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...     

基于生物信息学的克罗恩病中炎症相关关键基因的筛选及验证

目的 应用生物信息学方法筛选并验证炎症相关基因在克罗恩病（CD）中的表达情况。方法 分别从基因表达综合（GEO）数据库和分子特征数据库（Msigdb）下载CD数据集（GSE193677、GSE66407和GSE179285）和炎症反应相关基因（IRGs）。利用GSE193677数据集进行单样本基因集富集分析（ssGSEA）,明确CD和健康对照人群中免疫细胞和炎症水平;然后利用DESeq2方法于CD数据集进行基因差异表达分析,以|log2FC|≥1且校正P <0.05标准筛选获得CD患者和健康样本之间的差异表达基因（DEGs）。DEGs和IRGs取交集获得炎症相关差异表达基因（IRDEGs）。对IRDEGs进行基因本体（GO）和京都基因和基因组数据库（KEGG）通路富集分析,利用STRING数据库进行蛋白质-蛋白质相互作用（PPI）网络分析。利用Cytoscape软件的cytoHubba插件筛选确定关键IRDEGs。利用GSE66407和GSE179285数据集对CD组与健康对照组、炎症组及非炎症组关键IRDEGs的表达进行验证。结果 GSE193677数据集中ssGSEA分析表明...     

生物信息学分析筛选骨关节炎关键基因的研究

目的 通过生物信息学研究骨关节炎(OA)和健康对照者的差异表达基因(DEGs),为诊断和治疗OA提供新的靶点.方法 从GEO数据库下载基因芯片数据集GSE55457、GSE55235、GSE12021,采用GEO2R在线分析工具筛选出各数据集的DEGs并找到交集.采用DAVID在线分析工具进行GO功能富集和KEGG通路...     

基于生物信息学分析的圆锥角膜相关Hub基因及其通路的鉴定

目的：明确圆锥角膜（KC）潜在的目标基因并探讨其潜在的病理机制。方法：从GEO数据库中下载GSE77938的基因芯片数据并进行生物信息学分析。GSE77938数据集包含50个样本,包括25例KC患者和25例正常对照者。采用Cytoscape软件进行GO和KEGG富集分析,并通过Cytoscape软件构建差异表达基因（DEGs）的蛋白相互作用（PPI）网络。结果：在KC中共鉴定出1 547 个DEGs,包括1 103 个上调基因和444 个下调基因。GO分析结果显示,上调的DEGs在生物过程（BP）中的1 220条通路中显著富集、细胞成分（CC）的黑素体的102条通路和分子功能（MF）的102条通路中显著富集。下调DEGs的富集功能在BP、CC和MF中分别为99、64和47个通路。KEGG通路分析显示上调的DEGs富集于72条通路,而下调的DEGs富集于8条通路。从PPI网络中鉴定出Hub基因TNF、JUN、IFNG、PTPRC、ICAM1、FOS、IL6、CXCL8、LCK、CSF2、MMP9、ITGAX、CD40LG和IL10,ClueGO分析发现这些基因涉及GO术语中的6 条显著通路和KEGG中的3 条通路。结论：所鉴定的DEGs和枢纽基因促进了对KC发生的分子机制的理解,其可能作为KC治疗的分子靶点和诊断性生物标志物。     

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。     

基于生物信息学分析软骨肉瘤的关键基因及发病机制

目的 基于生物信息学分析软骨肉瘤的关键基因及发病机制。方法 从GEO数据库获取人类软骨肉瘤相关基因芯片数据集GSE48418和GSE30835,包含17例软骨肉瘤患者样本和7例健康对照者样本。应用R语言软件进行差异表达基因(DEGs)分析。应用DAVID数据库对两个数据集共同的DEGs进行基因本体论(GO)功能富集分析及京都基因与基因组百科全书(KEGG)通路富集分析。使用STRING数据库及Cytoscape软件，针对共同DEGs构建蛋白-蛋白相互作用网络，并利用Cytoscape软件筛选关键基因。结果 两组芯片数据集的共同DEGs有62个，包含28个表达上调基因和34个表达下调基因。GO功能富集分析结果显示，共同DEGs富集在细胞与基质黏附、细胞与基质黏附的调节、肌细胞迁移、小梁形态发生、小梁组成等生物学过程，富集在含胶原的细胞外基质(ECM)、内质网腔、胶原三聚体等细胞组分，涉及糖胺聚糖结合、ECM结构成分提供的抗压支持、含硫化合物结合等分子功能。KEGG通路富集分析结果显示，DEGs与黏着力、磷脂酰肌醇-3-激酶(PI3K)/蛋白激酶B(AKT)、ECM-受体相互作用等信号通路...     

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。     

基于GEO和TARGET数据库分析骨肉瘤转移和预后的关键基因

目的 通过生物信息学方法筛选骨肉瘤转移相关的关键基因,并探讨其对骨肉瘤患者预后的影响。方法 检索基因表达综合数据库（GEO）并获取GSE21257芯片数据集,通过GEO2R分析筛选差异表达基因（DEGs）,并对DEGs进行基因本体（GO）功能注释和京都基因与基因组数据库（KEGG）富集分析,使用STRING数据库、Cytoscape软件绘制DEGs蛋白质-蛋白质相互作用网络,通过cytoHubba插件筛选出排名前5的关键基因。利用TARGET数据库探索关键基因在骨肉瘤样本的相关性并进行预后分析。结果 共筛选出55个DEGs,其中22个基因显著下调,33个基因显著上调。GO分析结果显示,DEGs主要参与抗原加工和外源肽抗原的呈递。KEGG结果表明DEGs主要参与金葡菌感染等信号通路。Cytohubba筛选的Top5基因分别为TYROBP、ITGB2、C1QB、C1QC、CD74。通过对TARGET数据库中骨肉瘤样本的生存分析发现TYROBP、C1QB、CD74高表达与骨肉瘤患者较高的总生存期有关（P <0.05）,而且CD74高表达提示骨肉瘤患者无病生存期较高（P <0.05...     

多形性胶质母细胞瘤相关基因和候选通路的生物信息学分析

目的：采用生物信息学方法分析与多形性胶质母细胞瘤（GBM）发生发展相关的关键基因和候选通路,探讨GBM的发病机制和治疗靶点。方法：自癌症基因组图谱（TCGA）数据库和基因表达综合（GEO）数据库获得基因表达数据集TCGA-GBM及GSE7696,分别采用Deseq2和limma R数据包筛选GBM组织与癌旁正常组织中的差异表达基因（DEGs）,并对DEGs进行基因本体（GO）功能富集分析和京都基因与基因组百科全书（KEGG）信号通路富集分析,采用STRING数据库进行蛋白-蛋白互作（PPI）网络分析,采用Cytoscape 3.9.1软件对PPI网络进行可视化并进行模块分析。结果：对TCGA-GBM转录数据和芯片数据集GSE7696进行DEGs分析后共获取13个共同上调差异表达基因（UDEGs）和77个共同下调差异表达基因（DDEGs）。GO功能富集分析,DDEGs主要富集于氯离子通道活性、γ-氨基丁酸（GABA）受体活性、GABA门控氯离子通道活性、GABA-A受体活性、顺行突触传递信号和化学突触传递等生物学过程;KEGG信号通路主要富集于GABA能突触、神经活性配体-受体相互作用、...     

乙型肝炎病毒相关肝细胞癌关键基因筛选及其与预后关系的生物信息学分析

目的：采用生物信息学方法识别与乙型肝炎病毒相关肝细胞癌（HBV-HCC）的早期诊断和不良预后相关的关键基因,阐明HBV-HCC发生发展的潜在分子机制。方法：从基因表达综合数据库（GEO）中检索“hepatitis Binduced HCC”,下载基因数据集GSE121248,通过R软件中的“limma”数据包筛选差异表达基因（DEGs）,采用“clusterProfiler”数据包对DEGs进行基因本体（GO）功能富集分析和京都基因与基因组百科全书（KEGG）信号通路富集分析,采用STRING数据库和Cytoscape软件建立蛋白-蛋白互作（PPI）网络并筛选关键基因。采用基因表达水平值的交互式分析（GEPIA）、Kaplan Meier-Plotter和人类蛋白质图谱（HPA）数据库验证关键基因及其蛋白质表达水平,采用“CIBERSORT”数据包分析免疫细胞的浸润情况。结果：共筛选出574个DEGs,其中上调基因173个,下调基因401个。GO功能富集分析,DEGs主要富集于小分子代谢、信号转导、免疫应答和炎症反应等生物学过程;KEGG通路富集分析,DEGs主要富集于视黄醇代谢、细胞...     

去势抵抗性前列腺癌潜在关键基因的生物信息学分析

背景去势抵抗性前列腺癌（CRPC）是男性常见恶性肿瘤疾病之一,病死率高,分子机制仍不十分清楚,且无有效治疗药物。目的应用生物信息学方法挖掘CRPC发生、发展的关键基因,为其诊治提供新思路。方法从基因表达综合数据库（GEO）中下载关于人类原发性前列腺癌（PCa）和CRPC的数据集GSE32269并进行生物信息学分析。使用R语言鉴定CRPC的差异表达基因（DEGs）。通过DAVID软件对DEGs进行基因本体论（GO）富集分析及京都基因和基因组百科全书（KEGG）通路分析。利用STRING在线数据库构建蛋白质-蛋白质相互作用（PPI）网络进一步筛选关键基因,并对关键基因进行生存分析和受试者工作特征（ROC）曲线分析。结果通过对微阵列数据集GSE32269分析共筛选出279个DEGs,进一步通过GO富集分析和KEGG通路分析发现在CRPC发展中,细胞分裂、有丝分裂和细胞周期等信号通路发挥重要作用。PPI网络分析筛选出15个关键基因,对关键基因进行生存分析发现：CDC20、MAD2L1和NUSAP1高表达组CRPC患者总生存率和无病生存率均分别低于CDC20、MAD2L1和NUSAP1低表达组（P<0.05）;且CDC20、MAD2L1和NUSAP1预测CPRC发生的ROC曲线下面积分别为0.933、0.762、0.950,提示其对CRPC具有较高的诊断价值。结论CDC20、MAD2L1和NUSAP1可能是参与CRPC发展的关键候选基因。     

基于生物信息学分析动脉粥样硬化的关键基因及潜在中药

目的：基于生物信息学预测与动脉粥样硬化(atherosclerosis, AS)相关的关键基因及中药,为AS诊断、药物干预提供新思路。方法：从高通量基因表达(gene expression omnibus, GEO)数据库下载GSE13985和GSE6088的基因表达数据集,在AS和健康样本之间鉴定差异表达基因(differentially expressed genes, DEGs)。随后进行基因本体(Gene Ontology, GO)功能富集分析、京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)通路富集分析,并将筛选出的DEGs排列成蛋白质-蛋白质相互作用(protein-protein interaction, PPI)网络,利用COREMINE数据库对关键基因进行中药预测。结果：在GSE13985数据集中总共鉴定出2 135个DEGs(744个上调,1 391个下调),在GSE6088数据集中鉴定出1 725个DEGs(773个上调,952个下调)。富集分析涉及98个GO条目(52个BF,28个CC,18个...     

儿童肥胖症相关基因的生物信息学分析

【摘要】 目的 筛选儿童肥胖症相关基因,探索儿童肥胖症的发病机制。方法 从基因表达公共数据库（GEO）下载儿童肥胖症基因表达谱数据集GSE9624,采用BRB Array Tools软件包筛选差异表达基因（DEGs）,并对差异基因进行GO功能分析、KEGG通路富集分析和pathway相互作用网络分析。结果 共筛选出564个DEGs,其中上调基因333个,下调基因231个。GO富集分析发现DEGs主要参与代谢、细胞因子反应、信号转导、血液凝固等生物学过程,发挥的分子功能包括蛋白结合、蛋白二聚化、离子结合、RNA结合和ATP结合等。KEGG通路分析发现DEGs显著富集的pathway有代谢通路、MAPK信号通路、吞噬体、内质网蛋白加工、T细胞受体通路等。结论 儿童肥胖症患者代谢通路和信号转导通路的相关基因表达水平发生了改变,为进一步阐明儿童肥胖症的分子机制和靶向治疗提供了基础。     

补阳还五汤抗动脉粥样硬化氧化应激的生信分析及实验研究

目的 基于基因芯片数据库（GEO）、网络药理学,结合ox-LDL诱导的大鼠主动脉血管内皮细胞氧化损伤模型进行实验验证,探究补阳还五汤（Buyang Huanwu Decoction, BYHWD）干预动脉粥样硬化（atherosclerosis, AS）氧化应激的作用及相关机制。方法 通过TCMSP、Herb数据库收集BYHWD中7味中药有效成分及靶点;从GEO数据库下载GSE19286、GSE2372数据集,鉴定AS差异表达基因（differentially expressed genes, DEGs）;通过GeneCards数据库获取氧化应激靶点;取交集筛选出BYHWD、DEGs、氧化应激共同靶点,进行PPI、GO和KEGG通路富集分析;在GSE19286、GSE2372的表达矩阵中,采用独立样本t检验进行核心靶点验证。结合GEO数据库和网络药理学结果进行体外实验验证,检测药物对细胞活性氧表达及ALB、PLG、F2、GC、PLK1基因表达的影响。结果 筛选出972个中药靶点、9438个氧化应激靶点、173个DEGs,其中103个DEGs在AS组织样本中高表达、70个DEGs在AS组...     

基于GEO和TCGA数据库对肺腺癌差异表达基因的生物信息学分析

目的：采用生物信息学方法筛选影响肺腺癌（LUAD）的关键基因,分析其生物学功能及其对LUAD预后的影响。方法：于高通量基因表达（GEO）数据库下载GSE118370和GSE136043芯片数据,癌症基因组图谱（TCGA）数据库筛选LUAD相关数据。采用R软件分析共同表达的差异表达基因（DEGs）。采用clusterProfile R包对DEGs进行基因本体（GO）功能富集分析,DAVID数据库进行京都基因与基因组百科全书（KEGG）通路富集分析,STRING数据库构建蛋白-蛋白相互作用（PPI）网络。采用Cytoscape筛选连接度排名前10位的关键基因,GEPIA数据库和人类蛋白质图谱（HPA）数据库分析正常肺组织和LUAD组织中关键基因mRNA和蛋白表达情况及不同分期LUAD组织中关键基因表达情况。关键基因免疫浸润分析和生存分析获取关键基因表达与患者生存期的相关关系。结果：共筛选DEGs 428个。GO分析,LUAD的DEGs在主要富集于上皮-间质转化（EMT）等生物过程（BP）方面、细胞基部等细胞组分（CC）方面和细胞外基质（ECM）结构形成等分子功能（MF）方面。KEGG分析,...     

基于生物信息学的椎间盘退变miRNA-mRNA调控关系的分析

目的：通过使用生物信息学方法分析高通量芯片,揭示与椎间盘退变（IDD）相关的信号通路和miRNA-mRNA的调控关系。方法：首先,从GEO(Gene Expression Omnibus)数据库下载了IDD相关的两个数据集：GSE56081和GSE116726。使用R编程环境的limma软件包鉴定出IDD样本和正常样本的差异表达基因（DEGs）和差异表达miRNA(DE-miRNAs),并且对DEGs进行了GO(Gene Ontology)功能富集分析和KEGG(Kyoto Encyclopedia of Genes and Genomes)分析,以鉴定IDD中DEGs相关的生物学功能。通过miRTarBase数据库筛选出DE-miRNAs经过试验验证的靶基因,并将靶基因与DEGs取交集,最终构建高度可信的miRNA-mRNA调控关系网络,通过Cytoscape软件将其可视化。结果：总共筛选出523个DEGs和858个DE-miRNAs。GO分析表明,DEGs可能参与的生物过程（BP）包括生物调节、代谢过程、对刺激的反应、多细胞生物过程、细胞通讯、定位等;细胞成分（CC）主要涉及细胞膜...     

缺血性脑卒中缺氧免疫关键基因的鉴别及诊断价值分析

目的：研究缺血性脑卒中（IS）缺氧免疫机制的相关差异表达基因和调控信号通路,以识别IS潜在诊断生物标志物。方法：从GEO数据库下载IS表达谱数据集GSE58294,采用单样本GSEA(ssGSEA)和t分布随机邻域嵌入算法（t-SNE）评估受试者的缺氧和免疫状态,使用“limma”软件包筛选差异基因（DEGs）,通过DAVID在线数据库对DEGs进行基因本体（GO）富集分析及京都基因与基因组百科全书（KEGG）信号通路分析,LASSO筛选与IS关键（hub）基因,然后运用实时荧光定量聚合酶链式反应（RT-qPCR）验证hub基因的差异性表达。结果：筛选出60个IS缺氧免疫DEGs,KEGG结果显示IS缺氧免疫DEGs富集在PI3K-Akt通路,LASSO筛出6个关键基因：CHPF2、MBOAT2、IL18RAP、TIMM8A、ALDOAP2、LPAR4。CHPF2、MBOAT2和IL18RAP为上调基因（均P<0.001）,而TIMM8A、ALDOAP2和LPAR4为下调基因（均P<0.001）,ROC曲线显示该6个关键基因的AUC为0.894 1～0.994 3。RT-q...     

基于GEO数据库的肥厚型心肌病差异表达基因分析

目的 基于基因表达综合（GEO）数据库，采用生物信息学方法挖掘肥厚型心肌病相关的差异表达基因（DEG），为肥厚型心肌病的临床治疗提供新思路。方法 从GEO数据库中筛选肥厚型心肌病患者和正常对照者的基因数据集芯片GSE68316和GSE148602，应用RStudio软件和GEO数据库基因表达分析工具（GEO2R），以|log2FC|≥1且P <0.05作为筛选标准，筛选数据集中的DEG。选取2个数据集中差异表达最显著的上调和下调基因各10个，分别绘制热图。通过R语言完成关键DEG的基因本体论（GO）以及京都基因和基因组数据库（KEGG）分析。结果 在GSE68316数据集中共筛选出247个DEG，包括125个表达上调的DEG和122个表达下调的DEG；在GSE148602数据集中共筛选出157个DEG，包括44个表达上调的DEG和113个表达下调的DEG。KEGG和GO分析中存在多条通路的富集。结论 通过生物信息学方法，可以有效挖掘肥厚型心肌病DEG，为后续治疗提供新策略。     

基于生物信息学的非酒精性脂肪性肝病关键基因筛选及实验验证

目的:探索非酒精性脂肪性肝病（NAFLD）潜在的关键基因和microRNAs(miRNAs)。方法:从美国国立生物技术信息中心（NCBI）公共基因芯片数据平台（GEO）数据库下载两个基因表达谱芯片（GSE96936和GSE62267）,利用GEO2R在线工具筛选出NAFLD组与正常对照组的差异表达基因（DEGs）,对DEGs进行GO和KEGG信号通路富集分析,进一步应用STRING数据库构建蛋白质—蛋白质相互作用（PPI）网络,用Cytoscape筛选出关键基因。构建NAFLD小鼠模型,通过实时荧光定量PCR(RT-qPCR)验证筛选出的关键基因,利用NetworkAnalyst构建关键基因的靶向miRNAs。结果:总共鉴定出192个DEGs,GO分析显示DEGs生物学功能主要涉及5个KEGG通路,包括类固醇激素生物合成、补体与凝血级联、胆汁分泌、化学致癌、视黄醇代谢相关信号通路,结合PPI网络和CytoHubba的结果,筛选出Tyrobp、Hck、Ctss、Aif1、Fcgr1、Cd68、Cd53、Ly86、Fyb和Alox5ap 10个关键基因,通过RT-qPCR检测,发现与正常肝...     

多芯片联合分析揭示肌腱粘连的分子机制

目的 基于生物信息学挖掘肌腱粘连相关的重要基因、通路、调控网络异常。方法 从GEO数据库获取GSE26051、GSE1724芯片数据集,分析及筛选差异表达基因（DEGs）,并对其进行富集分析,联合分析差异基因,建立蛋白质-蛋白质相互作用（PPI）网络,预测DEGs可能结合的miRNA,构建miRNA-mRNA网络,筛选出重要基因和miRNA。结果 联合分析筛选出2个在肌腱病差异表达显著的DEGs,与成纤维细胞TGF-β通路相关。GO分析主要富集在受体配体活性、转录激活与抑制、G蛋白耦联受体、生长因子活性等。KEGG通路富集在PI3K/AKT、MAPK、钙通道等通路。miRNA多数据库联合预测提示miR-181家族在肌腱粘连中可能发挥作用。PPI网络分析显示DLG1、CASK、CNTNAP2与EPB41的联系较为重要。结论 EPB41可能与肌腱粘连的发病机制有关。