基于TCGA、GEO数据库联合挖掘结肠癌诊断和预后生物标志物

目的:应用GEO和TCGA数据库中的结肠癌基因表达数据,通过生物信息学手段挖掘影响结肠癌诊断和预后的关键基因,以期找到结肠癌早期诊断及预后相关的生物标志物,为结肠癌的临床诊断及结肠癌药物研发提供分子基础.方法:检索GEO基因表达数据库,下载符合条件的结肠癌患者基因芯片数据集,同时下载TCGA中结肠癌的转录组测序数据.应用R语言及相应的R包进行数据处理及统计学分析.首先通过R语言将下载的GEO基因芯片数据集和TCGA转录组数据集整理为基因表达矩阵,应用“limma”包进行基因表达差异分析,找出每个数据集的差异表达基因;再利用RRA包对这些差异表达基因进行优先级排序,找出在这些数据集中共同上调和共同下调的基因以及根据其变化倍数进行的优先级排序表.同时对这些共同上调和下调基因进行GO和KEGG信号通路富集分析,根据TCGA中的病人临床信息对上调和下调中排名前20的基因进行生存相关分析及蛋白质-蛋白质相互作用分析.结果:从TCGA结肠癌数据集、GSE44861数据集、GSE33113数据集、GSE39582数据集中分别筛选出差异基因4002,349,8917,1697个,接着使用RRA算法得到85个共同显著性上调基因和141个共同显著性下调基因,这些共同上调基因和共同下调基因参与多种信号通路,在肿瘤中的变化倍数高达1000倍,其中有多种下调基因参与金属离子的代谢.还发现GUCA2A,CA4,GCG,CXCL1,CXCL8,CLCA1六个基因的表达水平与生存时间之间存在显著性正相关性.结论:CLCA1,GUCA2A,GCG,CXCL1和CXCL8与结肠癌的发展和预后可能相关.