基于生物信息学筛选分析脓毒症预后相关核心基因

目的 基于生物信息学分析影响脓毒症预后的潜在核心基因。方法 利用基因表达数据库(Gene Expression Omnibus,GEO)筛选到脓毒症患者的基因表达数据集GSE54514和GSE65682,通过加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)和维恩分析筛选与脓毒症预后相关的关键基因,采用Metascape数据库、RcisTarget包和CIBERSORT算法进行基因功能富集分析、转录因子富集分析及免疫浸润分析。选取数据集GSE5772进行验证,筛选与脓毒症预后相关的核心基因并使用Kaplan-Meier法进行生存分析。结果 对数据集GSE54514、GSE65682分别进行WGCNA分析,筛选出与脓毒症预后相关性最高的“绿色”和“棕色”模块,并对两个模块的基因取交集,维恩分析得到20个关键基因。这些关键基因主要富集在细胞形态调节、单核细胞迁移等通路上。转录因子富集分析显示转录因子ZNF148可能是基因集的主要调控因子之一。进一步通过数据集GSE5772验证,发现基因FGD3、MBP、MSN、RNF130和SETD1B在脓毒症患者中明显低表达(P＜0.05)。免疫浸润分析表明这5个核心基因均与免疫细胞含量密切相关,其中只有FGD3、MSN和RNF130的表达与脓毒症患者的生存率相关(P＜0.05)。结论 基于生物信息学分析筛选到与脓毒症预后相关的5个核心基因,这些基因与免疫细胞密切相关,其中基因FGD3、MSN和RNF130可能是脓毒症预后的重要预测因子。     

脓毒症心肌功能障碍关键基因的筛选及生物信息学分析

目的 筛选脓毒症心肌功能障碍(SIMD)的关键基因,分析其主要参与的生物学过程.方法 利用R软件对脓毒症患者及SIMD小鼠模型的数据集进行差异分析,提取SIMD相关基因,并进行生物学分析、相关性分析及蛋白质-蛋白质相互作用网络分析.结果 脓毒症小鼠模型、脓毒症患者分别有143个和318个差异基因,其中包含84个SIMD...     

基于生物信息学分析胰腺癌的关键基因

目的 利用生物信息学分析胰腺癌发生、发展的关键基因,为胰腺癌的早期诊断、预后评估及靶向治疗提供理论依据。方法 从GEO数据库中获取GSE15471基因芯片数据集,在线分析工具GEO2R筛选差异表达基因,并对差异表达基因进行GO、KEGG富集分析和蛋白互作网络分析,利用Cytoscape软件的cytoHubba插件筛选出关键基因,通过GEPIA数据库对关键基因再次验证。结果 从GSE15471基因芯片中共筛选出267个显著差异表达基因,其中上调基因232个,下调基因35个。富集分析显示差异表达基因主要涉及细胞黏附、PI₃K-Akt信号通路、蛋白水解、炎性反应、胶原分解代谢、免疫反应等。通过蛋白互作网络筛选出11个关键基因,下调基因ALB、EGF,上调基因MMP2、CXCL8、FN1、COL1A1、SPP1、MMP1、ITGA2、COL3A1、CRP。GEPIA数据库中关键基因表达情况与基因芯片分析结果一致,生存分析显示胰腺癌患者总生存时间与MMP1、ITGA2基因表达高低相关。结论 生物信息学筛选出的11个关键基因在胰腺癌的发生、发展中有重要作用,是潜在的胰腺癌特异肿瘤分子学标志物和靶向治疗新位点。     

综合生物信息学分析鉴定与胃癌预后相关关键基因

目的 综合生物信息学方法分析识别与胃癌预后相关关键基因,探讨其能否作为胃癌预后预测的潜在生物标志物.方法 从美国高通量基因表达(Gene Expression Omnibus,GEO)数据库下载胃癌患者基因芯片数据集(GSE79973)并在癌症和肿瘤基因图谱(The Cancer Genome Atlas,TCGA)数...     

脓毒症患者生存网络构建与预后关键基因筛选

目的 构建脓毒症患者生存网络与筛选预后相关的关键基因,为进一步研究影响脓毒症预后的机制奠定基础。方法 从GEO数据库中下载两个基因芯片数据集GSE54514和GSE63042,两个数据集通过对数均一化处理后筛选出共同差异基因(P<0. 05);共同的差异基因通过DAVID进行基因注释(GO)与信号通路富集分析,并通过蛋白-蛋白相互作用(PPI)数据库STRING构建生存网络图; GCBI基因雷达分析相互调控关系,位于网络核心的基因进一步结合患者的生存时间筛选出与患者预后的关键基因。结果 两个数据集共筛选出688个共同差异基因; GO注释与信号通路富集分析显示差异基因主要富集到细胞死亡与凋亡进程、胰岛素信号通路、细胞因子信号通路等;通过STRING分析筛选出96个相互联系紧密的基因构建出生存网络,这些基因均在生存组中表达增高,生存分析发现基因MAPK3、MBP、SPI1、STAT5A与患者的生存时间成正相关,且参与广泛的基因间调节作用。结论 生物信息学技术有助于脓毒症预后的关键基因筛选,基因MAPK3、MBP、SPI1、STAT5A与脓毒症患者的预后相关,有望成为其新的研究靶点。     

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...     

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...     

基于生物信息学分析ANCA相关性血管炎肾损害关键基因

目的 通过生物信息学方法 探究抗中性粒细胞胞质抗体(ANCA)相关性血管炎肾损害发生、发展的关键基因,寻找潜在的特异性分子标志物,为治疗ANCA相关性血管炎肾损害潜在靶标提供理论依据.方法 从GEO数据库检索获得GSE108109和GSE108113芯片数据,利用R语言相关程序包处理、分析基因芯片GSE108109并筛...     

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。     

胃腺癌的关键基因及通路的生物信息学分析

目的 通过生物信息学方法探索胃腺癌的关键基因及相关通路并进行初步验证,为确定胃腺癌相关的新型生物标志物提供候选基因。方法 分析GSE103236、GSE79973和GSE54129数据集以获得差异表达基因,进行基因本体论（GO）分析和京都基因与基因组百科全书（KEGG）分析,通过STRING数据库构建蛋白质-蛋白质相互作用（PPI）网络,通过基因集富集分析（GSEA）GSE118916数据集以验证生物学过程。使用癌症基因组图谱（TCGA）胃腺癌数据库分析这些关键基因与预后的关联。通过在MKN45胃腺癌细胞系中加入5-氟脲嘧啶（5-Fu）以探索上述关键基因在化疗后的变化。结果 从GSE103236、GSE79973和GSE54129分别鉴定出289、576和763个差异表达基因,其共有的差异表达基因有205个。这些差异基因主要富集在消化过程和细胞外基质形成等生物学过程和细胞色素P450对异生物质的代谢和药物代谢-细胞色素P450等通路上。通过Cytoscape的CytoHubba插件获得了9个关键基因,分别是Ⅰ型胶原α1亚基（COL1A1）、Ⅱ型胶原α1亚基（COL1A2）、Ⅳ型胶原α1...     

上尿路梗阻关键基因和通路的生物信息学分析

目的：应用生物信息学方法筛选上尿路梗阻小鼠模型基因表达谱数据,分析关键基因及通路。方法：从基因表达数据库（GEO）下载GSE36496基因表达谱数据集,利用R包绘制箱式图、PCA图、UMAP图评估数据质量,并筛选上尿路梗阻组及正常组之间的差异基因;通过STRING数据库构建差异基因蛋白互作网络;利用Cytoscape软件筛选关键基因,并利用R包对关键基因进行GO功能和KEGG通路分析。结果：共筛选到142个差异基因（130个上调基因,12个下调基因）和10个关键基因,分别是白细胞介素6(IL6)、CC基序趋化因子受体2(Ccr2)、整合素alpha M(Itgam)、白细胞介素-1β(IL-1β)、CC基序趋化因子受体7(Ccr7)、小鼠含生长因子样模体黏液样激素样受体（Emr1）、生长相关癌基因-α(Cxcl1)、趋化因子CXC配体2(Cxcl2)、趋化因子配体20(Ccl20)、CXC基序趋化因子配体5(Cxcl5)。功能分析显示,关键基因主要参与炎症相关的功能,通路分析显示关键基因主要富集在炎症相关的通路。结论：应用生物信息学技术能有效筛选和分析上尿路梗阻发展过程中的关键基因及潜...     

基于生物信息学预测甲状腺癌预后相关高风险糖酵解基因及其与患者预后的关系

目的 基于生物信息学预测甲状腺癌预后相关的高风险糖酵解基因,并分析其与患者预后的关系。方法 (1)从TCGA数据库中下载甲状腺癌相关的转录组数据及临床数据,包括癌旁样本和肿瘤样本。从基因集富集分析(GSEA)数据库中搜索所有与糖酵解相关的基因集并进行GSEA,筛选出P<0.05的基因集。(2)应用Perl程序语言提取两种样本中上述基因集的表达量,并采用Wilcoxon检验验证表达量差异,筛选出P<0.05的差异性表达基因;对差异性基因的表达量与生存数据进行相关性分析,得到与甲状腺癌预后相关的糖酵解基因。(3)将预后相关糖酵解基因纳入Cox回归模型构建糖酵解预后模型并计算各临床样本患者的风险值及中位值,根据风险值及中位值将患者划分为高、低风险组,绘制出两组的生存曲线图;根据Cox回归分析结果获得各基因的风险比,筛选出甲状腺癌预后相关的高风险糖酵解基因。(4)采用R软件绘制出糖酵解预后模型预测甲状腺癌患者预后的受试者工作特征(ROC)曲线、糖酵解预后模型预测得到的基因的热图,以及所有样本的时间-生存散点图,并进行预后分析。结果 共获得501例临床样本(56 753个基因)。通过...     

基于生物信息学筛选脓毒症中性粒细胞活化的关键基因

目的基于生物信息学筛选脓毒症中性粒细胞活化的关键基因。 方法从GEO数据库中下载4个成人脓毒症芯片数据集(GSE69528、GSE28750、GSE57065、GSE95233),进行差异表达基因(DEG)筛选。基因本体论(GO)分析DEG,STRING数据库构建蛋白互作网络,Cytoscape软件提取关键基因,CIBERSORT算法估算数据集中的免疫细胞表达水平,ROC曲线评价关键基因对脓毒症患者的诊断价值。取儿童脓毒症相关芯片数据集(GSE66099)进行验证。 结果4个成人脓毒症数据集筛选出299个重叠DEG,其中112个基因上调,187个基因下调。GO主要富集于中性粒细胞活化、中性粒细胞脱颗粒、肽酶调节活性、糖胺聚糖结合、特殊颗粒、囊泡腔等。筛选出脓毒症中性粒细胞活化的关键基因10个,在脓毒症中表达水平均上调,ROC曲线下面积均大于0.7,具有较好的诊断价值。儿童脓毒症数据集验证结果与成人脓毒症数据集结果一致。 结论基于生物信息学方法筛选出脓毒症中性粒细胞活化相关的10个关键基因,为脓毒症的早期诊断、预后判断及治疗提供了潜在新靶点。     

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。     

基于生物信息学筛选小细胞肺癌相关关键基因

目的 筛选与小细胞肺癌(SCLC)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 首先从基因表达综合数据库(GEO)提取含有SCLC癌组织和癌旁组织基因表达数据的数据集GSE43346和GSE40275,用GEO2R在线程序分析SCLC癌组织和癌旁组织之间的差异表达基因(DEGs)。使用DAVID数据库对SCLC的DEGs进行基因本体(GO)功能富集分析以及京都基因和基因组百科全书(KEGG)通路富集分析。使用STRING数据库构建DEGs的蛋白质相互作用网络(PPI),并用Cytoscape软件作图。使用Cytoscape中的MCODE和cytoHubba插件分析重要的功能模块及子模块中的关键基因。结果 GEO数据分析结果显示,SCLC癌组织和癌旁组织共有232个DEGs(151上调基因,81个下调基因)。GO富集分析结果显示,DEGs主要参与细胞分裂等生物过程,构成细胞核等细胞组分,发挥蛋白质结合等分子功能。KEGG通路富集分析结果显示,DEGs主要富集于细胞周期、HTLV-I感染、癌症通路等。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10个关键基因可...     

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。     

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。