基于蛋白的宫颈癌相关基因生物信息学分析

目的/意义运用生物信息学方法挖掘与宫颈癌相关的基因,探讨与HPV E6/E7密切相关差异表达基因的特征及临床意义。方法/过程以UCSC的TCGA和GTEx中宫颈癌的宫颈组织及临床信息作为训练集。以GEO中与宫颈癌相关的表达谱芯片GSE63514作为验证集。首先,使用R软件limma包筛选肿瘤和正常样本的DEGs,制作与MigDB中E6/E7蛋白相关基因的韦恩图。利用survival包进行生存分析,通过ROC和蛋白表达水平进行验证。其次,通过拷贝数变异和甲基化相关性得到关键基因。最后,构建特异性共表达网络并进行富集分析和免疫浸润分析。结果/结论与HPV E6/E7蛋白相关的差异表达基因有101个,经筛选有3个基因意义显著,分别是E2F1、MCM4和PCNA。同时,经通路分析后发现特异性共表达网络中的基因显著富集在DNA复制、染色体组织等通路。通过免疫相关性分析发现关键基因与CD4 T细胞、B细胞和中性粒细胞显著相关。DNA复制、染色体组织等为宫颈鳞癌发生发展以及HPV E6/E7编码蛋白显著相关的分子机制和关键基因。

皮肌炎差异表达基因鉴定及治疗药物预测

目的探讨皮肌炎(DM)可能的发病机制、潜在治疗靶点及药物。方法从基因表达综合(GEO)数据库下载符合筛选标准的健康人群和DM患者的芯片信息。利用R语言相关软件包筛选差异表达基因(DEGs);分析DEGs的基因本体(GO)功能富集和京都基因与基因组百科全书(KEGG)通路富集情况。利用STRING在线数据库及Cytoscape软件构建蛋白质互作网络,并筛选出关键基因加以验证。基于CIBERSORT算法分析免疫细胞浸润情况,分析核心基因表达量与免疫细胞丰度的相关性。利用DREIMT在线分析工具和Coremine Medical数据库预测潜在治疗DM疾病的药物。结果与健康人群相比,DM患者肌肉组织中上调的DEGs为402个,下调的DEGs为150个,皮肤组织中上调的DEGs为686个,下调的DEGs为284个,肌肉和皮肤共有的DEGs为170个。GO、KEGG富集分析结果显示,上述DEGs主要富集于固有免疫应答、对病毒的防御反应、细胞质、细胞质膜等条目,富集于新型冠状病毒感染疾病、甲型流感、麻疹、丙型肝炎等通路。共筛选出10个核心基因,分别为STAT1、MX1、IFIT3、OAS2、IFI35、RSAD2、IFIT1、OAS1、ISG15和IRF7。22种免疫细胞浸润中,浆细胞浸润在肌肉组织中占主导地位,而M2巨噬细胞在皮肤组织中大量渗透。核心基因分析分别预测出排名前10的小分子化学药物和9种中药。结论本研究利用生物信息学方法筛选的关键基因及药物可能在治疗DM疾病中具有重要作用。

改善病情抗风湿药物对类风湿关节炎滑膜差异表达基因的影响

目的本研究旨在通过生物信息学挖掘与RA滑膜中与疾病发生发展相关的差异表达基因,探讨甲氨蝶呤、托珠单抗和利妥昔单抗等DMARDs对RA滑膜差异表达基因(DEGs)的影响。方法从公共基因芯片数据库(GEO)中获取RA表达谱芯片GSE7307、GSE12021、GSE55457、GSE55235、GSE77298、GSE89408,包括113份RA滑膜组织标本和70份健康对照(HC)滑膜组织标本。同时获得51例RA治疗前后滑膜表达谱芯片GSE45867、GSE24742、GSE97165。纳入甲氨蝶呤治疗样本8例、托珠单抗治疗样本12例、利妥昔单抗治疗样本12例和三联DMARDs联合治疗样本19例。采用R软件筛选DEGs,制作治疗前后及RA和健康对照(HC)DEGs的Venn图并进行基因本体论(GO)功能富集以及京都基因与基因组百科全书(KEGG)通路富集分析。STRING在线分析工具及Cytoscape软件进一步筛选关键基因。结果与HC相比,RA的滑膜组织中有797个上调DEGs,434个下调DEGs,这些DEGs主要富集在淋巴细胞活化、免疫反应的正向调节等。利用Cytoscape和cytoHubba,在STRING数据库模型的基础上获得的5组差异基因,degree算法筛选出了10个hub基因,分别是LCK、SYK、PTPRC、HLA-DRA、LYN、NCAPG、TOP2A、JUN、CXCR4、CCNB1。甲氨蝶呤治疗显著上调20个DEGs,下调30个DEGs;利妥昔单抗治疗上调100个DEGs,下调55个DEGs;托珠单抗治疗上调91个DEGs,下调317个DEGs。这些差异改变的DEGs分别富集在调节细胞黏附、白细胞-细胞黏附、白细胞转移和胰岛素样生长因子受体信号通路上。值得注意的是,经过治疗,共有306个高表达的DEGs下调,36个低表达的DEGs上调。结论LCK、胰岛素样生长因子受体信号通路等为RA发生发展以及DMARDs治疗的分子机制和关键枢纽基因,与RA对DMARDs治疗响应密切相关。

基于生物信息学分析筛选原发性干燥综合征的特征基因

目的应用生物信息学方法分析确定原发性干燥综合征(primary Sjögren′s syndrome,pSS)患者和健康对照者的特征基因,在转录组学水平上为pSS的发病机制提供思路和理论依据。方法从基因表达综合(gene expression opmnibus,GEO)数据库筛选获取pSS患者和健康对照者的芯片数据,数据集GSE84844和GSE66795用于分析获取目标基因,GSE40611用于验证。采用差异分析、加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)。利用生物信息学分析方法得到关键基因。通过最小绝对值收敛和选择算子(least absolute shrinkage and selection operator,LASSO)回归获得与pSS发病密切相关的特征基因,受试者工作特征(receiver operating characteristic,ROC)曲线下的面积用来评估特征基因对pSS的诊断价值。结果与健康对照者相比,pSS患者共筛选出55个差异表达基因;基因本体(gene ontology,GO)富集分析显示差异表达基因主要参与了抗病毒反应、正调控Ⅰ型干扰素的产生、抗病毒先天免疫反应等生物学过程;京都基因与基因组百科全书(kyoto encyclopedia of genes and geno omes,KEGG)信号通路富集分析发现差异表达基因富集在甲型流感、视黄酸诱导基因蛋白(retinoic acid-inducible gene I,RIG-I)样受体信号通路、坏死性凋亡和乙型肝炎等信号通路;WGCNA联合LASSO回归筛选出4个特征基因,分别为DDX60、EPSTI1、IFI27和IFI44,4个特征基因在验证数据集GSE40611中曲面下面积分别为0.807、0.866、0.804和0.892。结论DDX60、EPSTI1、IFI27和IFI44是pSS具有诊断意义的特征基因,能够为更深入地探索原发性干燥综合征的发生发展机制提供理论依据。