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。     

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艾滋病患者血中相关差异基因

目的 基于生物信息学方法筛选艾滋病(AIDS)相关的关键基因,为后续生物学功能研究提供分子靶标。方法 通过GEO数据库下载基因芯片GSE140713,筛选AIDS患者血样与健康对照血样的差异表达基因(DEGs),对DEGs进行GO功能富集分析和KEGG通路富集分析,并且通过String数据库构建蛋白质-蛋白质相互作用网络(PPI),确定其中与AIDS发生发展密切相关的关键基因。结果 GEO数据分析结果显示,AIDS共有1770个DEGs (1128个上调基因,642个下调基因)。GO富集分析结果显示,DEGs主要参与DNA结合转录激活活性、信号受体激活物活性等分子功能。KEGG通路富集分析结果显示,DEGs主要富集于NOD样受体信号通路。经过构建PPI网络分析其重要的功能模块及其关键基因,结果鉴定出5个关键基因可能与AIDS的发生发展相关。结论 本研究筛选出人AIDS血液中5个关键基因(CDK1、BUB1、CCNA2、CCNB1、KIF11),它们可能成为AIDS病毒潜伏期治疗的潜在靶点。     

细胞周期蛋白B2基因在胰腺癌 中表达的生物信息学分析

据库、cBbioPortal 数据库和 Timer 数据，探究胰腺癌组织和正常胰腺组织 CCNB2 基因表达差异，进一步分析胰腺癌 组织中 CCNB2 基因甲基化、突变情况，并探讨影响胰腺癌预后的因素。通过 STRING 数据库、GeneMANIA 数据库分析与 CCNB2 基因相互作用的蛋白，同时进行功能富集分析，预测 CCNB2 基因在胰腺癌中调控的可能途径。 结果 与正常胰腺组织比较，胰 腺癌组织中CCNB2基因具有高表达水平和高甲基化水平。胰腺癌中CCNB2基因表达与免疫细胞浸润呈正相关，CCNB2基因高 表达的患者预后差。蛋白网络分析显示，CDK1、CDK2、CKS2等蛋白与CCNB2蛋白相互作用。基因本体论（GO）富集分析显示， CCNB2 表达样本富集到有丝分裂细胞周期过程、细胞蛋白质代谢过程的调节等相关功能基因集；京都基因与基因组百科全书 （KEGG）富集分析显示，CCNB2 基因可能通过 p53 信号通路、FoxO 信号通路等方式在胰腺癌中发挥作用。 结论 胰腺癌中 CCNB2 基因高表达，与肿瘤预后呈负相关。胰腺癌发病和预后可能与 CCNB2 基因甲基化及免疫细胞浸润有关用。CCNB2 基因 可能通过能调节CDC20、CDK1等相互作用蛋白、影响细胞周期及激活p53、FoxO信号通路等途径促进胰腺癌的发生、发展。     

宫颈癌关键基因及其机制的生物信息学分析

目的 通过生物信息方法挖掘宫颈癌的关键基因,分析其潜在作用机制。方法 从GEO数据库遴选5个基因芯片数据集(GSE63514、GSE64217、GSE6791、GSE89657和GSE9750),筛选宫颈癌差异表达基因。构建差异表达基因的PPI网络,利用Cytoscape筛选核心基因。对核心基因进行表达验证、启动子甲基化分析、基因拷贝数分析、免疫分析等。结果 通过数据集筛选出90个差异表达基因,利用PPI网络遴选出5个核心基因,分别为CDK1、CCNA2、CCNB1、CDC20和TOP2A。5个核心基因在宫颈癌中均为高表达,其mRNA表达水平与核心基因拷贝数值呈正相关(P<0.05);核心基因与宫颈癌的免疫细胞浸润有关,主要涉及CD8⁺T细胞、CD4⁺T细胞、巨噬细胞、中性粒细胞和树突状细胞(P<0.05);与宫颈癌免疫分型有潜在关系,主要涉及C1型(创面愈合)、C2型(IFN-γ显性)和C4型(淋巴细胞消耗)。结论 CDK1、CCNA2、CCNB1、CDC20和TOP2A可作为宫颈癌新的生物学标志物。基因拷贝数改变可能影响核心基...     

运用生物信息学方法探究肾上腺皮质癌的关键基因

目的:运用生物信息学方法筛选肾上腺皮质癌(adrenal cortical carcinoma,ACC)的差异表达基因,为ACC诊疗提供新的生物标志物。方法:从GEO数据库中选择基因数据集GSE14922、GSE19776、GSE12368,通过GEO2R工具在线分析,筛选出肾上腺皮质癌组织与正常肾上腺组织的差异表达基因。利用DAVID和STRING在线分析差异表达基因并构建蛋白-蛋白相互作用网络。运用Cytoscape软件筛选关键基因,使用GEPIA在线分析关键基因与ACC预后的关系。结果:共筛选出229个差异表达基因,其中上调基因51个,下调基因178个。分析显示其显著富集于细胞周期、P53信号通路,分子功能主要涉及细胞骨架蛋白组合、生长因子结合功能。MCC筛选出8个关键基因,分别是cyclinB1(CCNB1)、cyclinA2(CCNA2)、cyclin-dependent kinases (CDK1)、threonine-protein kinase BUB1 beta (BUB1B)、mitotic arrest deficient 2 like 1 (MAD2L1)、ri...     

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。     

基于生物信息学筛选并分析男性肝癌患者发病中的关键基因

目的 筛选男性肝癌患者中的差异基因并分析探讨其对不同性别患者预后的影响。方法 在GEO数据库中获取男性肝癌患者的基因表达数据,通过GEO2R在线工具获取差异基因(DGEs)并在DAVIAD数据库中进行GO和KEGG富集分析;STRING数据库中进行差异基因网络互作分析(PPI),结合Ctoscape插件Cytohubaba获取前10位的关键基因,并且在GEPIA、Kaplan-Meier plotter数据库中分析其对不同患者预后的影响。结果 从GSE19665与GSE84002中分别筛选出男性患者与健康对照者的差异基因并取交集,最终得到162个DGEs;使用DAVID网站对DGEs进行聚类分析,GO功能富集分析显示DGEs主要参与细胞分裂、胞外区、铁离子结合等过程;KEGG分析显示DGEs主要参与细胞周期、卵母细胞减数分裂、p53等信号通路;使用STRING网站对DGEs做PPI网络互作分析,并用Ctoscape软件的MCODE和CytoHubba两个APP从PPI网络中分解关键网络分析核心基因获取了10个关键基因(CDCA8,CCNB2,BUB1,KIF20A,DLGAP5,BIRC5,CDC20,CDK1,ASPM,TOP2A);使用GEPIA网站查询得知TCGA数据中的核心基因均高表达;使用Kaplan-Meier plotter网站分析,细胞周期蛋白B2(recombinant cyclin B2,CCNB2)和有丝分裂相关基因(abnormal spidle microtubule assembly,ASPM)两个基因高表达且与男性患者预后差相关。结论 与女性肝癌患者相比,CCNB2和ASPM的高表达与男性肝癌患者整体生存期显著相关,可作为男性肝癌患者早期诊断和个性化治疗的靶向分子标志物。     

表达谱芯片和DNA甲基化芯片联合分析筛选克罗恩病发生、发展的分子靶标

目的 通过生物信息学方法筛选与克罗恩病(CD)发病相关的异常甲基化修饰的差异表达基因。方法 从公共基因表达数据库(GEO)下载CD的表达谱芯片GSE102134和DNA甲基化芯片GSE105798。通过R语言软件对CD表达谱芯片进行差异表达分析,同时对CD的DNA甲基化芯片进行差异甲基化位点分析。筛选异常甲基化修饰的差异表达基因进行功能富集分析。STRING数据库和Cytoscape软件共同构建蛋白相互作用网络,筛选CD的核心基因。最后通过GEO数据库GSE75214和GSE186582验证差异基因表达。结果 采用表达谱芯片分析,共筛选出1315个差异表达基因,其中780个表达上调,535个表达下调。CD组与对照组比较,共发现11066个差异甲基化位点,其中8542个高甲基化位点,2524个低甲基化位点。对差异表达基因和差异甲基化基因进行联合分析,找到55个低甲基化修饰下表达上调的基因,和125个高甲基化修饰下表达上调的基因。GO分析表明异常甲基化修饰的差异表达基因与跨膜转运蛋白活性、细胞顶端组成和有机阴离子转运相关。KEGG信号通路主要为PI₃K/Akt信号通路、黏附斑和ECM-受体相互作用等。STRING和Cytoscape软件筛选信号通路中的关键基因,并在GSE75214和GSE186582芯片集验证差异基因的表达,结果提示COL4A2、COL4A1、PDGFRB和PYY可能在CD中起重要作用。结论COL4A2、COL4A1、PDGFRB和PYY可能是CD疾病诊断和治疗的潜在靶点。     

胃癌GEO芯片结合TCGA数据差异基因筛选、功能及通路研究

目的 筛选影响胃癌发生发展过程的相关基因及其通路,以探讨其发病机制。方法 从基因表达数据库（GEO）中筛选数据集,利用GEO2R分析胃癌组织和正常组织中显著差异表达基因。使用Bio venn获得两数据集共有差异基因,将胃癌两GEO芯片共有差异表达基因数据与癌症基因组图谱（TCGA）数据库中筛选出的差异表达基因进行交集,并对其进行功能注释、KEGG富集、筛选核心互作基因,Kaplan-Meier plotter分析核心互作基因总体生存率。结果 从GSE55696和GSE79973芯片中筛选出27个共有差异基因,与TCGA-STAD中有交集的差异表达基因有17个。涉及亨利恒等循环、葡萄糖的跨膜转运、胰岛素分泌的负调节和胆固醇生物合成等生物过程。主要存在于细胞外空隙、分泌颗粒内腔中,富集在金属羧肽酶活性功能方面。涉及PPAR信号通路、炎症介质对TRP通道的调节等39个通路,3个基因富集PPAR信号通路,7个基因互作关系较强,4个高表达基因生存曲线明显预后较差。结论 核心基因SLC2A2、HMGCS2、APOA1、KNG1和PPAR信号通路可能是胃癌发生发展过程中的关键因素。     

基于生物信息学筛选甲状腺癌关键基因和通路

目的探讨甲状腺癌(TC)发生发展的潜在生物学功能,筛选TC的关键基因和通路。方法从GEO数据库中下载3组基因芯片数据集,分析TC组织与正常组织差异表达基因(DEGs),利用多种在线分析软件对DEGs进行功能富集、通路分析、构建蛋白质互作网络、筛选关键基因,然后采用TCGA数据库对关键基因进行验证及生存分析。结果3组数据集分析得出410个共同DEGs,其中159个基因上调,251个基因下调。DEGs与癌症中的蛋白聚糖、P53信号通路、ECM-受体相互作用、细胞周期等信号通路有密切关系。筛选出14个关键基因,分别是CCNB2、FN1、MMP9、TIMP1、CXCL8、VCAN、EVA1A、LGALS1、KIF15、KIF20A、KIF4A、TOP2A、JUN和SDC2,其中MMP9、SDC2、KIF15和VCAN影响患者生存率,提示可以作为TC的潜在预后标志物。结论利用生物信息学方法筛选出14个关键基因和通路,可能有助于甲状腺癌的早期分子诊断与基因靶向治疗。     

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。     

CDK1、CCNB1和NDC80与乙型肝炎相关肝细胞癌的预后和进展相关:基于生物信息学方法

目的 探讨 HBV 转化为 HCC 相关的关键基因,并探索相关的分子机制。方法 分析基因表达综合（GEO）数据库中GSE55092、GSE84044和GSE121248的mRNA微阵列数据,其中包括119个HBV相关的HCC组织和252个HBV相关的非肿瘤组织。“sva”R包用于去除批间差。进行整合分析,获取HBV相关肝癌和HBV组织中的差异表达基因（DEGs）,通过基因本体论（GO）和京都基因与基因组百科全书（KEGG）分析对差异表达基因进行功能注释。使用相互作用基因搜索工具（STRING）构建蛋白质-蛋白质相互作用网络,挖掘最重要的模块和关键基因。cBioportal用于分析hub基因的相关性。利用Kaplan-Meier和Oncomine数据库对TCGA数据库中肝癌基因表达数据进行验证,探讨hub基因与肝癌发生、发展和预后的关系。通过逆转录定量PCR（RT-qPCR）实验验证17对临床肝细胞癌样本与邻近非肿瘤组织中hub基因的表达。结果 共获得121个DEGs（P< 0.01）,鉴定出3个遗传标记,细胞周期素依赖性激酶1（CDK1）、细胞周期蛋白B1（CCNB1）和核分裂周期蛋白80（NDC80）,与细胞周期、嘧啶代谢和DNA复制有关,这3个基因高度相关（P<0.05）。UALCAN数据库证实这些基因在肝癌组织中高表达并获得相关预后信息。Kaplan-Meier表明,它们与HCC患者的低存活率相关。CDK1、CCNB1和NDC80与肝癌分级相关（P< 0.05）,RT-qPCR实验证实CDK1、CCNB1和NDC80的mRNA在肝细胞癌中的表达明显高于癌旁组织。结论 CDK1、CCNB1 和NDC80基因可作为HBV相关肝细胞癌的预后标志物,在肝癌的基础研究和临床治疗方面有一定的应用价值。     

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.     

KIAA0101调控胃癌细胞周期的相关基因筛选

目的筛选KIAA0101 基因对细胞周期影响的相关基因。方法以RT-PCR方法分析胃癌组织相对于配对癌旁组织中 KIAA0101基因表达量,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,使用KEGG绘制通路 图,将与KIAA0101表达模式相关的基因列表回带入TCGA cBioPortal进行基因之间相互网络作用的关系研究,并借由系统生 成基因拓扑关系图。最后采用RT-PCR方法对候选基因进行筛选。结果癌组织中KIAA0101 mRNA表达水平为1.104±0.379, 显著高于配对癌旁组织（0.421±0.172;P=0.0179）。系统通过汇总分析全部基因探针的表达强度,对来自478 例组织中与 KIAA0101相关的基因进行了筛选。GO功能分析显示差异基因主要富集在蛋白磷酸化、RNA加工、细胞周期、DNA代谢过程、 蛋白质转运、乙酰化、细胞凋亡、蛋白质水解、氧化还原等功能。KIAA0101表达水平的改变主要影响的胃癌相关通路有：细胞周 期、剪接体、DNA复制、p53 信号转导通路等。KEGG通路图及基因拓扑图显示,BUB1B、MAD2L1、CDC45、CDK1、CCNE1、 CCNB2等与KIAA0101相关的基因也与细胞周期相关,RT-PCR结果证实BUB1B、MAD2L、CDK1、CCNE1、CCNB2 mRNA表 达水平显著高于配对癌旁组织（P<0.05）,CDC45 mRNA表达水平无显著性差异（P>0.05）。结论KIAA0101 可能通过影响 BUB1B、MAD2L1、CDK1、CCNE1、CCNB2 表达产生对细胞周期的影响,这个结果可以为KIAA0101 影响细胞周期的作用机 制、肿瘤标志物的筛选和药物靶点的选择提供参考。     

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...     

生物信息学方法分析与宫颈癌有关联的基因

目的 通过TCGA和GEO数据库筛选与宫颈癌相关的关键基因,探讨其分子机制及临床意义。方法 通过TCGA和GEO数据库获取宫颈癌的基因表达谱数据,采用加权基因共表达网络分析(WGCNA)获取宫颈癌与正常宫颈组织差异表达基因(DEGs),对DEGs进行富集分析、蛋白-蛋白互作网络(PPI)分析并识别关键基因,进一步对关键基因与预后及蛋白表达、以及与宫颈癌免疫浸润的关系进行分析。结果 通过TCGA与GEO数据库中共得到88个宫颈癌DEGs, GO分析发现大部分基因与核染色体减速分裂、核染色体分裂、染色体集缩、核染色体等相关;KEGG信号通路分析发现宫颈癌DEGs参与了细胞周期、DNA复制、卵母细胞减数分裂、p53信号通路、同源重组等信号通路。鉴定出20个宫颈癌关键基因,仅有丝分裂阻滞缺陷2样蛋白1(MAD2L1)低表达患者的总生存期(OS)长于MAD2L1高表达患者(P=0.013),但MAD2L1高表达患者的无病生存期(DFS)与低表达患者差异无统计学意义(P>0.05),宫颈癌组织中MAD2L1蛋白高于正常组织。TIMER在线软件分析显示,MAD2L1与肿瘤的免疫浸润水平均相关(...     

基于高通量芯片和生物信息学挖掘多发性骨髓瘤的发病差异基因

目的 筛选多发性骨髓瘤(MM)患者与正常人群之间的差异表达基因(DEGs),探究MM的发病机制,为MM的基因诊断和治疗提供导向.方法 从GE数据库中检索获取MM患者的芯片数据,通过Morpheus在线工具进行芯片数据质量控制和DEGs的筛选,运用DAVID数据库对筛选获得的DEGs行基因富集和通路分析,通过STRING数据库构建蛋白相互作用网络,并采用Cytoscape软件行模块分析.结果 共获得16 211个DEGs,包括7 586个上调基因和8 625个下调基因(P＜0.05).基因本体(GO)分析结果表明,生物学过程中上调DEGs主要涉及鞘糖脂代谢等30个功能簇,下调DEGs涉及细胞分裂等163个功能簇;分子功能中上调DEGs主要涉及蛋白质结合等29个功能簇,下调DEGs主要涉及组蛋白结合等59个功能簇;细胞成分中上调DEGs主要集中在细胞溶质等27个功能簇中,而下调DEGs主要集中在核质等78个功能簇中.京都基因与基因组百科全书(KEGG)分析结果表明,上调DEGs主要涉及溶酶体相关通路等26条通路,下调DEGs主要涉及DNA复制等27条通路.蛋白互作网络分析示CDK1、TOP2A、A URKB、BRCA1、CHEK1、PTEN、RAD51、GMPS、CDC45和CDKN2A 10个基因为富集程度最高的核心DEGs,模块分析显示得分最高的3个基因模块主要与核分裂、DNA复制和核酸代谢过程相关.结论 通过多种生物信息学方法筛选获得了MM患者和健康对照组的DEGs,并从不同角度阐释了MM发病机制的相关基因及其表达特征,为MM特异性诊断标志和靶向治疗等提供了依据.     

基于生物信息学方法筛选散发性克雅氏病神经炎症相关关键基因

目的:鉴定散发性克雅氏病(SCJD)神经炎症相关的关键基因.方法:用GEO2R工具筛选GSE160208数据集中的SCJD脑组织(n=27)和正常脑组织(n=20)的差异表达基因(DEGs).用R语言的"cluster Profiler"和"DOSE"包对DEGs进行富集分析.通过STRING数据库和Cytoscape...     

阿司匹林抗人乳腺癌增殖的直接作用蛋白靶点的生物信息学分析

目的基于生物信息学分析大量公共数据库,探讨阿司匹林抑制人乳腺癌细胞增殖的分子机制。方法利用Drug Bank 5.1.3搜索确定阿司匹林的直接靶点蛋白（DPTs）,STRING在线构建阿司匹林DPTs的蛋白-蛋白相互作用（PPI）网络和信号通 路;使用cBio Portal研究人乳腺癌中DPTs基因突变,并利用OncoPrint可视化;从TCGA数据库下载乳腺癌与正常组织中的转 录组数据,利用DECenter分析差异过表达基因,对STRING分析得到的DPTs相互关联基因与TCGA中的差异过表达基因求交 集,确认阿司匹林抑制人乳腺癌细胞增殖的潜在靶点,并利用Gene Ontology进行GO功能富集分析。最终通过蛋白免疫印迹 实验验证阿司匹林抑制人乳腺癌细胞增殖的潜在靶点。结果搜索Drug Bank 5.1.3确定了11个阿司匹林DPTs,KEGG通路富 集表明其中6个DPTs（EDNRA,IKBKB,NFKB2,NFKBIA,PTGS2和TP53）与癌症发生发展有关。通过分析TCGA数据库中 乳腺癌与正常组织中的转录组数据获得10220个过表达差异基因,与STRING分析得到的6个阿司匹林DPTs的相互关联基因 求交集,发现4个基因（CDC25C,TPX2,CDC20,PLK1）可能是阿司匹林抑制人乳腺癌细胞增殖的潜在靶点,其基因功能主要富 集于细胞周期与细胞分裂。蛋白免疫印迹实验结果显示：阿司匹林可以降低人乳腺癌细胞中CDC25C,TPX2,CDC20,PLK1的 蛋白表达。结论CDC25C,TPX2,CDC20和PLK1可能是阿司匹林抑制人乳腺癌细胞增殖的潜在靶点,其可能通过影响细胞周 期和细胞分裂发挥抗肿瘤增殖作用。