结肠癌相关生物标记物和信号通路的生物信息学筛选

背景:结肠癌是最常见的恶性肿瘤之一,生物信息学方法能有效挖掘基因芯片数据,筛选结肠癌相关的候选生物标记物。目的:使用生物信息学方法并结合肿瘤公共数据库的分析来筛选结肠癌可能的生物标记物。方法:从GEO数据库中下载GSE44861基因表达谱,以R软件"limma"包筛选差异表达基因,行GO和KEGG分析,并构建蛋白质-蛋白质相互作用(PPI)网络,选择核心模块并验证核心基因。结果:芯片GSE44861包含来自肿瘤和癌旁正常组织的111个结肠组织。在结肠癌组织中筛选出367个差异表达基因,包括123个上调基因和244个下调基因。GO和KEGG分析显示,差异表达基因分别在生物过程和15条KEGG通路中富集。PPI网络模块鉴定出6个核心基因,结肠癌组织中CXCL1、CXCL3表达升高,CXCL12、LPAR1、PYY、SST表达降低,与验证集GSE44076、Oncomine数据库、GEPIA数据库的验证结果一致。结论:本研究所鉴定的差异表达基因和核心基因可促进对结肠癌分子机制的理解,并且可能成为结肠癌诊断和治疗的分子生物标记物。     

基于转录组学数据分析痛风合并动脉粥样硬化的发病机制

目的]采用GEO数据库探讨痛风合并动脉粥样硬化(As)的共同发病机制。 [方法]从GEO数据库中下载痛风(GSE160170)和As(GSE100927)的基因表达矩阵,分析痛风和As的差异表达基因(DEG),并分别进行富集分析。在分析共同差异表达基因(CDEG)后,对其进行功能富集分析、蛋白质-蛋白质相互作用(PPI)网络分析和核心基因(HG)鉴定,并对HG进行共表达分析及验证。最后,分析痛风、As的免疫细胞浸润,同时探索HG与浸润免疫细胞(IIC)之间的相关性。 [结果]GSE160170数据集中获得了1 606个DEG,GSE100927数据集中获得了481个DEG。其中的22个CDEG富集分析结果表明,细胞因子的调控作用可能是痛风合并As的关键机制。通过使用CytoHubba插件识别了6个HG(CCR2、CD2、FCGR3A、FGD3、IL10RA、SIGLEC1),结果显示这些HG尚且可靠。共表达网络显示这些HG可以影响肿瘤坏死因子超家族细胞因子产生的调节作用。免疫细胞浸润分析表明,痛风中的NK细胞表达显著增加,且与CCR2基因呈显著相关;As中的活化肥大细胞表达显著增加,且与CD2基因呈显著相关。 [结论]肿瘤坏死因子超家族细胞因子产生的调节作用很可能是痛风合并As的核心因素。     

结直肠癌细胞中TAZ调控MUC13和GXYLT1表达及其对结直肠癌患者的临床预后价值

[目的]探索TAZ,MUC13/GXYLT1在结直肠癌组织的表达相关性及其对结直肠癌患者的临床预后价值.[方法]从GSE数据库(GSE39904)下载结直肠癌SW480细胞干扰TAZ表达后mRNA表达芯片的数据,用热图显示差异表达基因结果.从TCGA数据库下载结直肠癌患者基因mRNA表达量及相关临床信息,用Spearm...     

基于GEO数据库的克罗恩病差异表达基因生物信息学分析

目的 寻找克罗恩病(Crohn's disease,CD)的差异表达基因,进一步筛选与CD发生相关的潜在靶点,为CD的防治提供新思路.方法 从GEO数据库下载GSE83448基因芯片,利用GEO2R在线分析工具筛选出CD患者与健康人群肠黏膜组织的差异表达基因(P<0.05,logFC>1.5),并采用GraphPad ...     

结直肠癌相关差异表达基因的生物信息学分析

背景:结直肠癌(CRC)是消化系统常见肿瘤,发病率和死亡率较高。目的:应用生物信息学方法对CRC差异表达基因进行分析,筛选与CRC发生、发展相关的基因。方法:从公共基因表达数据库(GEO)下载CRC基因芯片GSE32323、GSE21510、GSE9348数据集,使用R语言筛选差异表达基因。在DAVID数据库中对差异表达基因行GO和KEGG分析。应用STRING、Cytoscape构建蛋白质-蛋白质相互作用(PPI)网络,筛选出CRC的核心基因。结果:在三个数据集中共筛选出834个CRC共同差异表达基因,包括376个上调基因和456个下调基因。GO分析表明差异表达基因主要参与细胞分裂、增殖、代谢等过程。KEGG分析显示差异表达基因主要富集于p53通路和细胞外基质蛋白通路。PPI网络共筛选出20个核心基因。结论:运用生物信息学方法对CRC基因芯片进行分析可为CRC发病机制、肿瘤标记物的筛选和治疗药物靶点的选择提供理论基础。     

基于生物信息学分析的结核病诊断及治疗新型生物标志物的筛选

目的 利用生物信息学方法筛选结核病诊断和治疗的潜在新型生物标志物。方法 从美国基因表达数据库(the Gene Expression Omnibus, GEO)下载数据集GSE34608和GSE54992用于筛选结核病的差异表达基因(DEG),通过R软件对DEGs进行基因本体论(Gene Ontology, GO)和京都基因与基因组百科全书数据库(Kyoto Encyclopedia of Genes and Genomes, KEGG)通路富集分析,登陆STRING网站进行差异表达基因间的蛋白-蛋白相互作用(Protein-Protein Interaction, PPI)分析,并利用Cytoscape软件分析PPI的关键模块和关键基因。利用基因数据集GSE116542、GSE34608、GSE25435筛选共同差异表达miRNA(DE miRNA),采用实时定量聚合酶链反应(qRT-PCR)验证筛选的关键基因,采用Cytoscape软件构建DEG-DE miRNA网络。结果 共筛选出379个差异表达基因,其中225个基因表达上调,154个基因表达下调。这些DEGs主要与先天免疫反应...     

基于生物信息学技术筛选缺血性脑卒中相关转录因子及中药活性成分研究

目的 基于生物信息学技术筛选缺血性脑卒中（IS）相关转录因子（TF）及中药活性成分。方法 在基因表达综合数据库（GEO）中选择GSE16561、GSE58294、GSE162955芯片数据集，使用R 4.0.5软件对GSE16561、GSE58294数据集进行预处理并筛选差异表达基因（DEGs），然后进行基因集富集分析（GSEA）。通过STRING平台构建DEG的蛋白质-蛋白质相互作用（PPI）网络并筛选关键DEG，通过GSE162955数据集绘制ROC曲线，以评估关键DEG对IS的诊断价值；然后通过TRRUST平台构建TF-miRNA-核心DEG调控网络，筛选枢纽TF、主要miRNA及核心DEG。通过Coremine Medical及Uniprot平台预测并筛选IS相关中药活性成分。结果 韦恩图结果显示，GSE16561数据集和GSE58294数据集的交集DGEs共220个，包括130个上调DGEs和90个下调DEGs。GSEA结果显示，KEGG通路主要富集在MAPK信号通路、神经营养因子信号通路和趋化因子信号通路；GO功能生物过程主要富集在中心粒细胞外渗，细胞成分主要富集在细胞器内...     

基于数据库分析INHBA基因在胃癌中的表达及临床意义

目的 筛选并分析胃癌发生发展中INHBA基因的表达及其与临床病理特征和预后的关系.方法 通过生物信息学方法分析基因表达综合数据库(GEO)胃癌相关基因芯片GSE79973、GSE13911、GSE19826筛选出差异表达显著的关键基因INHBA.运用GEPIA数据和UALCAN数据库分析INHBA基因在正常胃黏膜组织和...     

趋化因子CXCL12/CXCR4轴与lgr5基因在结直肠癌组织中的表达

目的 探讨人结直肠癌组织中趋化因子CXCL12/CXCR4轴、干细胞标志物lgr5基因的表达变化及与临床病理特征间的关系.方法 采用SYBR Green实时定量PCR检测27例结直肠癌组织、27例匹配的远端切缘正常组织中CXCL12、CXCR4及lgr5 mRNA表达.结果 结直肠癌组织中CXCR4、lgr5 mRNA表达明显高于匹配正常组织(P＜0.01),CXCL12 mRNA表达水平低于正常组织(P＜0.01).结直肠癌组织CXCL12、CX-CR4及lgr5mRNA在不同性别、年龄、肿瘤原发部位、大小、组织学类型组间表达差异均无统计学意义(均P＞0.05).但有淋巴结转移组CXCR4及lgr5 mRNA表达高于无淋巴结转移组,且有淋巴结转移组CXCL12 mRNA表达下降更显著(P＜0.05).结论 CXCL12基因表达下调、CXCR4、lgr5基因表达上调参与了结直肠癌组织生长及转移,CXCL12/CXCR4生物轴、lgr5有望成为抗肿瘤治疗的新靶点.     

CXCL13及其受体CXCR5与结直肠癌转移及KRAS基因突变关系的探讨

目的观察趋化因子CXCL13及其受体CXCR5在结直肠癌转移灶中的表达变化,探讨其与结直肠癌转移及KRAS基因突变的关系。方法选择97例结直肠癌组织标本（观察A组）、51例淋巴结转移灶标本（观察B组）,同时选择52例正常结直肠标本（对照A组）和43例正常淋巴结标本（对照B组）。用免疫组织化学法检测CXCL13及CXCR5蛋白在上述组织中的表达,分析其与临床病理参数、患者生存时间之间的关系。用Real Time PCR法检测148例结直肠癌组织KRAS基因突变情况,并分析其与CXCL13及CXCR5蛋白表达的关系。结果CXCR5在上皮细胞的表达率较高,CXCL13在间质细胞的表达较高。CXCL13及其受体CXCR5蛋白在结直肠癌组织的表达高于正常组织（P〈0.05）,在转移淋巴结中的表达明显高于正常淋巴结（P〈0.05）。在结直肠癌原发灶和淋巴结转移灶中,CXCL13及其受体CXCR5蛋白的表达均具有明显的相关性（P〈0.05）。在CXCL13及其受体CXCR5表达的患者中,其中位生存时间明显短于其阴性表达者（P均〈0.05）。观察A组KRAS基因突变型36例（其中CXCL13表达阳性12例、CXCR5表达阳性17例）,野生型61例（其中CXCL13表达阳性23例、CXCR5表达阳性23例）,CXCL13及CXCR5蛋白表达与KRAS基因是否发生突变均有相关性（P均〈0.05）。观察B组KRAS基因突变型20例（其中CXCL13表达阳性16例、CXCR5表达阳性14例）,野生型31例（其中CXCL13表达阳性8例、CXCR5表达阳性11例）,CXCL13及CXCR5蛋白表达与KRAS基因是否发生突变均有相关性（P均〈0.05）。结论趋化因子CXCL13及其受体CXCR5蛋白在结直肠组织淋巴细胞的归巢及结直肠癌淋巴结的转移中发挥重要的作用,对预测结直肠癌的转移及评估预后有一定的价值。CXCL13及CXCR5蛋白表达与KRAS基因突变具有较高的一致性。     

急性胰腺炎基因表达谱芯片的生物信息学分析及药物筛选

目的应用生物信息学方法筛选急性胰腺炎(AP)差异表达基因(DEGs)及相应的候选治疗药物。方法从基因表达数据库(GEO)中下载小鼠AP相关的高通量芯片数据集(GSE109227和GSE65146),使用GEO2R筛选DEGs。利用DAVID数据库对DEGs进行基因本体功能富集和通路富集分析。在String数据库中建立蛋白-蛋白相互作用关系(PPI)并利用Cytoscape软件进行可视化,筛选出子网络模块和关键基因。预测关键基因相关的miRNAs并通过比较毒物遗传学数据库(CTD)针对关键基因进行治疗药物的筛选。结果从高通量芯片数据集GSE109227和GSE65146中共筛选到130个上调基因和16个下调基因。DEGs主要参与炎症反应、中性粒细胞趋化、TNF介导的细胞反应、正调控基因表达等生物学过程,且参与细胞外基质受体相互作用、肌动蛋白细胞骨架的调控、白细胞内皮迁移、Focal adhesion等信号通路。在PPI网络中,共筛选出12个关键基因和6个子网络模块。miR-199a-5p、miR-1-3p等miRNAs可能作用于关键基因转录后调控。CTD数据库中筛选到染料木黄酮、白藜芦醇、槲皮素可降低关键基因表达水平。结论利用生物信息学方法筛选的相关基因可能在AP发生中具有重要作用,并可作为药物的筛选依据。     

HCC组织CDC20表达及其与发病机制的关系研究

目的 肝细胞癌(HCC)是世界上最常见的肝恶性肿瘤之一。HCC的病因和潜在的分子事件尚不清楚。我们应用综合生物信息学技术识别与HCC相关的关键致病基因细胞分裂周期20(CDC20),并揭示其潜在的分子机制。方法 从Gene Expression Omnibus (GEO)数据库下载GSE36376基因表达谱,共433个样本,其中HCC组织240例,正常肝组织193例,用综合生物信息学方法进行深入分析。应用RStudio中的R软件筛选HCC和正常肝组织差异表达基因(DEG),从STRING数据库中构建DEG的蛋白质-蛋白质相互作用(PPI)网络,应用Metascape在线工具进行富集分析,采用MCODE法对Hub基因进行鉴定。结果 筛选GSE36376数据集得到706个DEG,其中共鉴定出554个下调基因和152个上调基因;从PPI网络中鉴定出DEG关系基因,显著上调基因是UBE2C、CDC20、COL4A1、NUSAP1、HSP90AB1和CDKN3;Metascape富集分析表明,在GO生物过程中,主要集中在小分子分解代谢过程、一元羧酸代谢过程、类固醇代谢过程、辅因子代谢过程、药物分...     

IL2RA is a prognostic indicator and correlated with immune characteristics of pancreatic ductal adenocarcinoma

Pancreatic ductal adenocarcinoma (PDAC) is a highly aggressive and incurable cancer with a dismal prognosis. In this study, we aimed to explore potential predictors for the prognosis and immunological characteristics of PDAC.Estimation of stromal and immune cells in malignant tumors, using expression data (ESTIMATE) method was applied to calculate the immune and stromal scores of 206 PDAC samples from {"type":"entrez-geo","attrs":{"text":"GSE71729","term_id":"71729"}}GSE71729. R package of “limma” was utilized to identify differentially expressed genes (DEGs). Gene ontology (GO) and Kyoto encyclopedia of genes and genomes (KEGG) enrichment analyses were conducted for functional exploration. Protein-protein interaction (PPI) network and Univariate Cox analysis were conducted to select key prognostic genes of PDAC. Gene set enrichment analysis (GSEA) was applied to investigate the roles of IL2RA in PDAC. Single sample GSEA (ssGSEA) was performed to evaluate the immunological characteristics of PDAC samples. Wilcoxon rank sum test was conducted to compare the difference of immunological characteristics of PDAC samples between low IL2RA and high IL2RA. Spearman correlation analysis was used to explore the correlations of IL2RA expression and immune checkpoint genes.A total of 747 DEGs were identified between low and high immune/stromal groups. Functional exploration revealed upregulated DEGs were associated with immune-related activities, whereas downregulated DEGs were involved in inflammatory-related activities. IL2RA was selected as the critical gene by overlapping the hub genes in PPI network and prognostic genes. Significantly, IL2RA expression was significantly elevated in PDAC and patients with higher IL2RA expression had worse prognoses. The immunological and oncogenic roles of IL2RA in PDAC were evidenced by GSEA. Furthermore, PDAC samples with high IL2RA expression exhibited increased immune infiltration and better immunotherapy responses. IL2RA expression was positively correlated with PDCD1, CD274, CTLA4, IDO1, TDO2, and TIGT.Higher expression of IL2RA predicts worse survival outcomes and increased immune infiltration in PDAC. PDAC patients with high IL2RA expression might potentially benefit from immunotherapy.     

Identification of potential biomarkers for colorectal cancer by clinical database analysis and Kaplan–Meier curves analysis

This study aimed to explore critical genes as potential biomarkers for the diagnosis and prognosis of colorectal cancer (CRC) for clinical utility. To identify and screen candidate genes involved in CRC carcinogenesis and disease progression, we downloaded microarray datasets {"type":"entrez-geo","attrs":{"text":"GSE89076","term_id":"89076"}}GSE89076, {"type":"entrez-geo","attrs":{"text":"GSE73360","term_id":"73360"}}GSE73360, and {"type":"entrez-geo","attrs":{"text":"GSE32323","term_id":"32323"}}GSE32323 from the GEO database identified differentially expressed genes (DEGs), and performed a functional enrichment analysis. A protein-protein interaction network was constructed, and correlated module analysis was performed using STRING and Cytoscape. The Kaplan–Meier survival curve shows the survival of the hub genes. The expression of cyclin-dependent kinase (CDK1), cyclin B1 (CCNB1), and PCNA in tissues and changes in tumor grade were analyzed. A total of 329 DEGs were identified, including 264 upregulated and 65 downregulated genes. The functions and pathways of DEGs include the mitotic cell cycle, poly(A) RNA binding replication, ATP binding, DNA replication, ribosome biogenesis in eukaryotes, and RNA transport. Forty-seven Hub genes were identified, and biological process analysis showed that these genes were mainly enriched in cell cycle and DNA replication. Patients with mutations in CDK1, PCNA, and CCNB1 had poorer survival rates. CDK1, PCNA, and CCNB1 were significantly overexpressed in the tumor tissues. The expression of CDK1 and CCNB1 gradually decreased with increasing tumor grade. CDK1, CCNB1, and PCNA can be used as potential markers for the diagnosis and prognosis of CRC. These genes are overexpressed in colon cancer tissues and are associated with low survival rates in CRC patients.     

动脉性肺动脉高压相关基因的生物信息学分析

目的通过GEO数据库转录组和miRNA基因芯片数据筛选和分析动脉性肺动脉高压相关基因。方法通过GEO数据库收集转录组数据集(GSE113439、GSE53408)和miRNA数据集(GSE21284、GSE55427)。使用R3.5.2软件进行差异分析,筛选差异表达基因和miRNA,通过miRNet数据库筛选差异miRNA的靶基因,利用FunRich 3.13软件分析共同差异基因。最后用Cytoscape 3.7.2软件进行动脉性肺动脉高压相关生物过程和通路分析,筛选与动脉性肺动脉高压致病机制相关的潜在基因。结果最终分析确定188个上调基因、50个miRNA、20个生物过程和通路。其中与细胞增殖、迁移、凋亡及免疫紧密相关的GO生物过程和Reactome通路有5个:GO:0097581细胞板状伪足相关、GO:0030866皮质肌动蛋白细胞骨架相关、GO:0002886骨髓来源的白细胞介导的免疫调节相关、GO:0031122细胞质微管组织和生物发生相关、R-HSA:400253昼夜节律相关。参与调控的主要相关基因为:ANLN、BIRC3、CHD9、CLOCK、CXCL8、DST、FER、HIF1A、KIF23、PCM1、PLS1、ROCK2、TWF1。miRNA为hsa-miR-129-5p、hsa-miR-485-3p、hsalet-7b-5p、hsa-miR-215、hsa-miR-519a-3p、hsa-miR-519c-3p、hsa-miR-98-5p、hsa-miR-380-3p、hsa-miR-155-5p、hsa-miR-23a-3p、hsa-miR-642-5p。结论筛选出的基因ANLN、BIRC3、CLOCK、DST、FER、KIF23、PCM1、PLS1、TWF1可能关系到血管重构,这为动脉性肺动脉高压的治疗提供新的思路,为发展新的抗血管重构治疗提供更多可能的手段。     

非小细胞肺癌差异基因的筛选及预后分析

目的利用生物信息学方法分析非小细胞肺癌(NSCLC)基因表达谱芯片,筛选差异基因,分析其与预后的关系。方法从GEO数据库下载芯片数据(GSE19804、GSE27262、GSE18842),利用GEO2R软件筛选差异基因,通过基因本体(GO)和京都基因与基因组百科全书(KEGG)进行差异基因的功能及通路富集分析,用STRING数据库构建蛋白-蛋白相互作用网络,Cytoscape筛选出核心基因。Kaplan-Meier plotter数据库进行预后分析,采用实时荧光定量PCR(QPCR)检测目的基因在NSCLC组织中的表达。结果共筛选出401个差异表达基因,GO分析结果表明差异基因主要参与血管生成、细胞粘附、调节细胞增殖等生物学过程。通过Cytoscape软件筛选出29个核心基因。预后分析显示ASPM低表达患者的总生存期较高表达患者明显延长。QPCR显示ASPM在NSCLC组织中高表达,差异有统计学意义。结论ASPM在NSCLC组织中高表达,与患者的预后相关,可能是NSCLC潜在的治疗靶点。     

Bioinformatics analysis of differentially expressed genes in tumor and paracancerous tissues of patients with lung adenocarcinoma

BackgroundLung adenocarcinoma is the main pathological type of non-small cell lung cancer (NSCLC). In this study, we analyzed the gene expression profile of lung adenocarcinoma tumor and paracancerous tissues by bioinformatics to assess the genes and signal pathways related to lung adenocarcinoma.MethodsThe expression data of {"type":"entrez-geo","attrs":{"text":"GSE7670","term_id":"7670"}}GSE7670, {"type":"entrez-geo","attrs":{"text":"GSE27262","term_id":"27262"}}GSE27262, and {"type":"entrez-geo","attrs":{"text":"GSE32863","term_id":"32863"}}GSE32863 were downloaded from the Gene Expression Omnibus (GEO) database. The three microarray data sets were integrated to obtain common differential expression genes of lung adenocarcinoma tumor and adjacent tissues. The STRING database was used to construct the protein-protein interaction (PPI) network of lung adenocarcinoma and mine the gene modules and core genes in the network, and the online tools, GEPIA and Kaplan-Meier plotter were used to further verify and analyze the core genes.ResultsThere were 109 pairs of lung adenocarcinoma tissues and matched paracancerous normal lung tissues in the three data sets. Eighty-three differentially expressed genes were identified, including 16 up-regulated and 67 down-regulated genes, and 60 differentially expressed genes were successfully incorporated into the PPI network complex. Eleven core genes were identified in the PPI network complex, including three up-regulated (COMP, SPP1, COL1A1) and eight down-regulated genes (CDH5, CAV1, CLDN5, LYVE1, IL6, VWF, TEK, PECAM1). These core genes were verified by the GEPIA tumor database. Survival analysis showed that expression of the core genes was significantly related to the prognosis of lung adenocarcinoma. KEGG pathway analysis of core genes showed six genes (COMP, SPP1, COL1A1, IL6, VWF, TEK) were significantly enriched in the PI3K-Akt signaling-pathway (P=1.62E-06).ConclusionsBy analyzing the differential expression genes of lung adenocarcinoma and paracancerous normal tissues with bioinformatics, 11 genes with significant differential expression and significant influence on prognosis were identified. The findings may provide new concepts for developing diagnosis and treatment targets and prognosis markers for lung adenocarcinoma.