前列腺癌不良预后相关差异甲基化基因筛选

目的识别与前列腺癌不良预后相关的差异甲基化基因,为寻找治疗靶点提供数据支持。方法利用GEO数据库的4个前列腺癌基因芯片数据集GSE46602、GSE69223、GSE6919和GSE32269进行差异基因的筛选,并与TCGA数据相比对。通过David数据库对其进行功能富集分析。采用String数据库构建了基因编码蛋白之间PPI网络,随后利用Cytoscape软件进行分析并实现可视化。通过TCGA甲基化数据,考量基因的甲基化水平,并利用临床数据观察其差异表达对预后的影响。结果 GEO数据库筛选得到差异基因600个,与TCGA数据比对后,得到差异基因301个。激活了癌症、p I3K-Akt和cGMP-PKG信号通路。构建PPI网络,分析出10个网络关键节点,进一步做差异甲基化分析,发现过表达基因EZH2、TOP2A、GTSE1和HOXC6存在启动子区低甲基化情况,低表达基因CAV1启动子区高甲基化。其中基因EZH2、GTSE1和HOXC6的过表达与前列腺癌的不良预后相关。结论选取不同平台的前列腺癌数据,通过生物信息学分析,筛选出与不良预后相关的差异甲基化基因,为前列腺癌治疗提供新的分子靶点。     

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。     

基于生物信息学分析腹膜透析腹膜细胞的免疫相关基因差异表达北大核心CSCD

目的:应用生物信息学方法分析不同腹膜透析时间的腹膜细胞的免疫相关基因(IRGs)表达差异,探索参与腹膜损伤、腹膜纤维化的重要生物标志物。方法:下载基因芯片数据集GSE125498,利用GEO2R数据库分析平台筛选差异表达基因。从ImmPortPortal数据库下载IRGs列表,并筛选出差异表达的IRGs。应用DAVID、STRING生物信息学分析平台,及Cytoscape软件对筛选所得的差异表达IRGs进行生物学注释(GO)、信号通路富集分析(KEGG)及蛋白质-蛋白质相互作用(PPI)网络分析。结果:与20例短期腹膜透析患者相比,在13例长期腹膜透析患者中筛选出差异表达IRGs 36个(|log2FC|>1.0,校正后P<0.05),其中35个上调基因,1个下调基因。GO分析结果显示差异表达IRG的生物学过程主要富集在免疫应答,细胞学组分主要定位于质膜,子功能主要富集在跨膜信号受体活性,KEGG信号通路主要富集在细胞因子-细胞因子受体的相互作用。在PPI网络中应用MCODE及cytohHubba模块筛选出的关键基因为CCR7、CD40LG、IL7R。结论:随着腹膜透析时间的延长,腹膜细胞的免疫应答活跃,相关基因CCR7、CD40LG、IL7R可能是腹损伤、纤维化形成的重要的免疫学标志物。     

利什曼原虫感染树突状细胞早期基因表达差异分析及关键基因筛选

目的:分析利什曼原虫感染树突状细胞(DCs)早期的基因表达与信号通路变化,探究DCs感染后应答,寻找利什曼原虫感染后基于DCs的免疫治疗方法。方法:GEO数据库下载利什曼原虫感染前后DCs基因芯片数据,RStudio软件筛选差异表达基因(DEGs),STRING构建DEGs蛋白质相互作用网络(PPI),Cytoscape筛选差异表达蛋白质的核心模块,RStudio软件对DEGs进行GO和KEGG富集分析。结果:共筛选出DEGs 129个,其中IL12B与CXCL10差异最为显著,GO分析共富集23个过程,主要涉及病毒感染过程相关细胞反应及Ⅰ-IFN相关免疫反应;KEGG分析共富集3条信号通路,分别为甲型流感、麻疹及DNA复制信号通路。结论:利什曼原虫感染DCs前后Ⅰ-IFN信号通路和TLR4/NF-κB信号通路激活,影响IL12表达,提示Ⅰ-IFN/IL12信号通路与TLR4/NF-κB/IL12信号通路可作为利什曼原虫感染治疗的靶点,CXCL10也有望成为潜在的治疗靶点;利什曼原虫感染后,出现类似病毒感染现象,推测抗病毒免疫疗法可能在对抗利什曼原虫感染中具有一定疗效。     

下咽癌中基因功能模块及潜在抗癌药物的筛选

目的筛选下咽癌中发挥重要作用的基因功能模块和调节这些模块的潜在抗癌药物,为下咽癌的分子治疗提供新靶点。方法利用GEO数据库和Me V软件筛选下咽癌中差异表达的基因。利用STRING数据库,获得差异基因的蛋白质互作网络关系,然后利用Cystoscape软件的MCODE插件筛选网络中的基因模块。利用DAVID数据库获得基因模块的生物学功能。最后,利用Drug Bank数据库筛选调控这些模块的药物以筛选潜在的抗下咽癌药物。结果在鼻咽癌基因组中,我们共筛选出差异表达基因1 222个(P0.05),蛋白质互作关系219对,互作网络中的基因模块7个(MCODE分数大于1.5)。功能分析的结果显示5个基因模块参与了肿瘤发生发展相关的重要功能,如血管生成(regulation of angiogenesis)、细胞黏附(cell adhesion)、DNA代谢(DNA metabolic process)等(P0.05)。药物筛选的结果显示共有50个药物能够调控这5个基因模块。结论共有5个基因模块调控下咽癌,并可能通过调控肿瘤血管生成、细胞黏附等生物学功能来发挥促下咽癌作用。它们的靶向药物可能有潜在的抗癌作用,为下咽癌的分子治疗提供新的靶点。     

生物信息学分析筛选肺腺癌靶基因及评估预后的价值

目的 基于生物信息学分析筛选肺腺癌靶基因及评估预后价值。方法 对三个数据集（GSE118370、GSE32863、TCGA-LUAD）分别使用limma和edgeR包筛选出肺腺癌差异表达基因,对共同差异基因进行功能富集分析,通过String数据库构建蛋白质-蛋白质相互作用（PPI）网络,采用Cytoscape进行可视化分析并用其插件cytoHubba来筛选关键基因,采用Kaplan-Meier曲线进行总体生存分析。结果 共224个共同差异基因,其中上调基因34个,下调基因190个。共同差异基因在血管生成、白细胞调节、免疫反应等生物学过程富集。通过从PPI网络中筛选出8个关键基因,分别为IL6、VWF、PECAM1、SPP1、CDH5、CXCL12、TIMP1、CLDN5。生存分析显示,PECAM1与LUAD的预后有关。肿瘤组织中PECAM1表达高于正常组织,差异有统计学意义（P＜0.05）。结论 PECAM1是一种与肺腺癌预后相关的新的生物标志物,有望成为肺腺癌的一个治疗的靶点。     

慢性移植肾肾病患者外周血差异表达基因的分析

分析慢性移植肾肾病(CAN)患者与移植物功能稳定肾移植受者外周血基因表达差异,探索CAN免疫致病机制。从GEO数据库获取GSE12187和GSE22229两个肾移植受者外周血的基因芯片表达谱数据集,选取其中13个CAN样本为实验组,15个移植物功能稳定的样本为对照组。以SAM筛选两组样本的差异表达基因。应用DAVID及GENECODIS网络工具对差异基因进行功能富集分析。通过Cytoscape软件的MiMI插件进行差异基因的蛋白质-蛋白质相互作用(PPI)网络分析。SAM筛选出上调基因168个,下调基因141个。基因富集结果显示,上调基因主要为调控转录和翻译过程的基因,而下调基因参与广泛信号传导通路以及基因表达的调控。Cytoscape软件的PPI分析筛选出19个CAN相关核心基因。CAN患者与移植肾功能稳定受者的免疫功能状态存在显著差异;CAN致病机制涉及免疫细胞复杂的基因表达调控及细胞增值、凋亡、迁移等广泛的信号传导通路变化;免疫细胞在基因的转录、RNA加工、翻译及蛋白质代谢等环节的改变可能在CAN的致病中发挥了关键作用;TAGAP、EIF3F、NUDT21、PAPOLA、RPL等CAN核心基因的免疫调控机制需要深入探索。     

基于基因芯片技术结合CIBERSORT反卷积算法研究骨关节炎的免疫机制及潜在中药靶向预测

目的:探究骨关节炎(OA)的免疫机制,挖掘其潜在干预中药。方法:通过GEO数据库获取OA滑膜组织相关基因探针,以正常人群滑膜组织为对照组,采用R软件识别差异表达基因并进行功能相关分析,采用STRING数据库对差异基因进行蛋白网络互作(PPI)分析,并筛选核心靶基因,通过CIBERSORT反卷法计算免疫细胞浸润情况及相关性,采用COREMINE数据库对显著富集的免疫相关生物学过程及核心靶基因进行中药预测。结果:共筛选出716个差异基因,其中上调基因382个,下调基因334个;差异基因PPI涉及IL-6、CXCL8、JUN、VEGFA、IL-1β、MMP9、ITGB2、FOS、APOB、CXCL12 10个核心靶基因;GO结果显示,上调基因与免疫炎症反应关系最为密切;免疫细胞浸润矩阵分析显示,浆细胞、M0型巨噬细胞和未活化的肥大细胞在OA滑膜组织中含量较高,而未活化的CD4记忆T细胞、活化的NK细胞、活化的肥大细胞在OA滑膜组织中含量降低;免疫细胞间相关性分析显示,OA未活化CD4记忆T细胞与活化的肥大细胞呈正相关,而未活化的肥大细胞与活化的肥大细胞呈负相关。COREMINE预测发现,青风...     

基于生物信息学筛选与分析胰腺癌的生物标志物半胱氨酸蛋白酶抑制剂S北大核心CSCD

目的:应用生物信息学方法分析筛选与胰腺癌(PAAD)发生发展相关的基因,探究半胱氨酸蛋白酶抑制剂S(CST4)在PAAD中的表达、预后价值及生物学功能。方法:选取GEO数据库胰腺癌芯片GSE15471和GSE16515为研究对象,并筛选出两个芯片数据集共同的差异表达基因(DEGs)作为关键基因。应用GEDS分析CST4 mRNA在TCGA和CCLE数据库的表达情况,并通过GEPIA2进一步分析CST4在消化系统肿瘤及正常组织中的差异表达。应用Kaplan-Meier Plotter分析CST4mRNA表达与TCGA数据库中PAAD患者五年总生存率及无复发生存率的关系。TIMER2数据库分析PAAD患者CST4 mRNA表达与多种免疫细胞浸润情况的相关性。通过STRING构建CST4蛋白互作网络并进行GO功能富集分析。结果:筛选两个GEO数据芯片的DEGs,韦恩图取交集后获得关键基因CST4。基于TCGA和GTEx数据库分析显示CST4在PAAD中的表达明显高于正常胰腺组织。CST4表达水平与患者的预后呈负相关,与肿瘤相关成纤维细胞、CD4^(+)T细胞、巨噬细胞、中性粒细胞免疫浸润情况呈正相关。PPI网络图显示CST1、CSTA、CSTB、CTSB、CTSL与CST4相互作用连接度较高,GO分析提示CST4基因的表达与细胞蛋白质分解代谢过程、内肽酶活性的调节、细胞凋亡通路等密切相关。结论:CST4在PAAD组织中表达升高且高表达组患者预后不良,CST4有望成为PAAD诊断及患者不良预后潜在的生物标志物。     

肾透明细胞癌差异基因的生物信息学分析与验证

目的通过生物信息学(生信学)分析筛选肾透明细胞癌的潜在靶基因,验证并探讨其意义。方法运用生信学分析筛选基因芯片中肾透明细胞癌组织与正常肾组织间的差异基因,通过功能和通路富集分析和构建蛋白相互作用网络筛选核心基因;运用实时定量PCR、蛋白免疫印迹和免疫组织化学检测该基因在肾透明细胞癌组织和对应癌周正常肾组织中的表达水平;通过TCGA数据库分析该基因在肾透明细胞癌中的表达水平及其对生存预后的影响。结果生信学分析筛选出差异表达的核心基因GATA3,其在肾透明细胞癌组织中表达水平显著低于相对应的癌周正常肾组织(P0.01)。TCGA数据显示GATA3在肾透明细胞癌中的表达水平显著降低(P0.01),GATA3低表达的肾透明细胞癌患者的生存期显著降低(P0.05)。结论生信学分析的使用能有助于筛选靶基因并分析其功能,GATA3的差异性表达可能对解释肾透明细胞癌发生、发展机制有一定帮助,并且可能被用作肾透明细胞癌的新型诊断标志物或治疗靶点。     

基于 TCGA 数据库筛选、 分析并验证宫颈癌生物标志物

目的 基于生物信息学筛选分析宫颈癌差异表达基因 ( differentially expressed gene, DEGs) 及差 异表达 miRNA, 并进一步对差异基因和蛋白进行验证, 以期寻找潜在的生物标志物和治疗靶点。 方法 从 肿瘤基因组图谱 (the cancer genome atlas, TCGA) 数据库获取宫颈癌相关数据, edgeR 算法筛选 DEGs 和差 异 miRNAs。 利用 Cytoscape3. 8. 2 软件构建 mRNA-miRNA 共表达网络。 利用 DAVID 软件对 DEGs 和通过 miRWalk 网站预测的差异 miRNA 的目标基因进行 GO 富集分析和 KEGG 富集分析。 利用 qPCR 和 Western 印 迹技术对 DEGs 进行进一步验证。 结果 筛选出 149 个上调的 DEGs 和 171 个下调的 DEGs, 以及 46 个上调 的差异 miRNAs 和 64 个下调的差异 miRNAs。 DEGs 和 miRNA 目标基因在细胞组成上的富集具有一致性, 都富集在胞质、 核和核质中。 但共表达网络发现 DEGs 和差异 miRNAs 之间不存在明显的调控关系。 因此, 后续实验重点放在了对 DEGs 的验证上, 对差异表达性较为显著的 TCEAL6、 CLEC3B、 LMOD1、 CNN1 进行 了验证。 qPCR 显示它们在宫颈癌中表达量均显著降低, 符合预期, 对 CNN1 进行的 Western 印迹也显示其 在宫颈癌中的低表达。 结论 TCEAL6、 CLEC3B、 LMOD1、 CNN1 在宫颈癌中均显著低表达, 有望成为宫颈 癌生物标志物。     

影响前列腺癌风险的关键基因识别

目的 基于TCGA数据库筛选影响前列腺癌（PCa）风险水平的关键基因，并建立PCa患者生存风险预测模型。方法 从TCGA数据库下载PCa患者基因表达数据及相关临床数据，通过前期研究初步筛选基因，并将患者分为高、低风险两类；对基因进行差异表达分析和GO和KEGG通路富集分析，筛选相关基因和信号通路；对差异表达基因进行蛋白互作网络分析，标记出关键基因；将关键基因的表达数据与PCa患者生存时间纳入Cox回归分析，建立生存风险预测模型。结果 前期研究得到620个基因，高风险患者234例，低风险患者285例；差异表达分析获得30个基因，主要分子功能（MF）为:受体结合和生长因子活动，生物学过程（BP）主要为细胞-细胞信号传导、细胞增殖的积极调节、血管生成的调节和细胞表面受体信号通路，细胞组分（CC）主要定位于细胞外区域，而KEGG信号通路为细胞因子-细胞因子受体相互作用；蛋白互作分析中共7个基因有相互作用，Cytoscape筛选出5个关键基因:PHYHIPL、CNTFR、GFRA1、EDN3和PROK1。结论 通过本研究识别的影响PCa预后的关键基因，发现潜在的PCa风险靶点，可能为PCa的治疗和预后提供帮助。     

基于癌症基因组图谱筛查卵巢浆液性囊腺癌相关基因

目的:利用全基因组表达谱芯片筛查与卵巢浆液性囊腺癌发生相关的基因,对在卵巢浆液性囊腺癌发生过程中可能参与的基因间的信号转导通路进行分析。方法:选取癌症基因组图谱(TCGA)数据库中卵巢浆液性囊腺癌的Affymetrix Gene Chip Human Exon 1.0 ST Array数据共16张,分别为卵巢浆液性囊腺癌组8张和正常组8张,筛选出差异表达基因,并进行基因本体(gene ontology,GO)分析和信号通路分析,构建卵巢浆液性囊腺癌相关基因间的信号转导通路,分析网络中具有重要作用的基因。结果:共筛选出1 144个在卵巢癌中差异表达的基因,其中表达上调的基因有747个,表达下调的基因有397个。GO分析得到上调差异基因的显著性功能分析结果362项,下调差异基因的显著性功能分析结果 160项(P0.05)。其中包括与肿瘤发生相关的基因功能有细胞周期、DNA复制、细胞增殖、细胞凋亡、细胞黏附等。信号通路分析得到45个显著上调信号通路和14个显著下调信号通路(P0.05)。其中参与肿瘤发生相关的信号通路主要有细胞周期、P53信号通路、DNA复制、肿瘤中的信号通路、PI3K-Akt信号通路、ECM-receptor信号通路、细胞黏附因子、细胞凋亡等。挑选显著性基因功能和信号通路分析的交集基因229个,构建显著性GO与信号通路基因间信号转导网络。分析发现CDK1、PLK1、MCM3和PGK1这4个基因在卵巢癌的基因调控网络中具有重要作用。结论:卵巢浆液性囊腺癌中有大量差异表达基因,差异表达的基因在多个与肿瘤发生密切相关的信号通路中发挥重要的调控作用。     

Identification of potential prognostic biomarkers for breast cancer using WGCNA and PPI integrated techniques

In this study, we aimed to detect promising prognostic factors of breast cancer and interpreted the relevant mechanisms using an integrated bioinformatics analysis. RNA sequencing profile of breast cancer was downloaded from The Cancer Genome Atlas (TCGA) and the Genotype-Tissue Expression (GTEx) databases, which were combined as a group (TCGA_GTEx). GSE70947 dataset was from Gene Expression Omnibus. Blue and turquoise modules, respectively identified in TCGA_GTEx database and GSE70947 dataset using weighted co-expression network analysis (WGCNA), were both notably associated with breast cancer. By comparing genes in the two significant modules with differentially expressed genes (DEGs), we obtained a set of 40 shared genes, which were mainly enriched in chromosome segregation and mismatch repair pathway. After protein-protein interaction (PPI) network and overall survival analysis, two hub genes EXO1 and KIF4A were extracted from the set of 40 shared genes, which were up-regulated and associated with the dismal outcome of breast cancer patients. There was a notable negative correlation between EXO1 and KIF4A expression and age of breast cancer patients, whereas a positive relationship with two another clinical traits stage and tumor category was detected. Univariate and multivariate Cox regression analysis revealed that the two hub genes could be independent prognostic factors of breast cancer. Mechanistically, gene correlation analysis suggested that EXO1 and KIF4A exerted their oncogenic role via promoting breast cancer cell proliferation. Overall, our findings identify two promising individual prognostic predictors of breast cancer and pave the new way for diagnosis and therapy strategy of breast cancer.     

Bioinformatics analysis of gene expression profiles to diagnose crucial and novel genes in glioblastoma multiform

Therefore, the current study aimed to diagnose the genes associated in the pathogenesis of GBM. The differentially expressed genes (DEGs) were diagnosed using the limma software package. The ToppFun was used to perform pathway and Gene Ontology (GO) enrichment analysis of the DEGs. Protein-protein interaction (PPI) networks, extracted modules, miRNA-target genes regulatory network and miRNA-target genes regulatory network were used to obtain insight into the actions of DEGs. Survival analysis for DEGs carried out. A total of 701 DEGs, including 413 upregulated and 288 downregulated genes, were diagnosed between U1118MG cell line (PK 11195 treated with 1?h exposure) and U1118MG cell line (PK 11195 treated with 24?h exposure). The up-regulated genes were enriched in superpathway of pyrimidine deoxyribonucleotides de novo biosynthesis, cell cycle, cell cycle process and chromosome. The down-regulated genes were enriched in folate transformations I, biosynthesis of amino acids, cellular amino acid metabolic process and vacuolar membrane. The current study screened the genes in PPI network, extracted modules, miRNA-target genes regulatory network and miRNA-target genes regulatory network with higher degrees as hub genes, which included MYC, TERF2IP, CDK1, EEF1G, TXNIP, SLC1A5, RGS4 and IER5L Survival suggested that low expressed NR4A2, SLC7?A5, CYR61 and ID1 in patients with GBM was linked with a positive prognosis for overall survival. In conclusion, the current study could improve our understanding of the molecular mechanisms in the progression of GBM, and these crucial as well as new molecular markers might be used as therapeutic targets for GBM.