目的运用基因表达数据库(Gene Expression Omnibus,GEO)基因芯片挖掘、生物信息学及分子对接技术,分析艾叶治疗慢性荨麻疹(chronic urticaria,CU)的分子机制。方法从GEO数据库下载CU的基因芯片数据集,利用R软件筛选出差异表达靶点,从中...目的运用基因表达数据库(Gene Expression Omnibus,GEO)基因芯片挖掘、生物信息学及分子对接技术,分析艾叶治疗慢性荨麻疹(chronic urticaria,CU)的分子机制。方法从GEO数据库下载CU的基因芯片数据集,利用R软件筛选出差异表达靶点,从中药系统药理学数据库(Traditional Chinese Medicine Systems Pharmacology Database,TCMSP)、药物靶标识别平台(Pharm Mapper)等数据库获取艾叶的化学成分、药物靶点,运用GENEMANIA平台及R软件,对药物–疾病交集靶点进行蛋白质互作网络(protein-protein interaction networks,PPI)分析、京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genome,KEGG)富集分析,使用AutoDock Vina等软件进行分子对接验证。结果得到CU靶点320个、药物靶点382个,筛选出药物–疾病交集靶点20个;PPI拓扑分析得出的核心靶点有ADAMTS4、FABP7、SRM、PDE5A、SOD2等;相关的化学成分有(2R)-5,7-二羟基-2-(4-羟苯基)、亚油酸乙酯、豆甾醇、槲皮素等;富集出涉及脂质和动脉粥样硬化、长寿调节信号通路、过氧化物酶体增殖活化因子受体(peroxisome proliferator-activated receptor,PPAR)信号通路、白细胞介素(interleukin,IL)-17信号通路、趋化因子信号通路等;9种化学成分与5个核心靶点间的分子对接显示,有40组对接具有结合活性(结合能<–4.25kcal/mol)。结论艾叶对CU具有多靶点、多成分、多途径的作用机制,通过文献检索及分子对接验证本次分析结果具有可信性,可为后期的实验研究提供参考依据。展开更多
目的运用生物信息学、机器学习等方法,分析慢性荨麻疹(chronic urticaria,CU)的关键基因及分子机制。方法从GEO数据库获取GSE57178、GSE72540数据集,共包括16个CU样本及12个正常样本,运用R软件消除批次效应后进行差异分析,接着进行京都...目的运用生物信息学、机器学习等方法,分析慢性荨麻疹(chronic urticaria,CU)的关键基因及分子机制。方法从GEO数据库获取GSE57178、GSE72540数据集,共包括16个CU样本及12个正常样本,运用R软件消除批次效应后进行差异分析,接着进行京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)富集分析,使用Lasso-Logistic回归分析及SVM-RFE机器学习筛选出CU关键基因,最后采用Cibersort反卷积算法计算两组样本的免疫细胞浸润量及浸润差异。结果共鉴定出320个差异表达基因,其中上调基因256个、下调基因64个,KEGG富集分析出细胞因子-细胞因子受体相互作用通路、肿瘤坏死因子信号通路、白细胞介素-17信号通路、趋化因子信号通路等;筛选出5个CU关键基因,分别为PTPN22、TTC21B、PIGW、CD53和TNFAIP6;CD8^(+)T细胞、调节性T细胞、中性粒细胞等11种免疫细胞存在浸润差异。结论本研究初步探讨了CU的潜在机制,并筛选出5个关键基因及11种具有浸润差异的免疫细胞,可为CU的机制研究提供一定的参考依据。展开更多
文摘目的运用基因表达数据库(Gene Expression Omnibus,GEO)基因芯片挖掘、生物信息学及分子对接技术,分析艾叶治疗慢性荨麻疹(chronic urticaria,CU)的分子机制。方法从GEO数据库下载CU的基因芯片数据集,利用R软件筛选出差异表达靶点,从中药系统药理学数据库(Traditional Chinese Medicine Systems Pharmacology Database,TCMSP)、药物靶标识别平台(Pharm Mapper)等数据库获取艾叶的化学成分、药物靶点,运用GENEMANIA平台及R软件,对药物–疾病交集靶点进行蛋白质互作网络(protein-protein interaction networks,PPI)分析、京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genome,KEGG)富集分析,使用AutoDock Vina等软件进行分子对接验证。结果得到CU靶点320个、药物靶点382个,筛选出药物–疾病交集靶点20个;PPI拓扑分析得出的核心靶点有ADAMTS4、FABP7、SRM、PDE5A、SOD2等;相关的化学成分有(2R)-5,7-二羟基-2-(4-羟苯基)、亚油酸乙酯、豆甾醇、槲皮素等;富集出涉及脂质和动脉粥样硬化、长寿调节信号通路、过氧化物酶体增殖活化因子受体(peroxisome proliferator-activated receptor,PPAR)信号通路、白细胞介素(interleukin,IL)-17信号通路、趋化因子信号通路等;9种化学成分与5个核心靶点间的分子对接显示,有40组对接具有结合活性(结合能<–4.25kcal/mol)。结论艾叶对CU具有多靶点、多成分、多途径的作用机制,通过文献检索及分子对接验证本次分析结果具有可信性,可为后期的实验研究提供参考依据。
文摘目的运用生物信息学、机器学习等方法,分析慢性荨麻疹(chronic urticaria,CU)的关键基因及分子机制。方法从GEO数据库获取GSE57178、GSE72540数据集,共包括16个CU样本及12个正常样本,运用R软件消除批次效应后进行差异分析,接着进行京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)富集分析,使用Lasso-Logistic回归分析及SVM-RFE机器学习筛选出CU关键基因,最后采用Cibersort反卷积算法计算两组样本的免疫细胞浸润量及浸润差异。结果共鉴定出320个差异表达基因,其中上调基因256个、下调基因64个,KEGG富集分析出细胞因子-细胞因子受体相互作用通路、肿瘤坏死因子信号通路、白细胞介素-17信号通路、趋化因子信号通路等;筛选出5个CU关键基因,分别为PTPN22、TTC21B、PIGW、CD53和TNFAIP6;CD8^(+)T细胞、调节性T细胞、中性粒细胞等11种免疫细胞存在浸润差异。结论本研究初步探讨了CU的潜在机制,并筛选出5个关键基因及11种具有浸润差异的免疫细胞,可为CU的机制研究提供一定的参考依据。