疗和诊断提供生物学靶标。