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。     

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...     

胃癌相关关键基因的筛选及临床价值分析

目的 利用生物信息学筛选胃癌相关关键基因,并探讨关键基因的临床价值。方法 (1)从GEO数据库中获取与人类胃癌相关的3个基因芯片数据集,利用在线分析工具GEO2R获取差异表达基因(DEGs)。针对3个数据集共有的DEGs,利用DAVID数据库进行富集分析,利用STRING数据库构建蛋白-蛋白相互作用(PPI)网络后通过Cytoscape 3.9.1软件筛选关键基因。(2)收集20例胃癌患者的癌组织及癌旁正常组织,利用实时荧光定量PCR法检测关键基因的表达水平。利用GEPIA2数据库分析关键基因在胃癌组织与癌旁正常组织的表达差异,以及在不同病理分期胃癌患者中的表达差异。利用Kaplan-Meier Plotter数据库分析不同关键基因表达水平的胃癌患者的生存情况。结果 (1)共获得461个共同DEGs,包括190个上调DEGs、271个下调DEGs。DEGs主要参与细胞外基质形成、胶原纤维、细胞-基质黏附等生物过程,主要富集在细胞外基质-受体相互作用、蛋白质消化吸收、黏着斑等信号通路。共筛选出5个关键基因,即COL4A1、COL4A2、LUM、COL6A3和SPARC。(2)实时荧光定量...     

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。     

基于GEO数据库筛选舌鳞状细胞癌顺铂耐药的关键基因及生物信息学分析

目的 通过生物信息学方法筛选舌鳞状细胞癌顺铂耐药的关键基因。方法 从GEO数据库下载GSE111585和GSE115119数据集，利用limma包进行差异分析，与PRGs取交集后获取DEGs。利用R语言对DEGs进行GO功能富集及KEGG通路富集分析。String数据库构建PPI网络，在Cytoscape中进行可视化，基于Degree拓扑分析算法筛选Hub基因。根据Wilcox.test法分析Hub基因与顺铂耐药性的联系。结果 (1)共筛选出32个DEGs。(2)GO富集分析显示DEGs主要参与刺激反应调节、信号受体结合等功能；KEGG富集分析显示DEGs富集在癌症通路和人T细胞白血病病毒Ⅰ型感染信号通路。(3)筛选出FN1、SOX2和COL1A1 3个Hub基因，其中COL1A1具有成为潜在生物靶点的潜力。结论 COL1A1可能是舌鳞状细胞癌顺铂耐药的潜在作用靶点。     

COL1A2在头颈部鳞癌中的差异表达及功能分析

目的 采用生物信息学方法探讨COL1A2在头颈部鳞癌(HNSC)中的表达及相关功能。方法 利用TIMER2.0数据库分析COL1A2基因在泛癌中的表达;通过GEPIA数据库、UALCAN数据库分析该基因在HNSC与正常组织中的差异表达情况;并利用STRING数据库构建COL1A2基因蛋白互作网,DAVID数据库分析与该基因互作蛋白基因的相关功能;最后通过GCBI基因雷达数据库预测该基因可能参与的调控网络和转录因子。结果 COL1A2在多种肿瘤中高表达,且在头颈部鳞癌组织与正常组织中有差异表达。COL1A2及相关蛋白基因功能富集分析发现其参与了4个细胞组分、5个分子功能、11个生物学程序、7条信号通路,在基因调控网及转录因子预测发现,COL1A2与多种蛋白、转录因子、lncRNA、micRNA等相互调控。结论 COL1A2与HNSC的发生、发展可能是通过PI3K-Akt信号通路等多种途径、多种蛋白、转录因子共同调控的结果。     

基于生物信息学对胃癌生存预后相关基因的分析

目的：通过生物信息学方法对胃癌芯片数据集进行分析,获得与胃癌生存预后相关的基因。方法：从NCBI GEO数据库下载与胃癌相关的数据集GSE19826、GSE29998、GSE54129、GSE79973,利用R软件对数据集进行差异分析并整合,获取差异表达基因,利用DAVID、String、KM-Plot等在线分析网站对差异表达基因进行功能分析、蛋白质间相互作用以及与胃癌预后的关系,利用Cytoscape对分析结果进行可视化处理,得出候选关键基因13个：FNDC1、CTHRC、COL1A1、COL1A2、COL6A3、COL10A1、INHBA、SULF1、SFRP4、BGN、THBS2、THY1、TIMP1。结果：通过对四个芯片数据集进行差异分析及整合后获得上调基因21个,下调基因27个,这些差异表达基因大多富集于细胞外基质、内质网腔等,主要参与胶原蛋白分解、细胞黏附等生物学功能,涉及蛋白质的消化与吸收通路、细胞外基质通路、局部黏附通路以及细胞色素P450代谢通路;并且筛选出的关键基因均与胃癌的预后有关。结论：生物信息学方法可以有效、大规模地分析并获得与胃癌生存预后相关的关键基因,为癌...     

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。     

基于GEO数据库筛选胃癌差异表达基因及其功能和通路富集分析

目的 基于基因表达数据库（GEO）运用生物信息学方法挖掘胃癌诊断和预后相关的核心基因,筛选参与胃癌发生发展的分子靶标。方法 从GEO数据库中下载胃癌基因芯片数据GSE118916、GSE54129和GSE79973,筛选差异表达基因（DEGs）并进行分子功能和信号通路的富集分析,构建蛋白质互作网络（PPI）,根据网络节点和位置筛选出核心基因,利用癌症基因图谱（TCGA）中胃腺癌（STAD）的全基因组测序数据对核心基因进行表达水平和诊断预后的验证分析,最后通过qRT-PCR检测核心基因在不同胃癌细胞株中的表达水平。结果 共筛选出77个DEGs,主要位于细胞外基质（ECM）与基底膜,具有氧化还原酶和ECM受体配体活性,参与机体消化和激素代谢等生物学过程,与胃酸分泌、视黄醇和激素代谢等信号通路相关。共获得9个核心基因,其中SPARC、TIMP1、THBS2、COL6A3和THY1在胃癌中表达上调（P<0.05）;而TFF1、GKN1、TFF2、PGC在胃癌中下调（P<0.05）。生存预后分析显示,SPARC、TIMP1、THBS2、COL6A3、TFF2、THY1的异常表达与胃癌...     

基于生物信息学构建肝细胞癌预后相关circRNA-miRNA-mRNA调控网络

目的 应用生物信息学方法筛选肝细胞癌中差异表达的环状RNA (circRNA),构建肝癌预后相关circRNA-微RNA (miRNA)-mRNA调控网络。方法 从基因表达综合（GEO）数据库中下载肝癌相关circRNA数据集,应用GEO2R工具筛选差异表达circRNA,在Circular RNA Interactome及circBank数据库中预测与circRNA相结合的miRNA,在miRDB、RNAInter及TargetScan数据中预测miRNA的靶基因,构建circRNA-miRNA-mRNA调控网络。应用DAVID软件、STRING数据库、Cytoscape软件及GEPIA数据库对靶基因进行功能注释、通路分析、蛋白质-蛋白质相互作用网络（PPI）构建及预后分析,最后确定肝癌预后相关circRNA-miRNA-核心靶基因调控网络。结果 筛选出1个circRNA,为hsa＿circRNA＿0000301,与之结合的miRNA有4个,分别为hsamiR-377-3p、hsa-miR-767-3p、hsa-miR-1178-3p及hsa-miR-1228-3p。功能注释和通路富...     

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...     

基于高通量芯片对小儿急性髓系白血病的生物信息学分析

目的：通过生物信息学工具筛选小儿急性髓系白血病（AML）相关的差异表达基因（DEGs）,探讨小儿AML的核心基因并阐明其发病机制。方法：从基因表达数据库（GEO）下载符合本研究要求的小儿AML的转录组数据,采用基因表达分析工具（GEO2R）进行DEGs的筛选。利用基因本体功能注释（GO）及京都基因与基因组百科全书（KEGG）分析DEGs功能及通路富集情况;利用STRING数据库构建蛋白质互作网络（PPI）并利用Cytoscape软件及插件iRegulon筛选相关的核心基因（Hub genes）及转录因子,通过生物技术信息基因云（GCBI）在线数据库分析前5位的核心基因。结果：本研究共筛选出600个DEGs,其中407个基因上调,193个基因下调。GO分析,相关的DEGs主要参与细胞成分的组成,包括核浆、细胞质、核膜和核斑点。KEGG分析,DEGs主要在肿瘤坏死因子（TNF）、细胞因子受体相互作用及Jak激酶/信号转导与转录激活子（Jak-STAT）信号通路中富集。通过STRING数据库及Cytoscape软件共筛选出甲酰肽受体2（FPR2）、磷酸肌醇3激酶调节亚单位1（PIK3R1）、E1A结合蛋白p300（EP300）、热休克蛋白90α家族（HSP90AA1）和NRAS原癌基因（NRAS）等前20个连接度最高的核心基因,其中EP300、HSP90AA1和NRAS参与了白血病的发生发展。iRegulon共筛选出TP63、NFE2L1和TBX等55个作用于Hub基因的转录因子。结论：筛选出的核心基因和转录因子可能参与小儿AML的发生发展,并可能成为小儿AML的治疗新靶点。     

骨肉瘤关键基因及免疫浸润的生物信息分析

目的 通过生物信息学方法筛选骨肉瘤潜在的关键基因,并分析其免疫浸润模式。方法 从基因表达综合数据库(GEO)获取与骨肉瘤相关的基因表达谱GSE16088和GSE12865,采用生物信息学方法筛选与骨肉瘤相关的差异表达基因(DEGs),并进行基因本体(GO)功能注释和京都基因与基因组百科全书(KEGG)富集分析、免疫细胞浸润分析。通过蛋白质-蛋白质相互作用网络筛选出骨肉瘤潜在的关键基因,利用癌症基因组图谱数据库(TCGA)验证关键基因在骨肉瘤和正常组织样本中的表达情况。结果 共筛选出108个DEGs。GO功能注释和KEGG富集分析显示,DEGs主要富集在整合素结合、细胞外基质(ECM)结构成分、ECM受体相互作用和磷脂酰肌醇3-激酶/蛋白激酶B(PI3K/Akt)信号通路。巨噬细胞是骨肉瘤最主要的免疫浸润细胞。分泌型磷蛋白1(SPP1)、基质金属肽酶2(MMP2)、赖氨酰氧化酶(LOX)、V型胶原蛋白α(II)链(COL5A2)、黑色素瘤细胞黏附分子(MCAM)5个关键基因在骨肉瘤和正常组织样本中的表达存在差异(P均<0.05)。结论 SPP1、MMP2、LOX、COL5A2、MCAM在骨肉瘤中均上调,可能是骨肉瘤潜在的生物标志物。巨噬细胞是骨肉瘤最主要的免疫浸润细胞,可为骨肉瘤的治疗提供新的方向。     

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RNA测序的A亚型呼吸道合胞病毒毛细支气管炎转录组学特征分析及关键基因预测

目的：基于RNA测序数据的分析，寻找A亚型呼吸道合胞病毒（RSV）毛细支气管炎有关的关键基因（Hub基因）和通路，为RSV毛细支气管炎的干预和治疗提供依据。方法：招募23例RSV毛细支气管炎住院患儿为病例组，以10例健康儿童为对照组。收集外周血白细胞并提取RNA用于高通量测序。利用三种R软件包（DESeq2、edgeR、limma）获取病例组和对照组之间的差异表达基因（DEGs）。利用R包clusterProfiler和Metascape在线工具对所有的DEGs进行GO和KEGG富集分析。利用STRING数据库进行DEGs的蛋白互作分析，用Cytoscape软件筛选Hub基因。结果：共筛选出286 个DEGs，包括166 个表达上调的基因和120 个表达调的基因。GO功能富集分析发现DEGs主要参与过氧化氢代谢过程、细胞对生物刺激的应激反应、维生素D受体信号通路等生物学过程。KEGG通路分析显示DEGs主要涉及免疫系统中的细胞因子信号、适应性免疫系统、中性粒细胞脱颗粒等信号通路。从蛋白互作网络中筛选出4个核心模块，主要与RAF/MAP激酶级联反应、病毒蛋白与细胞因子和细胞因子受体互作等通路有关。最后筛选出RRM2、BUB1B、BUB1、MCM10、CDC45、MKI67、ASPM、NCAPG、NUSAP1、ESPL1、CDT1 共11个与A亚型RSV毛细支气管炎相关的Hub基因。结论：本研究鉴定出的免疫相关通路和Hub基因可能与RSV毛细支气管炎发病有关，其具体机制值得进一步研究。     

生物信息学分析IGF-2R在乳腺癌中的作用机制

目的 确定IGF-2R基因对乳腺癌的调控作用,挖掘参与乳腺癌发生发展潜在的基因及通路。方法 利用“GEOquery”、“idmap2.0”、“limma”、“Clusterprolifer”等R包筛选乳腺肿瘤组织与正常组织的差异表达基因,并进行GO和KEGG分析。STRING、GEPIA和UALACN数据库绘制蛋白互作网络,分析IGF-2R基因与乳腺癌Hub基因的相关性,以及IGF2R表达水平与乳腺癌患者基本情况的相关性。结果 筛选得到128个上调差异表达基因,256个下调差异表达基因；IGF-2R基因与核心基因ASPM、RRM2相关性显著；IGF-2R基因表达水平在乳腺癌组织中显著降低(P<0.05)；IGF-2R表达水平与患者年龄(20-80岁)、临床分期(Ⅰ、Ⅱ、Ⅲ)、绝经情况和淋巴结转移密切相关(P<0.05)。IGF-2R基因的表达水平仅在Luminal型(LuminalA型、Luminal B-HER2阴性型)乳腺癌中显著降低(P<0.05)。结论IGF-2R通过与ASPM和RRM2正相关参与乳腺癌的调控作用,有望为乳腺癌的防治提供新的思路。     

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。     

肝癌相关差异表达基因的生物信息学分析及蛋白互作网络构建

目的 建立生物信息学分析筛选肝癌基因芯片差异表达基因的方法,助力肝癌发病分子机制的研究。方法 通过R语言软件分析肝癌芯片数据GSE45436中肝癌组织和癌旁组织差异表达的基因, DAVID软件对差异表达基因进行GO功能富集及KEGG通路富集分析,String和Cytoscape软件分析关键基因和模块。结果 共筛选出375个差异表达明显的基因,其中表达上调和下调的分别有99个和296个。差异基因功能分析主要涉及细胞周期、p53信号通路、补体途径、细胞色素P450代谢通路等。蛋白质-蛋白质相互作用（protein-protein interaction, PPI）网络显示拓扑异构酶Ⅱα (TOP2A) 可能与肝癌的发生发展最为相关。结论 本研究采用基因芯片结合生物信息学方法,构建了肝癌差异表达基因编码的蛋白互作网络。TOP2A可能是肝癌相关的核心基因。     

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。     

基于TCGA数据库探究膀胱癌关键基因的表达及预后作用

目的探究膀胱癌(BC)中基因的差异化表达及其预后作用。方法从TCGA数据库中下载BC的基因表达数据,利用R软件筛选出肿瘤与正常组织间差异表达基因,并进行富集分析,评估其潜在生物学功能及信号通路。利用在线数据库STRING11.0构建了编码蛋白相互作用网络,进一步筛选关键基因。通过UALCAN、GEPIA数据库验证关键基因在BLCA中的表达水平。随后利用在线工具Kaplan Meier Plotter分析他们的预后情况。结果得到1 538个基因存在差异表达,其中有1 088个上调,450个下调,富集分析发现差异基因主要与信号转导、物质代谢、免疫反应等信号通路相关。10个关键基因中,在BC中白细胞介素-6表达越高预后越好(HR=0.46,P < 0.05),间皮素表达越高预后越差(HR=2.27,P < 0.05)。结论BC中存在众多差异表达的基因,他们对疾病进展存在影响,发现并利用他们在BC个体化治疗存在重要意义。