利用生物信息学分析筛选乳腺癌不良预后的关键基因

目的利用生物信息学方法,通过分析基因表达数据库(GEO)基因芯片数据筛选与乳腺癌不良预后相关的核心基因,为乳腺癌的治疗提供新的候选靶点。方法从GEO数据库下载微阵列数据集GSE15852,采用GEO在线工具GEO2R筛选差异表达基因(DEGs);DAVID数据库对筛选出的差异表达基因,进行基因本体论分析(GO)和京都基因与基因组百科全书(KEGG)通路富集分析;基于STRING数据库和Cytoscape软件构建蛋白质-蛋白质相互作用关系(PPI),并用Cytoscape软件MCODE插件进行模块分析,获取关键基因;用在线工具Kaplan-Meier Plotter对这些关键基因进行生存分析,获取与乳腺癌预后不良的相关核心基因;采用基因表达谱交互分析(GEPIA)进一步验证。结果筛选出57个差异表达基因,其中上调基因17个,下调基因40个。上调基因主要富集在雌激素反应、对细胞运动的负调控反应、心脏右心室形态发生、交感神经系统发育、细胞-细胞黏附及输尿管的萌芽发育等生物过程;聚焦于造血细胞系信号通路。下调基因显著富集在脂质代谢、分解、存储过程,胆固醇的储存、运输,甘油三酯的合成分解代谢,血管生成等生物过程;聚焦于PPAR信号通路、对脂肪细胞脂肪分解的调节作用、脂肪细胞因子信号通路等途径。PPI网络及MCODE模块分析鉴定出7个核心基因,关键基因的生存分析及GEPIA分析发现CD24和EPCAM基因的高表达患者生存率低于低表达患者。结论该方法为寻找乳腺癌不良预后的关键基因、探索乳腺癌治疗新靶点提供一定依据。     

2型糖尿病相关基因的生物信息学分析

目的 通过生物信息分析途径,从分子水平揭示2型糖尿病的发病机制,为2型糖尿病的研究提供新的思路.方法 从公共数据库GEO中下载2型糖尿病相关基因芯片数据,利用Qlucore Omics Explorer 3.0软件筛选差异表达基因,STRING、DAVID等在线分析工具对差异表达基因进行下一步的生物信息学分析.结果 共筛选出89个差异基因,其中表达上调67个,下调22个,这些差异表达基因主要涉及到氧化还原反应、葡萄糖代谢过程、磷酸化作用、细胞骨架蛋白结合、核苷酸结合等分子功能和生物学过程.通过STRING分析,发现9个基因处在核心节点位置.结论 通过生物信息学的方法分析得出CDK9、TXN,NDUFS8基因可能为潜在的治疗靶点,需要下一步的分子生物学实验证实.     

丙型肝炎病毒相关性肝细胞癌的基因表达分析

目的分析慢性丙型肝炎发展为肝细胞癌(HCC)过程中的差异表达基因谱。方法以GEO数据库的基因表达谱数据GDS4880、GDS4887为分析材料,采用Qlucore Omics Explorer 3.0软件筛选慢性丙型肝炎与丙型肝炎病毒(HCV)相关性肝细胞癌芯片数据的差异表达基因,结合生物信息学工具PANTHER、DAVID、STRING、Cytoscape对差异表达基因及其相互作用关系进行分析。结果筛选出共差异表达基因328个,其中上调表达133个,下调表达195个。这些差异表达基因主要涉及代谢过程、生物调节、定位等生物过程,p53信号通路、胰岛素信号通路、磷脂酰肌醇信号系统、细胞凋亡等信号通路。差异表达基因编码蛋白间的相互作用主要集中在14个蛋白质(CYP2B6、CYP2E1、AKT1、CDK16、RELA、CDC27、PIK3CA、GNB1、FOXO1、FYN、PDPK1、SCAND1、SGOL1、RPH3AL)。结论 CYP2E1等14个基因可能与HCV相关性肝细胞癌的发生发展相关。     

乳头状甲状腺癌差异表达基因的筛选及生存分析

目的利用生物信息学方法筛选乳头状甲状腺癌（PTC）的关键基因及其所在信号通路，探讨其致癌机制。方法 从基因表达综合数据库（GEO）的两个测序平台的7个GSE芯片中获得PTC和癌旁组织样本的数据。首先利用R语言分别筛选出两个测序平台样本的差异基因，然后通过Metascape和STRING对差异基因进行生物学功能、信号通路分析和蛋白质-蛋白质相互作用分析,最后利用Cytoscape 3.5.1软件筛选出关键基因。结果 两个测序平台的样本求交集共获得302个差异表达基因，其中149个基因上调，153个基因下调，利用Cytoscape 3.5.1软件筛选出15个关键基因，其中12个关键基因位于细胞外基质受体相互作用信号通路中。利用UALCAN数据库对15个关键基因进行生存分析，其中4个基因的表达水平变化与患者的生存时间紧密相关。结论 利用生物信息学技术对来自7个PTC基因芯片数据集的信息进行分析，弥补了小样本结果的不一致性，提高了结果的可靠性和稳定性，并且筛选出了15个关键基因，发现了细胞外基质受体相互作用信号通路在甲状腺癌的发生发展中的重要作用。     

乳腺癌基因表达谱芯片的生物信息学分析

目的利用生物信息学方法及网页统计工具筛选与乳腺癌的发病相关的枢纽基因(hub基因),并且联合蛋白数据库等多数据库比对,进一步分析生物学功能及与预后的相关性。方法从GEO数据库中下载得到2个表达谱芯片数据集,利用在线工具GEO2R比对数据集中正常组织与乳腺癌组织的差异表达基因(DEG),使用DAVID在线数据库对差异基因进行功能富集分析和通路注释,后使用网页工具STRING和Cytoscape软件构建蛋白互作(PPI)网络并用其筛选出hub基因,最后结合Kaplan-Meier plotter数据库对筛选出的hub基因进行进一步分析和验证。结果共选取出127个DEG,其中有36个表达上调,91个表达下调。后使用Cytoscape软件中插件cytoHubba再次筛选得出AURKA、CDK1、PCNA、TOP2A、HMMR、RRM2、PRC1、MCM4、GINS2、SMC4等10个基因确定为hub基因。Kaplan-Meier plotter数据库生存分析验证显示除CDK1、SMC4外,其他基因的差异表达均与乳腺癌患者的总生存率(OS)相关。结论最后筛选出hub基因的与乳腺癌的发生及预后有密切关系,可进一步探究验证作为乳腺癌的潜在的预测指标和治疗靶点。     

类风湿关节炎基因差异谱的生物信息学分析

目的通过生物信息学方法探究类风湿关节炎患者的滑膜成纤维细胞差异表达基因及相关信号通路,寻找潜在的类风湿关节炎特异性分子标志物。方法利用R语言limma包等程序方法分析基因芯片GSE21959并筛选差异基因(differentially expressed genes,DEGs),利用DAVID数据库分析DEGs获得其GO富集分析和KEGG信号通路分析的结果。利用STRING数据库构建蛋白互作网络,再将结果导入Cytoscape软件中模块化核心基因并绘制蛋白互作网络图。结果筛选获得了123个差异基因,其中表达上调的基因38个,表达下调的基因85个。GO富集分析表明DEGs主要参与了趋化因子调节、CXCR趋化因子受体结合和血管生成正向调控等生物学过程,KEGG信号通路富集分析主要包括了趋化因子信号通路、Rap1信号通路和血管平滑肌收缩等信号通路。模块化分析获得了7个核心基因分别为:CXCL1、CXCL8、CXCL6、ADRA2A、ADCY8、S1PR1和SAA1。结论通过生物信息学分析获得类风湿关节炎的DEGs、核心基因、生物学过程和信号通路等信息,为探究类风湿关节炎的发病机制、发现诊断标志物和探索新治疗靶点提供理论依据与新的方向。     

人外周血细胞放射损伤相关基因的生物信息学

目的从基因水平揭示放射前后人外周血细胞的变化。方法从基因表达数据库(GEO)中下载两组经放射处理后人外周血基因芯片数据,利用Qlucore Omics Explorer 3.0软件筛选差异表达基因,STRING、DAVID等在线分析工具对差异表达基因进行下一步的生物信息学分析。结果共筛选出94个共同差异表达基因,其中共同表达上调31个,共同表达下调11个,这些差异表达基因主要涉及到细胞凋亡的调控,细胞程序性死亡的调控,细胞死亡的调控,细胞周期的调控,DNA损伤应答,胞内信号转导等的分子功能及生物学过程。通过STRING分析,发现泛素C(UBC)、增殖细胞核抗原(PCNA)、鼠双微体基因-2(MDM2)处在核心节点位置,并参与p53通路。结论通过生物信息学的方法分析得出UBC、PCNA、MDM2可能成为潜在的防护放射后损伤的靶点。     

骨髓增生异常综合征进展过程中核心基因的生物信息学分析

目的 应用生物信息学方法分析驱动骨髓增生异常综合征(myelodysplastic syndrome,MDS)疾病进展过程中的核心(hub)基因.方法 从GEO数据库下载MDS的表达谱数据GSE19429,利用GEO2R筛选差异表达的基因,应用Web-Gestalt在线数据库对其功能和通路进行富集分析,运用STRING...     

通过生物信息学方法筛选肺鳞癌潜在关键基因

目的:通过分析肺鳞癌及癌旁组织差异表达基因,初步筛选潜在生物标志物。方法:从公共基因表达数据库(GEO)下载肺鳞癌的芯片数据集。利用R语言limma包对原始数据进行预处理并筛选差异表达基因,通过R语言的clusterProfiler包对差异表达基因进行GO和KEGG分析。利用STRING在线软件分析差异基因表达蛋白之间的相互作用,并通过Cytoscape筛选关键基因,进而用GEPIA在线软件验证关键基因的表达情况。结果:通过分析共得到734个差异表达基因,其中290个基因在肺鳞癌中上调,444个基因下调。GO分析显示差异表达基因主要参与的生物过程包括细胞外结构组织、体液水平调节、中性粒细胞介导的免疫应答等。KEGG分析显示差异表达基因主要富集在补体系统、细胞周期、DNA复制等信号通路。通过蛋白互作分析筛选出的关键基因包括PCNA、FOS、PTPRC、MMP9、CDK1、CCL2、IL6、GMPS、CCNB1、TOP2A。经验证PCNA、MMP9、CDK1、GMPS、CCNB1、TOP2A在肺鳞癌中表达增高,FOS、PTPRC、CCL2、IL6在癌组织中表达降低。结论:通过生物信息学筛选差异表达基因和信号通路可能有助于肺鳞癌的分子机制研究,筛选得到的核心基因可能成为肺鳞癌的诊断及治疗靶点。     

良恶性乳腺肿瘤外周血基因差异表达研究

目的:利用基因表达谱数据,探讨良恶性乳腺肿瘤患者外周血基因表达变化。方法:从GEO 数据库中获取良性和恶性乳腺肿瘤患者外周血单个核细胞(PBMCs)表达谱。GEO2R 在线工具筛选差异表达基因, DAVID 工具富集基因功能和通路。STRING 数据库构建差异表达基因蛋白产物相互作用的网络,筛选核心基因。结果:良恶性乳腺肿瘤分别筛选到563和237 个差异基因,乳腺癌差异基因涉及白细胞激活、血管生成等生物学过程以及白细胞跨内皮迁移信号通路。IL8、RHOB、ITGB1 等为关键基因。结论:良恶性乳腺肿瘤患者外周血基因表达模式存在明显差异,为将外周血作为替代材料应用于乳腺肿瘤的诊断及监测研究开辟了新思路。     

唾液腺腺样囊性癌中相关微小RNAs及其靶基因的生物信息学分析

目的 探讨唾液腺腺样囊性癌(SACC)潜在的微小RNAs(miRNAs）分子标志物,构建miRNA-mRNA调控网络,并阐明其潜在的分子机制。 方法 从Gene Expression Omnibus(GEO)数据库下载2个SACC的微阵列芯片数据,通过R语言进行分析差异的miRNAs与mRNA。应用FunRich 3.1.3软件对差异miRNA进行转录因子富集分析以及预测差异miRNAs的靶基因。对SACC中差异miRNAs的靶基因进行基因本体论（GO）富集分析与京都基因与基因组百科全书（KEGG）通路富集分析以及蛋白互作分析。使用Cytoscape 3.7.0构建miRNA-mRNA调控网络。 结果 1. 共筛选出144个差异表达的miRNAs (DEMs)和1216个差异表达的mRNAs(DEGs);2. KEGG信号通路富集分析发现,靶基因主要参与Rap1信号通路、丝裂原活化蛋白激酶（MAPK）信号通路、磷脂酰肌醇-3激酶/蛋白激酶B（PI3K/Akt）信号通路以及肌动蛋白细胞骨架的调节;3. STRING蛋白相互作用分析发现,ACSL1、SCD、MGLL、FABP4在蛋白相互作用网络中处于核心地位。 结论 我们筛选出SACC与相对正常组织间差异明显的miRNA和mRNA,并分析发现了这些差异分子主要参与的信号通路和功能。     

Identification of the key pathways and genes involved in HER2-positive breast cancer with brain metastasis

BackgroundThe risk of brain metastasis (BM) in HER2-positive (+) breast cancer (BC) patients is significantly higher than that in HER2-negative (-) BC patients. The high incidence and mortality rate makes it urgent to elucidate the key pathways and genes involved and identify patients who are more at risk of developing BM.Materials and methodsTo identify the target genes in HER2+BC patients with BM, we analyzed the microarray datasets (GSE43837) derived from the Gene Expression Omnibus (GEO) database. The GEO2R tool was used to extract the differentially expressed genes (DEGs) involved in HER2+ primary BC and BC with BM. Bioinformatics methods including Gene Ontology (GO) functional annotation analysis and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway enrichment analysis were performed with the screened DEGs. The protein-protein interactions of the DEGs were analyzed using the Search Tool for the Retrieval of Interacting Genes (STRING) database and visualized using Cytoscape software. Finally, GSEA analysis was performed to identify the hub genes and the important pathways.ResultsA total of 751 upregulated and 285 downregulated DEGs were identified. The GO function and KEGG pathway enrichment analyses indicated that the DEGs were all enriched in the protein binding molecular function. The top five hub nodes were screened out, included PHLPP1, UBC, ACACB, TGFB1, and ACTB. The GSEA results demonstrated that the five hub genes are mainly enriched in the ribosomal pathway.ConclusionOur study suggests that the five hub genes (PHLPP1, UBC, ACACB, TGFB1, and ACTB) are associated with HER2+BC with BM. The GSEA analysis revealed that the ribosomal pathway seems to play a very important role in the pathogenesis of HER2+BC with BM.     

溶质载体家族6成员1通过调节PI3K/Akt信号通路磷酸化促进乳腺癌细胞的迁移和侵袭

目的 探讨溶质载体家族6成员1（SLC6A1）对乳腺癌细胞迁移和侵袭的影响及分子机制。 方法 下载并综合分析数据集GSE125989和GSE100534,筛选差异基因;通过STRING数据库和Cytoscape 3.6.1 软件构建差异基因的蛋白相互作用网络,并筛选hub基因;通过Ualcan和GEPIA数据库检测hub基因SLC6A1在乳腺癌中的表达及其对预后的影响;转染SLC6A1-siRNA干扰乳腺癌细胞MDA-MB-231中SLC6A1的表达;细胞划痕实验和Transwell实验检测乳腺癌细胞迁移和侵袭能力的变化;基因集富集分析和Western blotting检测SLC6A1在乳腺癌中发挥作用的机制;采用SC79激活Akt通路并检测细胞迁移和侵袭能力的变化。 结果 共筛选出92个乳腺癌原位癌与转移瘤的差异基因,并确定Ⅰ型胶原蛋白α1（COL1A1）、血管内皮生长因子A（VEGFA）、SLC6A1等20个hub基因;SLC6A1在乳腺癌组织中高表达（P＜0.001）,且与患者预后相关（P=0.01）;SLC6A1表达被干扰后,乳腺癌细胞迁移和侵袭能力显著下降（P＜0.05）;SLC6A1表达降低可抑制PI3K/Akt信号通路的磷酸化（P＜0.05）;激活PI3K/Akt通路后 SLC6A1-siRNA对乳腺癌细胞迁移和侵袭的抑制作用消失（P＜0.05）。 结论 SLC6A1通过调节PI3K/Akt信号通路促进乳腺癌的侵袭和转移。     

Identification of epithelial-mesenchymal transition-related circRNA-miRNA-mRNA ceRNA regulatory network in breast cancer

BackgroundCircular RNAs (circRNAs) have attracted lots of attention in tumorigenesis and progression. However, circRNAs as crucial regulators in epithelial-mesenchymal transition have not been systematically identified in breast cancer. The purpose of our research was to investigate the circRNA network associated with epithelial-mesenchymal transition in breast cancer.MethodsExpression profiling data of circRNAs were identified by circRNA microarray in transfected ZEB1 and control breast cancer cells. The differentially expressed circRNAs, miRNAs, and mRNAs were determined via fold change filtering. The competing endogenous RNAs (ceRNAs) network was established on the foundation of the relationship between circular RNAs, miRNAs and mRNAs. The CytoHubba was used to determine the hub genes from the protein-protein interaction (PPI) regulatory network. The GEPIA database was used to observe the expression of the hub genes mRNA between breast cancer tissues and normal tissues. The HPA database was applied to investigate the expression of six hub genes at the protein level. Morever, we further used Kaplan–Meier plotter to perform survival analysis of these hub genes.ResultsThe top three up-regulated differential expressed circRNAs were identified by circRNA microarray. Following the Real-time PCR validation of the three circRNAs, two circRNAs (hsa_circRNA_002082 and hsa_circRNA_400031) were selected for further analysis. After the predicted target miRNA, ten circRNA-miRNA interactions including two circRNAs and ten miRNAs were determined. Furthermore, the Venn diagram was used to intersect the predicted target genes and the differentially expressed genes, and screened 174 overlapped genes. Subsequently, we constructed a PPI network, and selecting six hub genes, containing KIF4A, CENPF, OIP5, ZWINT, DEPDC1, BUB1B. The mRNA expression levels of the six hub genes were obviously up-regulated in breast cancer. The protein expression levels of KIF4A, CENPF, OIP5, and DEPDC1 were significantly increased in breast cancer tissues. Moreover, the survival analysis results revealed that high expression of the six hub genes were obviously correlated with poor prognosis of breast cancer patients.ConclusionsOur study constructed and analyzed a circRNA-associated ceRNA regulatory network and discovered that hsa_circRNA_002082 and hsa_circRNA_400031 may mechanism as ceRNAs to serve key roles in breast cancer epithelial-mesenchymal transition.     

乳腺癌外周血单个核细胞与间质免疫微环境的关系研究

目的探讨乳腺癌免疫微环境与外周血的关系。方法应用BRB-Array Tools软件对公共基因芯片数据库GEO中的乳腺癌间质及乳腺癌患者外周血单个核细胞基因芯片表达数据进行统计学分析,找出在乳腺癌间质及外周血单个核细胞均发生变化的基因,DAVID工具进一步分析其功能及参与的生物学通路。PINA蛋白质互作平台分析这些基因的蛋白质相互作用情况。结果比较后得到共同差异表达的103条基因,失调方向一致的基因70条,功能涉及炎症反应、髓系细胞分化、白细胞激活、抗原加工提呈等多种免疫相关的生物学过程。结论乳腺癌患者外周血单个核细胞基因表达改变,与肿瘤间质微环境具有一定相似度,有望建立基于外周血的免疫微环境分子预测,为乳腺癌的治疗靶点及预后判断的研究开辟新思路。     

In silico analysis of the potential mechanism of telocinobufagin on breast cancer MCF-7 cells

Backgrounds and aims

The extractives from a ChanSu, traditional Chinese medicine, have been discovered to possess anti-inflammatory and tumor-suppressing abilities. However, the molecular mechanism of telocinobufagin, a compound extracted from ChanSu, on breast cancer cells has not been clarified. The aim of this study is to investigate the underlying mechanism of telocinobufagin on breast cancer cells.