基于GEO和TCGA数据库分析胃癌发生发展关键靶点的研究

目的阐明胃癌(gastric cancer,GC)组织与癌旁组织之间的基因表达差异,并评估其预后价值。方法从基因表达综合(gene expression omnibus,GEO)数据库中选取3个GC微阵列数据集(GSE79973、GSE54129和GSE19826),limma包分析GC和癌旁组织间基因表达差异;使用ClusterProfiler包对筛选出的差异表达基因(differentially expressed genes,DEGs)进行了基因本体论(gene ontology,GO)和京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)途径富集分析。使用STRING数据库检索DEGs的蛋白质-蛋白质相互作用(protein-protein interaction,PPI)信息,构建PPI网络,利用Cytoscape的cytohubba插件识别网络中的重要基因模块或枢纽基因。结果GSE79973、GSE54129和GSE19826数据集分别鉴定出886、2369和759个DEGs;上调的DEGs主要与细胞外基质、内质网和基底膜结构相关,且富集于PI3K-AKT号通路;下调的DEGs主要定位于细胞顶端、质膜和细胞皮层部分,且参与胃酸分泌,视黄醇代谢和药物代谢细胞色素P450途径。鉴定出关键节点分子如COL1A1、COL1A2、COL3A1、COL5A1和COL6A3等。这些关键分子在配对和非配对GC组织中均上调,差异有统计学意义(P<0.001),且其高表达与较差的总生存率(overall survival,OS)相关,差异有统计学意义(P<0.001),反之亦然。其中,COL1A1和COL3A1显示出很强的诊断能力。结论本研究揭示了GC组织与癌旁组织之间的关键差异基因表达,初步确定了这些基因作为预后生物标志物和治疗靶点的潜力。

基于加权基因共表达网络分析探讨新型冠状病毒感染相关脓毒症潜在的关键基因

目的 识别2019新型冠状病毒感染(COVID-19)相关脓毒症的关键基因和信号通路。方法 从Gene Expression Omnibus(GEO)数据库下载基因芯片数据。采用加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)确定COVID-19和脓毒症的枢纽模块,并将两个模块交叉确定与COVID-19相关脓毒症的共同基因。采用R软件筛选出COVID-19和脓毒症差异表达基因(differentially expressed gene,DEG),同时结合WGCNA和差异分析的结果,得到与COVID-19和脓毒症相关的候选基因,最后将两者取交集得到COVID-19相关脓毒症的关键基因。对与COVID-19相关脓毒症的共同基因进行基因本体论(GO)和京都基因与基因组百科全书(KEGG)富集分析,得到基因功能和参与的信号通路。结果 通过WGCNA获得了COVID-19相关枢纽模块和脓毒症相关枢纽模块。将两个模块交叉,共获得49个共同基因。结合WGCNA和差异分析的结果,得出与COVID-19和脓毒症相关的候选基因,通过将候选基因交叉,共筛选出11个关键基因(CCD82、CEACAM8、G6PD、HLA-DMB、HLA-DPA1、IL-1β、LTB4R、LTF、MME、S100A9、TGF-β1)。根据功能富集分析,共同基因主要在免疫和炎症相关通路中增强。结论 本研究通过构建WGCNA方法筛选出COVID-19相关脓毒症的11个关键基因,可能成为潜在的COVID-19相关脓毒症诊疗相关候选靶点。

多重生物信息学分析慢加急性肝衰竭关键基因及其调控网络

目的通过多重生物信息学筛选慢加急性肝衰竭(acute-on-chronic liver failure,ACLF)关键基因及通路,为ACLF分子生物学研究和生物学标志物筛选提供理论依据。方法首先从基因表达数据集(Gene Expression Omnibus,GEO)下载ACLF转录组mRNA微阵列数据集,利用R软件中limma包进行基因表达量差异分析,并通过David数据库对差异基因进行基因本体论(gene ontology,GO)功能富集和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)分析;利用STRING数据库绘制蛋白质互作(protein-protein interaction,PPI)网络图,Cytoscape软件筛选关键差异基因。结果共筛选得到329个差异表达基因,其中上调基因185个,下调基因144个。GO功能富集分析得到条目385个,包含免疫受体活性、细胞因子受体活性、T细胞受体结合等生物学功能(P<0.05);KEGG通路富集分析筛选到36条信号通路,免疫和炎症相关的通路包括Th1和Th2细胞分化、Th17细胞分化通路、T细胞受体信号通路、原发性免疫缺陷、NF-κB信号通路和TNF信号通路等。进一步得到与ACLF相关的核心差异基因CD3G、CD3D、IL7R、LCK、IL1R2、IL18R1、IL1R1和MAPK14,这些基因可能成为ACLF潜在的生物标志物及治疗靶点。结论本研究发现,CD3G、CD3D、IL7R、LCK、IL1R2、IL18R1、IL1R1和MAPK14可能成为ACLF发生、发展相关核心基因和未来新的治疗靶点。

融合遗传算法与XGBoost的玉米百粒重相关基因挖掘

基于RNA-Seq的转录组测序数据特征维度较高,使用传统生信方法寻找表型相关基因需要大量计算资源,且差异分析所得候选基因范围较大,进一步筛选依赖已有的先验知识。针对这一问题,本文提出了融合遗传算法和XGBoost的转录组分析方法-GA-XGBoost,通过融入机器学习算法缩小了后续分析的候选基因范围。在一组高质量玉米数据集上对基因-百粒重性状的关联进行了对比实验和后续分析,结果显示,相比于分别使用全体基因和差异表达基因直接训练XGBoost模型,所提方法得到的候选基因训练的XGBoost模型在玉米百粒重的预测结果上具有最小的MSE;相比于差异表达分析结果的1542个差异表达基因,GA-XGBoost方法最终将候选基因范围减小至48个,范围缩小了31倍,表明所提方法能够有效提升对转录组数据的分析能力和效率。

食管癌甲基化驱动基因的筛选、功能及调控通路分析

目的筛选食管癌甲基化驱动基因,并进行功能及调控通路分析。方法搜集TCGA数据库中基因表达数据、DNA甲基化数据、临床信息完整的食管癌患者资料162例,记为肿瘤组;其中16例有癌旁对照资料,记为对照组。使用R语言Methyl Mix包综合分析两组患者的基因表达数据和DNA甲基化数据。R语言Methyl Mix包定义肿瘤组和对照组甲基化平均值的差值倍数为差异甲基化值(DM值),Spearman相关分析法分析基因表达与甲基化相关性,以|DM值|>0、|相关系数(Cor)|>0. 3为截断值筛选甲基化驱动基因。使用在线分析软件DAVID 6. 8(https://david. ncifcrf. gov/)对食管癌甲基化驱动基因进行基因本体(GO)功能富集分析。使用在线数据库KOBAS 3. 0(http://kobas. cbi. pku. edu. cn/)对食管癌甲基化驱动基因进行京都基因与基因组百科全书(KEGG)通路分析。结果筛选得到88个食管癌甲基化驱动基因,其中74(84. 1%)个为高甲基化驱动基因,14个为低甲基化驱动基因。最可能发生甲基化的食管癌甲基化驱动基因有Makorin环指蛋白3(MKRN3)基因、人Fermitin家族同系物3(FERMT3)基因、含V-Set免疫球蛋白域蛋白2(VSIG2)基因等。在分子功能层面,食管癌甲基化驱动基因主要影响了金属离子结合、DNA结合、转录因子活性、序列特异性、核酸结合;在生物学过程层面,食管癌甲基化驱动基因影响了转录调控、DNA模板化;在细胞成分层面,食管癌甲基化驱动基因影响了核组分、胞内组分。锌指蛋白家族如ZNF582、ZNF69、ZKSCAN7、ZNF583、ZNF568、ZNF454、ZNF790、ZNF880等和SOX1基因被富集在了多个GO中。食管癌甲基化驱动基因主要参与了乙醛酸和二羧酸代谢通路,甘氨酸、丝氨酸和苏氨酸代谢通路,碳代谢通路及谷胱甘肽代谢通路的调控。结论食管癌甲基化驱动基因有88个,以高甲基化驱动基因为主;最可能发生甲基化调控的食管癌甲基化驱动基因有MKRN3基因、FERMT3基因、VSIG2基因等;食管癌甲基化驱动基因主要影响了金属离子结合、DNA结合等分子功能,转录调控、DNA模板化等生物学过程,核组分、胞内组分等细胞成分;食管癌甲基化驱动基因主要调控代谢相关的多个通路。

基于免疫基因集的软组织肉瘤分类研究

目的:基于免疫基因集的生物信息学方法,鉴定和识别软组织肉瘤的免疫特征亚型。方法:从TCGA数据库和GEO数据库下载软组织肉瘤基因表达谱数据,分别对两个数据集进行单样本基因集富集分析及层次聚类分析,鉴定软组织肉瘤的免疫分型。使用ESTIMITE方法评估和定量软组织肉瘤的肿瘤微环境评分。CIBERSOFT反卷积算法计算软组织肉瘤免疫细胞亚群占比。对高和低免疫亚型进行生存分析。最后,通过GSEA算法,对高免疫亚型和低免疫亚型进行京都基因与基因组百科全书数据库通路富集分析。结果:基于单样本基因集富集分析及层次聚类分析,鉴别了两种新的软组织肉瘤免疫亚型。肿瘤微环境分析结果显示高和低免疫亚型具有不同的免疫微环境。CIBERSORT反卷积算法证实了高和低免疫亚型具有不同的免疫细胞亚群比例。生存分析曲线能较好的区分两种不同免疫亚型的患者。京都基因与基因组百科全书数据库通路富集分析结果显示,高免疫亚型富集了大量与免疫相关的通路。结论:本研究鉴定的两种免疫亚型可指导软组织肉瘤患者进行分型,并帮助识别对免疫治疗有反应的患者,具有一定的临床应用价值。

基于生物信息学分析筛选骨关节炎差异表达基因

目的基于生物信息学分析筛选骨关节炎相关的差异表达基因(DEGs),并分析其生物学功能。方法从GEO数据库下载微阵列数据集GSE1919,其包括5个骨关节炎样品和5个匹配的对照样品。利用R语言的Limma工具包进行数据分析,筛选DEGs。利用DAVID数据库对DEGs进行基因本体富集分析,利用京都基因与基因组百科全书数据库对上调DEGs进行信号通路分析。基于STRING数据库的信息识别蛋白质-蛋白质互相作用(PPI),使用Cytoscape软件3.4.0进行PPI网络构建。结果共获得1145个DEGs,包括483个上调的DEGs和662个下调的DEGs。上调的DEGs主要涉及受体活性、细胞黏附分子活性,主要集中于细胞外组分、细胞膜、细胞外间隙等,主要与细胞通信、信号转导有关。上调的DEGs显著富集于肿瘤坏死因子、细胞黏附分子、丝裂原活化蛋白激酶、黏着斑、细胞因子受体相互作用以及磷脂酰肌醇-3-羟激酶-蛋白激酶B等信号通路。白细胞介素(IL)-6、IL-8、胰岛素样生长因子(IGF)和血管紧张素原(AGT)等基因为PPI网络的核心基因。结论IL-6、IL-8、IGF和AGT基因可能是参与骨关节炎发展的重要基因。

利用生物信息学探讨IL-8在慢性阻塞性肺疾病中异常表达及其相关基因的功能

目的利用生物信息学的方法探究IL-8在慢性阻塞性肺疾病(COPD)中的差异表达机制及其相关基因的功能。方法使用基因表达综合数据库(gene expression omnibus,GEO)筛选慢阻肺患者和正常对照样本的mRNA、miRNA和lncRNA的表达数据;独立样本秩和检验比较IL-8的表达差异;基因富集分析(gene set enrichment analysis,GSEA)与IL-8表达相关的正负相关基因;通过预测IL-8相关的差异miRNA和差异lncRNA绘制IL-8-miRNA-lncRNA环状网络;利用String构建差异基因网络并利用MCODE筛选蛋白互作网络中的关键基因;利用R软件的clusterProfiler包对IL-8正负表达相关基因进行基因本体论(gene ontology,GO)和京都基因与基因组百科全书数据库(KEGG)富集分析。结果IL-8在慢阻肺患者中高表达;基因富集分析发现IL-8相关的正负相关基因富集在细胞转化和一些受体信号通路上;通过IL-8-miRNA-lncRNA环状网络发现lncRNA中SNHG5、MALAT1通过SNHG5/MALAT1-miR-32-5p-IL-8轴调控IL-8与慢阻肺的疾病相关;Go和Kegg通路富集在蛋白乙酰转移酶/组蛋白脱乙酰酶、PI3K-Akt通路、TNF-α/IL-17信号通路等信号通路中。结论IL-8可能作为治疗慢阻肺的靶点,有望通过调控IL-8及其相关通路以调节糖皮质激素抵抗、抑制炎症反应而治疗慢性阻塞性肺疾病。

AIF1在急性髓系白血病中的表达及生物信息学分析

目的:探讨同种异体移植炎症因子-1 (allograft inflammatory factor 1, AIF1)在急性髓系白血病(AML)免疫和预后中的价值。方法:利用生物信息学方法分析AIF1在AML中的表达及其与AML患者生存预后的关系。利用癌症基因组图谱(TCGA)和基因型-组织表达(GTEx)数据分析发现AIF1可能是AML的潜在癌基因,进一步通过功能富集分析、基因集富集分析(GSEA)、蛋白质互作网络(PPI)分析对AIF1进行功能分析。通过Wilcoxon符号秩检验和Logistic回归分析确定AIF1和AML患者临床病理特征之间的关系。通过Cox回归和Kaplan-Meier生存曲线评估AIF1的表达与AML患者总生存期(OS)之间的关系。最后通过qRT-PCR和免疫印迹在AML患者的骨髓样本中验证AIF1的表达。结果:AIF1在AML中高表达,且与不良预后相关。AIF1高表达组总生存期比AIF1低表达组缩短。结论:AIF1在AML中的高表达,其表达与AML患者总体生存相关。提示AIF1可能作为AML患者的潜在不良预后标志物。

基于代谢组学技术的黄芩-白芍对2型糖尿病模型小鼠的作用机制

目的:在肾脏代谢组学技术基础上,探讨黄芩-白芍药对对2型糖尿病(T2DM)的防治机制,并通过寻找内源性潜在生物标志物,寻找其相关代谢通路。方法:非糖尿病健康同窝出生仔畜(db/m小鼠)为空白组,同时选择血糖值高于11.1 mol/L的糖尿病瘦素受体基因缺陷(db/db)小鼠进行分组,分为模型组、黄芩-白芍组(5.625 g/kg)、阳性药组(二甲双胍250 mg/kg),给药体积为7.5 mL/kg,1次/d,连续8周,并采用超高效液相色谱与串联四级杆飞行时间质谱仪联用技术(UPLC-Q-TOF-MS/MS)法进行小鼠肾脏代谢组学分析,探寻潜在的生物标志物,联合人类代谢组学数据库(HMDB)和京都基因与基因组百科全书数据库(KEGG)找出相关代谢通路。结果:黄芩-白芍组可改善T2DM模型小鼠代谢轨迹的偏离,同时,寻找出与DN模型及给予黄芩汤干预后具有共同差异的生物标志物14个,涉及8条相关代谢通路,应用相关代谢通路分析方法发现,影响最为广泛的代谢通路可能是甘油磷脂代谢、嘌呤代谢和嘧啶代谢。结论:黄芩-白芍药对治疗T2DM的作用机制可能与其通过调节脂质代谢、能量代谢等多条代谢通路,改善内源性代谢物的水平,恢复机体正常代谢活动有关。

基于生物信息学探讨类风湿关节炎与骨关节炎相关分子机制及免疫细胞浸润分析

目的探寻能有效区分类风湿关节炎(RA)和骨关节炎(OA)的潜在生物标志物,并探讨二者在生物信息学方面差异的意义。方法从基因表达综合(GEO)数据库下载2份RA和OA作为相互对照样品的公开可用基因表达谱(GSE55235、GSE55457数据集),并筛选OA与RA的差异表达基因(DEG)。采用LASSO回归模型和SVM-RFE算法识别并筛选生物标志物,在验证组(GSE55584数据集)中进行受试者操作特征(ROC)曲线验证,利用ROC曲线下面积(AUC)值评估辨别能力。利用CIBERSORT算法与筛选出的生物标志物预估RA与OA的生物信息学关联。结果共鉴定出410个DEG,涉及多种信号通路、细胞组分、分子功能和疾病。特征基因有COPZ2、FAH、IL15RA、LTC4S、SCRG1、SFRP1和SLAMF8共7个,且ROC曲线验证结果符合预期。免疫细胞浸润分析显示,巨噬细胞M1、CD8+T细胞、静息肥大细胞、浆细胞、静息树突状细胞等与特征基因相关。结论基于免疫细胞浸润的模型可用于预测RA与OA的鉴别诊断,为RA与OA的治疗靶点提供了新的视角。

急性心肌梗死早期基因表达和代谢调控网络扰动的可视化研究

目的应用系统生物学方法，研发一种基于转录组表达谱的基因网络可视化工具，以直观显示急性心肌梗死后早期的转录组和代谢调控的整体变化。方法在美国国立卫生研究中心（NCBI）GEO数据库下载编号为GDS2331的一个急性心肌梗死后大鼠心脏左心室的基因芯片表达文件，其平台编号为GPL83。筛选实验时间在15min，60min，4h，12h，24和48h的假手术和急性心肌梗死模型亚组数据，利用Mathwork bioinformatics toolbox工具包将数据转化为计算机可读的结构体。利用模式识别算法剔除表达背景噪声；最后获得心肌梗死建模后表达模式扰动最明显的基因谱。利用K—mean算法对这些基因进行分类，并进行基因本体分析（gene ontology，GO）。进而将有关通路标定在京都基因和基因组百科数据库（kyoto encyclopedia of genes and genomes，KEGG）中，形成基因组．表达谱系统分析。结果共有1400个基因被筛选出来。在损伤后的前48h，这些基因的变化模式可归为16类。根据可以获得基因本体分析发现：在生物学过程上，心肌梗死后早期调控发生改变主要和发育基因相关，其中主要包括蛋白激酶B信号传导途径，中枢神经系统发育途径，以及cytochalasin B调控相关途径。在分子功能上，这些功能主要和磷酸化，肌动蛋白的结合以及核酸的配对解离有关。在细胞成分上，主要与细胞内外膜相结构之间的联系、高尔基复合体、出胞作用、以及细胞骨架特别是dynactin complex等结构有关。KEGG作图标记可显示在分子调控传导路径当中，受到影响的基因很可能通过该传导通路的上下游分子进行调控。如以肌动蛋白为核心的细胞骨架信息传导途径的调控中，GF RTK Vav／tiam Rac mlCK Myosin整个调控途径中的分子都有相同的调控模式。结论利用系统生物学技术可以实现急性心肌梗死后基因表达波动模式的可视化描述。这些模式可以反映基因表达在不同时间点质和量上的表达差异。结合Gene ontology的基因语义功能学上的研究和基于KEGG的作图法是一种有力的联合分析工具，前者可以直观的展示扰动的基因在功能上的共同点，后者可以显示在特定细胞网络中哪些基因受到了影响。

中宁-格尔木产区宁杞一号干果蛋白质组学研究

通过非标记定量(label-free)蛋白质组学技术对宁夏中宁和青海格尔木两个产地的枸杞干果样品进行蛋白组学比较。结果表明两种样品共鉴别出蛋白质2477个,中宁产区样品中含蛋白质1942个(其中174个为中宁样品特有),格尔木产区样品中含蛋白质2065个(其中297个为格尔木样品特有);另外中宁产地的样品和格尔木产地的样品相比有86个蛋白质的表达量下调,69个蛋白质的表达量上调。对样品蛋白质进行层次聚类分析,证明两产地样品在蛋白质组学上有明显差异。利用GO数据库和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)数据库对所有差异蛋白质进行检索,筛选后得到28个目标差异蛋白质,其中包括:4个金属离子转运蛋白、6个热休克蛋白、3个几丁质酶、4个磷酸肌醇转化酶、2个过氧化氢酶、3个与植物激素调节有关的蛋白质、5个与卟啉和叶绿素代谢相关的酶、1个核糖核苷二磷酸激酶。

八、其他

981428京都大学从基因水平上证实鲤鱼的鱼油能防止肥胖=力ツ才刃鱼油力f肥满き含防令一京大ヵ遗传子しへんのね卜叹斗内确认〔刊,日〕/水产经济新闻//养殖一1997,34(12)一95

基于GEO芯片和生物信息学分析构建脓毒症相关ceRNA网络

目的基于生物信息学方法,利用基因表达数据库(GEO)分析脓毒症相关长链非编码RNA(lncRNA)和mRNA表达谱,结合微小RNA(miRNA)数据库进行竞争性内源RNA(ceRNA)网络分析。方法从GEO数据库下载脓毒症相关lncRNA数据集,使用生物信息分析工具对数据集进行基因表达差异分析,得到差异表达lncRNA(DElncRNA)和差异表达mRNA(DEmRNA),并绘制聚类热图。通过miRNA结合图谱数据库(miRcode)预测与DElncRNA结合的miRNA,并检索miRNA靶基因数据库TargetScan、miRDB和mirTarBase筛选出同时满足3个数据库的靶mRNA,比对后得到lncRNA-miRNA-mRNA相互作用关系,导入调控网络可视化软件CytoScape中得到ceRNA网络。将ceRNA网络中的DEmRNA导入基因与蛋白质相互作用检索数据库(STRING),绘制基因编码蛋白质-蛋白质相互作用(PPI)网络图。对DEmRNA进行基因本体(GO)功能注释和京都基因与基因组百科全书(KEGG)通路富集分析。结果在GEO数据库中通过检索、筛选获得两个脓毒症相关lncRNA芯片数据集,分别为GSE89376和GSE145227。差异分析显示,GSE89376数据集中老年脓毒症组有14个DElncRNA、359个DEmRNA,成人脓毒症组有8个DElncRNA、153个DEmRNA;GSE145227数据集中儿童脓毒症组有1232个DElncRNA、1224个DEmRNA。聚类热图显示,脓毒症组与对照组lncRNA和mRNA的表达存在明显差异;通过筛选的miRNA构建ceRNA网络,发现多个DElncRNA和DEmRNA参与了脓毒症的ceRNA网络。PPI网络图显示有多个基因编码蛋白相互作用,且分别与多个基因编码蛋白形成多节点的相互作用网络。在对相关基因进行功能注释及富集分析后发现,在核受体活性、配体激活的转录因子活性、类固醇激素受体活性等功能相关基因上可能存在串扰机制,并通过叉头框转录因子(FoxO)、Janus激酶/信号转导与转录激活因子(JAK/STAT)、p53、磷脂酰肌醇3-激酶/蛋白激酶B(PI3K/Akt)等信号通路发挥作用。结论通过构建脓毒症相关lncRNA-miRNA-mRNA的ceRNA网络,结合通路分析发现,脓毒症中存在多个lncRNA和mRNA参与ceRNA网络,并在多个重要信号通路上发挥作用。