应用加权基因共表达网络分析识别肝细胞癌发生和进展过程中关键通路和基因作用研究

目的探讨肝细胞癌(HCC)发生进展过程中功能富集通路和关键基因表达。方法从基因表达数据库(GEO)下载HBV感染不同阶段和正常对照肝脏转录组数据,构建基因网络并使用加权基因共表达网络分析(WGCNA)将基因分类为不同的模块,对相关模块中的基因进行富集分析。应用GEO数据集进一步验证重要基因水平。结果共6145个组间差异基因参与构建加权基因共表达网络,被分为9个模块,进一步描绘了从肝脏早期病变到肿瘤的进化轨迹,从正常组织到癌组织过程中的细胞增殖、DNA损伤修复和细胞衰老相关通路线性激活;随疾病进展,脂质代谢和凝血等肝脏功能相关通路逐渐受到抑制;在肿瘤发生前,慢性炎症期免疫相关通路被激活,后期逐渐趋向于抑制状态;共鉴定出3个重要衰老相关基因,即CCNA2、UBE2C和ANAPC1,并在外部数据集验证了这3个基因水平变化;进一步分析显示上述3个基因水平与肝癌患者不良预后密切相关(P<0.05)。结论通过生物信息学分析,我们初步确定了肝癌发生和进展过程中潜在途径和重要参与基因,为诊断和治疗干预提供了潜在的靶标。

基于加权共表达网络分析筛选4个帕金森病的关键基因及免疫浸润分析

目的:通过生物信息学的方法挖掘帕金森病(Parkinson’s disease,PD)的关键基因,为PD提供新的诊断标志物及免疫细胞浸润特征。方法:从高通量基因表达(gene expression omnibus,GEO)数据库下载合并GSE20163和GSE20164数据集并筛选差异表达基因(differential expression genes,DEGs)。采用基因本体(gene ontology,GO)和京都基因和基因组百科全书(kyoto encyclopedia of genes and genomes,KEGG)数据库分析预测DEGs的生物学功能,然后进行加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)识别PD相关模块基因,并对DEGs和PD相关模块基因取交集,使用最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)回归分析缩小交集基因并确定PD关键基因,最后对关键基因进行免疫浸润分析,并用数据集GSE49036对上述4个基因进行验证。结果:共筛选出34个DEGs,主要与神经递质转运、学习记忆和认知等生物学过程相关。共获得WGCNA关键模块基因41个,与DEGs取交集获得19个交集基因,最终通过LASSO回归分析确定SLC18A2、SV2C、CUX2和CALB1共4个PD关键基因,根据受试者工作特征(receiver operating characteristic,ROC)曲线显示4个关键基因诊断PD的准确度较高。与对照组相比,PD中未成熟树突状细胞以及γδT细胞表达相对较低,嗜中性粒细胞细胞表达较高。数据集GSE49036验证发现,SLC18A2、SV2C和CUX2在PD和对照组中基因表达差异有显著性意义,且ROC曲线显示诊断PD的准确性较高,而CALB1基因表达差异不显著。结论:利用生物信息学方法筛选出4个PD关键致病基因,首次报道CUX2基因与PD相关性,为PD的诊断和疾病的发生发展机制提供新的线索。

加权基因共表达网络分析联合差异表达基因分析法鉴定重度抑郁症关键基因

目的 应用加权基因共表达网络分析(WGCNA)联合差异表达基因(DEG)分析法鉴定重度抑郁症(MDD)的关键基因。方法 从基因表达数据库中获取MDD患者和健康志愿者死后脑组织mRNA微阵列数据。应用WGCNA和DEG分析法筛选与MDD最显著相关的模块和DEG,对WGCNA模块基因和DEG进行基因本体论富集分析和京都基因与基因组百科全书通路富集分析,取WGCNA模块基因与DEG的交集,绘制受试者工作特征曲线评估交集基因诊断MDD的能力。结果 最终获得10个基因(FLJ20021、FLJ30058、NNAT、MRPS12、KCNK4、TROVE2、MESP1、MIF、TMEM93、SYNGR1),均具有良好诊断MDD的潜力。结论 FLJ20021、FLJ30058、NNAT、MRPS12、KCNK4、TROVE2、MESP1、MIF、TMEM93、SYNGR1可作为辅助诊断MDD的生物标志物。

基于加权基因共表达网络分析鉴定PE患者的潜在生物标志物

目的:本研究旨在通过对子痫前期(PE)患者基因数据集进行加权基因共表达网络分析(WGCNA),寻找PE的分子标志物。方法:从GEO数据库下载GSE10588表达数据集,该数据集包括17例PE患者和26例对照者的胎盘组织转录组数据。使用差异表达分析及WGCNA筛选与PE相关的重点差异表达基因(DEGs),利用基因本体论(GO)和京都基因与基因组百科全书(KEGG)通路分析来探索重点基因的生物学作用。构建蛋白-蛋白相互作用(PPI)网络筛选关键枢纽基因,并通过风险预测模型和受试者工作特征(ROC)曲线评价这些枢纽基因对PE的预测效果。结果:共获得138个DEGs,其中包括100个上调和38个下调DEGs。通过WGCNA确定了23个与PE发病最相关的重点DEGs。GO和KEGG通路分析显示,这些重点DEGs在调节促性腺激素分泌、白细胞分化、造血功能、内分泌功能及B细胞的激活等生物学作用中发挥重要作用。在PPI网络中,卵泡抑素相关基因3(FSTL3)、酪氨酸激酶受体1(FLT1)、抑制素亚单位A(INHBA)、N-myc下游调节基因1(NDRG1)和瘦素(LEP)等成为节点最多的基因。风险预测和ROC曲线表明,FSTL3和LEP具有较高的风险得分和诊断价值。结论:FSTL3和LEP可以作为预测和诊断PE的生物标志物。

基于加权基因共表达网络分析筛选肝细胞癌预后相关生物标志物及潜在治疗药物

目的 筛选肝细胞癌(hepatocellular carcinoma,HCC)预后相关生物标志物,从分子水平探讨HCC可能的发病机制,并预测对HCC具有潜在治疗作用的候选药物。方法 下载TCGA数据库和GEO数据库中HCC的转录组数据及其临床记录信息。分别对其基因表达谱数据进行加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)和差异表达基因分析,选取两个数据集中与疾病正相关性最高的模块基因与差异表达基因取交集作为关键基因。利用GO和KEGG对关键基因进行功能富集分析。利用STRING数据库构建PPI网络,使用Cytoscape软件对关键基因进行相关性分析,筛选核心基因。使用R语言程序包K-M进行生存分析明确核心基因与HCC患者预后关系。利用在线数据库DGIdb、DREMIT联合进行HCC潜在治疗药物的筛选,依据药物靶点匹配数量、优选得分、特异性得分对预测结果进行排序,选择排名靠前的药物作为可能的候选治疗药物。结果 最终共得到64个关键基因,主要富集于细胞周期与分裂、DNA复制和损伤修复、病毒感染、P53信号通路等。PPI分析发现,CDC20、KIF2C、CCNB2、KIF20A、CCNA2、TOP2A、UBE2C、NUSAP1、AURKA和TRX2为核心基因。K-M生存分析显示,CDC20、KIF20A、CCNA2、TOP2A与HCC的预后显著相关。DGIdb、DREMI联合筛选对HCC有潜在疗效的候选药物,其中索拉非尼、多维替尼、氟尿嘧啶、米托蒽醌等在DGIdb、DREMI中皆排名靠前。结论 CDC20、KIF20A、CCNA2、TOP2A可能是HCC预后的潜在生物标志物,但仍需进一步临床研究加以验证。HCC的发生发展可能与病毒感染、细胞周期与分裂,DNA复制和损伤修复、P53信号通路有关。索拉非尼、多韦替尼、氟尿嘧啶、米托蒽醌等可能作为HCC治疗的潜在临床候选药物。

基于加权基因共表达网络分析探索射血分数保留的心力衰竭中微RNA功能模块和分子调控网络

目的通过生物信息学方法探索射血分数保留的心力衰竭(HFpEF)潜在的生物标志物和治疗靶点。方法使用NCBI-GEO数据库检索获得GSE53437高通量测序数据进行分析。通过加权基因共表达网络分析(WGCNA)获取与HFpEF密切相关的基因模块和核心微RNA(miRNA),利用miRNet数据库预测核心miRNA的靶向mRNA。应用R语言“clusterProfiler”程序包对靶基因进行KEGG通路和基因本体论(GO)富集分析。最后采用STRING数据库和Cytoscape软件构建蛋白质-蛋白质相互作用(PPI)网络和miRNA-mRNA基因网络。结果在基因模块与疾病相关性分析中,棕色模块与HFpEF的相关系数(r)绝对值为0.37,P值为3e-4,具有最高的正相关性。各基因模块的基因显著性(GS)分布显示,棕色模块具有最高的GS值。模块内分析显示,棕色模块的模块相关性(MM)与GS之间密切相关(r=0.61,P值为7e-52)。以MM>0.85且GS>0.40为条件,共筛选出17个与HFpEF高度相关的核心miRNA。应用miRNet数据库预测到1578个靶向mRNA。GO注释分析结果显示,该组基因参与的生物学过程包括造血调控、T细胞激活和细胞组分大小调控等,涉及的细胞成分包括转录调控复合物、运输囊泡、早期内体等的构成,分子功能主要富集在DNA结合转录抑制因子活性/RNA聚合酶Ⅱ特异性、泛素蛋白连接酶结合和生长因子活性等方面。KEGG通路分析结果显示,该组基因主要富集于Hippo信号通路、ErbB信号通路、TNF-α信号通路、Ras信号通路等。miRNA-mRNA基因网络分析显示,miRNA-3188与UBA52、HDAC2、PSMF1和SUFU相互作用,miRNA-3909与HDAC2、PSMF1、SUFU和RELA相互作用,miRNA-762与PSMF1、SUFU和RELA相互作用,miRNA548b-3p与UBA52、HDAC2和PSMF1相互作用,miRNA-3198与UBA52、PSMF1、SUFU和RELA相互作用。结论本研究可能有助于阐释HFpEF的分子机制,为识别HFpEF的生物标志物及潜在治疗靶点奠定新的理论依据。

基于加权基因共表达网络分析和机器学习筛选脓毒症免疫抑制特征基因及其靶向中药活性成分预测

目的本研究通过加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)和多种机器学习方法识别脓毒症免疫抑制特征基因,并预测其靶向中药活性成分。方法从美国国家生物技术信息中心基因表达综合数据库中下载GSE182522数据集,使用Bioconductor的“limma”软件包提取出差异表达基因(differentially expressed genes,DEGs),对DEGs进行京都基因与基因组百科全书(Kyoto encyclopediaofgenesandgenomes,KEGG)通路和基因本体论(geneontology,GO)富集分析,同时采用WGCNA,以及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归、支持向量机递归特征消除(support vector machine-recursive feature elimination,SVM-RFE)、弹性网络回归分析3种机器学习法筛选出脓毒症免疫抑制特征基因。随后,构建受试者操作特征曲线(receiver operating characteristic curve,ROC curve,简称ROC曲线)验证特征基因的诊断效能,并绘制箱线图展示特征基因的表达模式。选取SPF级BALB/c小鼠39只,采用随机数字表法将小鼠随机分为脓毒症免疫正常组(n=20)和脓毒症免疫抑制组(n=19)。盲肠结扎穿孔术构建脓毒症小鼠模型,在术后12h取脓毒症免疫正常组小鼠的外周血,术后24 h取脓毒症免疫抑制组小鼠的外周血。采用逆转录定量聚合酶链反应(reverse transcription quantitative polymerase chain reaction,RT-qPCR)检测两组小鼠TRBV7-2的表达情况,验证TRBV7-2的诊断效能。最后,通过分子对接技术预测特征基因潜在靶点中药活性成分。结果共筛选出445个DEGs,其中上调基因173个,下调基因272个。DEGs主要富集于氮代谢、胆汁分泌、胃酸分泌3条信号通路,分子功能的正调控、细胞对含氧化合物的反应、细胞对含氮化合物的反应、对肽的响应、葡萄糖输入的调控等生物过程,质膜蛋白复合体、T细胞受体复合物、细胞侧膜等细胞组分,核苷三磷酸酶调节活性、GTPase激活剂活性、外源蛋白结合等分子功能。通过WGCNA共筛选出56个枢纽基因,3种机器学习交集得到1个特征基因:TRBV7-2。ROC曲线分析得出TRBV7-2的AUG=0.72,具有较高的临床诊断价值,其表达量在脓毒症免疫抑制患者样本中显著下调。RT-qPCR结果显示,脓毒症免疫抑制组小鼠血液中TRBV7-2基因表达低于脓毒症免疫正常组。通过分子对接技术得出小檗碱、黄芩苷、苍术素等10个潜在靶向中药活性成分。结论TRBV7-2可能作为脓毒症免疫抑制的诊断生物标志物,小檗碱等10味靶向中药活性成分可能成为降低脓毒症致死率的立足点。

基于加权基因共表达网络分析及机器学习构建铁死亡相关基因在多囊卵巢综合征的疾病模型及相关中药预测

目的:利用机器学习分析铁死亡基因与多囊卵巢综合征(PCOS)的相关性,构建诊断及预后风险模型,探讨PCOS的潜在铁死亡机制,并预测相关中药。方法:多芯片标准化合并GEO数据库的卵巢组织芯片,采用加权基因共表达网络分析(WGCNA)算法筛选与PCOS相关的铁死亡特征基因,对特征基因进行功能富集分析,利用多种机器学习进行构建并筛选疾病模型,提取最优的疾病特征基因,并构建风险模型,分析其与免疫浸润细胞及功能之间的相关性,对铁死亡基因进行中药及小分子化合物预测,并对小分子化合物与铁死亡靶点进行分子对接验证。结果:共提取26个铁死亡与PCOS的强相关交集靶基因,主要在铁死亡通路中的Xc-系统和铁代谢通路上发挥作用。通过WGCNA结合机器学习筛选以HMOX1、IFNA1、LPCAT3、FOXO4和PARP3为特征基因的RF模型有较优的模拟特性,并通过绘制列线图来预测各基因表达的患病风险性。上述模型基因与PCOS的发病呈正相关性。免疫浸润分析提示多种免疫细胞在两组之间存在显著浸润差异,预测的中药中丹参、三七可能是其潜在的分子药物来源,分子对接中丹酚酸B、葛根素与黄芪甲苷A的匹配程度最高。结论:以HMOX1、IFNA1、LPCAT3、FOXO4和PARP3为特征基因的铁死亡相关基因模型可为早期识别和治疗POCS提供新思路。铁死亡相关基因可通过干预多种途径在PCOS中发挥重要作用,中医药在干预PCOS中可能通过调节铁稳态代谢来介导铁死亡途径。

应用基因集富集分析和加权基因共表达网络分析方法分析类风湿关节炎的枢纽基因及意义

背景:用目前的免疫方法检测类风湿关节炎患者的传统血清标志物,仍有30%为阴性;近年发现的血清生物标志物对类风湿关节炎诊断的敏感性和特异性较低,不适于临床推广。目的:应用基因集富集分析和加权基因共表达网络分析方法分析类风湿关节炎枢纽基因及其意义。方法:从GEO数据库下载GSE1919、GSE55235数据集,使用R软件“limma”包初筛差异表达基因、“clusterProfiler”包进行加权基因共表达网络分析,取交集基因作为候选枢纽基因。将结果导入String数据库构建蛋白质相互作用网络,Cytoscape软件cytoHubba插件筛选枢纽基因,并进行基因本体分析、京都基因与基因组百科全书通路富集分析。同时对2个数据集用基因集富集分析方法进行京都基因与基因组百科全书通路分析。结果与结论:①共筛选出10个枢纽基因,其基因本体分析集中在淋巴细胞分化、T细胞分化、质膜信号受体复合物、主要组织相容性复合体蛋白结合等生物学功能;②京都基因与基因组百科全书通路富集于T细胞受体信号通路、Th1辅助细胞和Th2辅助细胞分化、Th17辅助细胞分化、肿瘤细胞程序性死亡-配体1表达和程序性死亡受体1检查点通路及原发性免疫缺陷5条通路;③基因集富集分析2个数据集类风湿关节炎样本发现3条共同通路:哮喘、自身免疫性甲状腺疾病和细胞黏附分子通路显著上调;④受试者工作特征曲线结果显示,5个基因(CD27、IL2RG、CD8A、LCK、NKG7)对诊断类风湿关节炎具有良好的特异性和敏感性(曲线下面积>0.85);⑤CD4可能是多能的基因网络协调员,在免疫反应中发挥重要功能。

加权基因共表达网络分析识别强迫症中的关键基因

目的:利用加权基因共表达网络分析(WGCNA)及套索算法(LASSO)筛选可能影响强迫症发生发展的生物学通路及关键基因,为进一步发现强迫症的分子标志物,确立新的诊断及治疗提供理论依据。方法:从GEO数据库中下载强迫症基因芯片数据GSE78104,包括30例强迫症患者的外周血样本和30例正常人的外周血样本。用WGCNA构建一个基因共表达网络,选择出与强迫症发生高度相关的枢纽模块,分析枢纽模块的生物学功能。通过构建LASSO回归模型筛选与强迫症发生相关的关键基因并检验模型的准确性,最后对关键基因进行差异表达分析。结果:分析发现GSE78104的13模块中,magenta模块与强迫症最为相关(r=0.32,P=0.01)。将magenta作为枢纽模块进一步进行GO和KEGG分析,表明magenta模块主要涉及中性粒细胞活化、调控白细胞凋亡、白细胞介素-1介导的信号通路和TNF信号通路等功能和信号通路(P<0.05)。采用LASSO回归模型筛选得出WDFY3、ZCCHC6、HAL3个关键基因并发现模型准确性较高(AUC=0.78),最后发现3个关键基因在强迫症中均为高表达。结论:WDFY3、ZCCHC6、HAL 3个关键基因可能参与强迫症的发生发展过程。

基于加权基因共表达网络分析及生物信息学分析鉴定肝细胞癌临床特征关键基因

目的:通过加权基因共表达网络分析鉴定肝细胞癌(hepatocellular carcinoma,HCC)临床特征密切相关模块基因,为临床早期诊断及治疗提供参考。方法:从GEO数据库下载GSE84598芯片数据,综合加权基因共表达网络分析提取与HCC临床特征密切相关的模块基因。通过最大集团中心性(maximal clique centrality,MCC)算法对蛋白相互作用网络分析,鉴定出枢纽基因;最后通过TCGA数据库验证枢纽基因的表达情况、Kaplan-Meier Plotter在线数据库评估枢纽基因与HCC患者的预后关系。结果:通过对比HCC组织样本与正常肝组织样本的基因表达数据,共获得6262个差异表达基因,其中上调2207个,下调4055个。运用加权基因共表达网络分析鉴定出关键模块的120个基因;通过与差异表达基因取交集,得到候选枢纽基因115个。富集分析结果显示,候选枢纽基因与细胞有丝分裂、p53信号通路等密切相关。进一步运用MCC算法对115个候选枢纽基因的蛋白相互作用网络进行分析,鉴定出5个枢纽基因,即NUF2、RRM2、UBE2C、CDC20和MAD2L1。通过TCGA数据库对枢纽基因的验证,结果发现,与正常肝组织相比,在HCC组织中5个枢纽基因均明显上调;而且生存分析显示枢纽基因的高表达与HCC患者的不良预后密切相关。结论:本研究通过结合多个数据库鉴定出了5个枢纽基因,为HCC的临床诊断及治疗提供方向。

整合关联分析和共表达网络分析挖掘甘蓝型油菜籽粒质量候选基因

甘蓝型油菜是中国重要的油料作物,籽粒质量是油菜产量构成的重要因素。本研究利用A-D Test模型对496份油菜的籽粒质量进行全基因组关联分析,共检测到19个显著位点,联合解释34.1%的表型变异。整合A-D Test及前期混合线性模型和一般线性模型结果后得到71个位点,联合解释50.1%的表型变异。在22个位点置信区间内找到ARF2、NPC6、TTG2和WRI1等已被报道的拟南芥中的籽粒质量基因的同源基因。同时,利用大粒品种中双11和中小粒品种中油821的籽粒和角果皮转录组数据进行加权基因共表达网络分析,构建了13个共表达模块,其中紫色(purple)和洋红色(magenta)模块与籽粒质量表型显著相关。GO富集分析结果表明,2个模块在L-苯丙氨酸氨基转移酶活性、硫双加氧酶活性、焦磷酸酶活性和RNA解旋酶活性等显著富集。2个模块中的枢纽基因BnaA06g00850D、BnaA01g00990D、BnaC06g10000D和BnaC02g44260D等的同源基因为ETHE1、DAR1、GLN1;1和SMG7等拟南芥籽粒质量已知基因。整合全基因组关联分析和加权基因共表达网络分析的分析结果,在42个显著位点的置信区间内找到90个属于purple和magenta模块的基因,其中BnaA01g06210D、BnaA07g14990D和BnaA07g03030D等拟南芥同源基因已被报道参与种子发育进程调控。本研究整合GWAS与WGCNA 2种分析方法,挖掘甘蓝型油菜的籽粒质量候选基因,为研究籽粒质量的调控机制、指导籽粒质量的遗传改良提供参考。

加权基因共表达网络分析方法及其应用

近年来,随着基因测序技术的高速发展,获取基因表达量的数据越来越容易,相应的数据分析方法也应运而生。在众多的分析方法中,加权基因共表达网络分析(Weighted Gene Co-expression Network Analysis,WGCNA)能对多个样本的众多基因进行综合分析,并能进行表型关联分析,相比于单基因的研究模式更具优势。该文对WGCNA的构建、分析及其在疾病研究、生理功能研究和基因功能注释3方面的应用进行总结和论述。

基于加权基因共表达网络分析和机器学习筛选肾母细胞瘤特征基因及其靶向中药预测

目的:本研究旨在确定肾母细胞瘤的潜在生物标志物,并预测其靶向中药。方法:从NCBI基因表达综合数据库下载4个微阵列数据集(GSE4530、GSE11151、GSE66405和GSE73209)。采用差异表达分析、加权基因共表达网络分析(Weighted Gene Co-expression Network Analysis,WGCNA)和最小绝对收缩和选择算子(Least Absolute Shrinkage and Selection Operator,LASSO)回归算法筛选肾母细胞瘤的核心标志物并对差异表达基因(Differentially Expressed Genes,DEG)进行功能和通路富集分析。随后,绘制箱线图展示核心基因在样本中的表达模式,构建受试者工作特征曲线(Receiver Operating Characteristic curve,ROC)验证核心基因的诊断效能。最后,通过HERB数据库检索核心基因潜在靶向中药。结果:204个DEGs和15个关键模块基因交集得到14个枢纽基因。DEGs主要富集于羧酸生物合成过程、细胞-细胞连接组装、轴突引导、癌症中的微小核糖核酸、紧密连接、焦点粘附、酒精性肝病、Wnt信号通路等生物学过程和通路。基于机器学习算法筛选出4个核心基因[跨膜蛋白酶丝氨酸2(Transmembrane Protease Serine 2,TMPRSS2)、晶状体蛋白λ1(Crystallin,Lambda 1,CRYL1)、靠停蛋白8(Claudin 8,CLDN8)和G蛋白偶联受体56(G Protein-Coupled Receptor 56,GPR56)],通过ROC曲线分析发现4个核心基因均具有较高的诊断价值,在疾病样本中基因表达均显著下调。在HERB数据库检索得到16味潜在靶向中药。结论:本研究系统地鉴定了4个肾母细胞瘤特征基因(TMPRSS2、CRYL1、CLDN8和GPR56),为未来研究肾母细胞瘤患者的潜在诊断候选基因提供了立足点。此外,白果、播娘蒿等潜在靶向中药可能干预肾母细胞瘤病理进程。

基于加权基因共表达网络分析鉴定调控油菜种子次生休眠候选基因

油菜种子的次生休眠容易导致油菜自生苗发生,影响制种品质和安全。本研究以课题组自主培育的Huaiyou-WSD-H2(次生休眠弱)和Huaiyou-SSD-V1(次生休眠强)品系为材料,利用聚乙二醇(polyethylene glycol,PEG)模拟干旱,诱导种子次生休眠,对次生休眠诱导前、后的油菜种子进行高通量转录组测序。利用加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)将高通量转录组测序中17706个高表达基因(FPKM>5)划分为17个共表达模块。结合GO/KEGG富集分析和差异表达分析,在与次生休眠极显著正相关的yellow模块中筛选到3个与色氨酸代谢相关的基因(BnaC08g25400D、BnaC09g31260D和BnaC09g49740D)在诱导后的强、弱次生休眠材料间存在差异表达,利用qRT-PCR进行验证,并初步分析了候选基因的调控网络,为解析依赖色氨酸的生长素生物合成途径调控油菜种子次生休眠的遗传基础提供理论依据。

基于加权基因共表达网络分析方法筛选并鉴定结直肠癌的驱动基因

目的基于加权基因共表达网络分析(WGCNA)方法筛选并鉴定结直肠癌(CRC)的驱动基因,探讨核心驱动基因在CRC发生发展、诊断和治疗中的作用。方法通过NCBI基因表达综合数据库(GEO)收集CRC相关的数据,数据集为GSE21510,芯片平台为GPL570;使用GEO2R工具对差异基因进行分析,根据P值和基因表达fold-change对差异基因进行排序,选择前2000个样本进行进一步分析。使用WGCNA算法进行模块构建,分析模块与临床特征的相关性,鉴定出与临床表型高度相关的模块,提取与临床性状相关性最高的模块内基因,将基因导入Cytoscape,分析核心基因,选择核心基因CYTH1进一步研究。基于Oncomine数据库分析CYTH1在结直肠癌组织与对照结直肠组织中的差异表达。取对数生长期LOVO、SW620、HCT116、SW480、RKO、CaCo2和NCM460细胞,应用实时荧光定量-聚合酶链式反应(RT-qPCR)法检测CYTH1在各种细胞中的表达;取对数生长期HCT116和SW480细胞,转染CYTH1基因干扰片段,采用细胞计数试剂盒-8法检测细胞增殖情况,Transwell实验检测细胞迁移能力。结果WGCNA结果显示,turquoise模块与CRC临床转移特征有相关性。分析turquoise模块的权重基因,使用Cytoscape软件将turquoise模块的权重基因构建共表达网络图,筛选出核心基因CYTH1。基于Oncomine数据库检索结果,与正常结直肠组织相比,CRC组织中CYTH1 mRNA表达水平下调约75%。RT-qPCR检测结果显示,LOVO、SW620、HCT116、SW480、RKO和CaCo2细胞中CYTH1相对表达量显著低于NCM460(t=31.080、21.262、51.963、3.093、114.344、216.340,P<0.001)。干预1、2、3、4 d,si-NC-HCT116细胞与si-CYTH1-HCT116细胞增殖率比较差异无统计学意义(t=0.321、-0.474、-0.711、1.011,P>0.05),si-NC-SW480细胞与si-CYTH1-SW480细胞增殖率比较差异无统计学意义(t=0.148、-0.254、0.040、0.157,P>0.05)。培养24 h后,si-CYTH1-HCT116细胞迁移数显著高于si-NC-HCT116细胞(t=-17.318,P<0.001);si-CYTH1-SW480细胞迁移数显著高于si-NC-SW480细胞(t=-7.876,P<0.001)。结论CYTH1在CRC组织和细胞中表达下调,可抑制CRC细胞的迁移能力,在CRC中发挥抑癌作用,其有可能成为CRC有效的治疗靶点。

基于加权基因共表达网络分析建立结肠腺癌预后风险模型以及关键基因药物敏感性分析

目的 筛选与结肠腺癌(COAD)发展相关的枢纽基因,构建COAD预后模型。方法通过下载两个GEO数据集进行加权基因共表达网络分析(WGCNA)和差异表达分析,将获得的差异表达基因(DEGs)和重要模块基因取交集得到共同基因用于进一步分析。将癌症样本随机分为训练集(70%)和测试集(30%),利用训练集进行预后模型的构建,利用测试集和TCGA数据对模型进行内外部验证。通过时间依赖性ROC曲线和列线图评估模型的预测能力;对高、低风险组进行GSEA富集分析探索潜在功能;最后通过Cell Miner和GEO数据库探究关键基因的表达与药物敏感性之间的关系。结果 筛选出5个关键基因构建COAD预后模型并成功验证,风险评分可以作为独立的预后因子(HR=1.581,P<0.001)。ROC曲线分析显示,在1年、2年和3年的随访中,训练集的AUC分别为0.690、0.709、0.699。生存分析显示,与高风险组相比,低风险组总体生存率更高(P<0.001)。此外,模型中的HSD17B2基因与多种COAD化疗药物的耐药性相关。结论 筛选并验证了5个枢纽基因(GZMB、HSD17B2、PDK4、PIGR和PXMP2)可能为COAD的潜在预后标志物,其中HSD17B2可能与结肠腺癌的耐药性有关。

应用加权基因共表达网络分析探索喉癌标志物

目的:喉癌(laryngeal cancer,LC)是全球最常见的头颈部肿瘤之一,世界范围内的死亡率和发病率都很高。尽管付出了巨大的努力,但人们对喉癌发生恶性进展的机制仍然认识不足。本研究旨在通过深度生物信息学分析,寻找可作为喉癌生物标志物或治疗靶点的关键基因标志物。方法:从美国肿瘤基因组图谱(the Cancer Genome Atlas,TCGA)数据库中收集117个喉癌患者样本,16746个喉癌基因RNA测序数据和9个临床特征,采用加权基因共表达网络分析(weighted gene coexpression network analysis,WGCNA)构建多个共表达基因模块。对相关的共表达模块和临床特征进行研究,验证它们之间的相关性,并利用模块之间的关联来探索疾病发生通路中的关键基因,最后运用Kaplan-Meier plotter验证富集后的基因与喉癌预后的相关性。结果:通过WGCNA,共构建出16个喉癌共表达基因模块,并发现其中的4个共表达模块(黄色、洋红、黑色、褐色共表达模块)与3个临床特征(初始病理诊断年龄、癌症状态和病理N分期)有相关性。其中,黄色和洋红基因共表达模块与病理诊断的年龄呈负相关(分别为r=−0.23,P<0.05;r=−0.33,P<0.05);黑色和褐色基因共表达模块与癌症状态呈负相关(分别为r=−0.39,P<0.05;r=−0.50,P<0.05)。另外,褐色基因共表达模块与病理N分期呈现显著正相关。基因本体(gene ontology,GO)富集分析鉴定出77条相关通路,京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)通路富集分析鉴定出30条相关信号通路,包括钙信号通路、细胞因子-细胞因子受体相互作用、神经活性配体-受体相互作用和脂肪细胞脂肪分解调控等。随后,我们确定了这些模块中的中枢基因。中枢基因与喉癌患者的总生存率显著相关,包括CHRNB4,FOXL2,KCNG1,LOC440173,ADAMTS15,BMP2,FAP和KIAA1644。结论:通过WGCNA和验证,筛选出8个可作为喉癌潜在基因生物标志物的基因,为喉癌的临床诊断、预后和治疗提供参考。

基于加权基因共表达网络分析筛选结肠癌关键长链非编码RNA及其竞争性内源RNA网络构建

目的通过加权基因共表达网络分析(WGCNA)方法筛选与结肠癌可能相关的长链非编码RNA(lncRNA),并构建其竞争性内源RNA(ceRNA)网络,为进一步探索结肠癌的机制提供依据。方法在GEO数据库下载结肠癌GSE126092的数据信息,获得差异表达lncRNA。下载癌症基因组图谱(TCGA)数据库中结肠癌组织及结肠正常组织lncRNA的表达数据,通过WGCNA方法筛选出与结肠癌相关性最高的模块,与GEO差异表达lncRNA取交集筛选出结肠癌关键lncRNA,进一步构建这些lncRNA相关的ceRNA网络,对靶mRNA进行基因本位(GO)功能分析和京都基因与基因组百科全书(KEGG)富集分析。结果共筛选出6个在结肠癌组织和正常组织中具有差异表达的lncRNA:锌指NFX1结构1反义RNA1(ZFAS1),β1,3-半乳糖基转移酶5反义RNA1(B3GALT5-AS1),细胞色素P450家族1亚家族B成员1反义RNA1(CYP1B1-AS1),二肽基肽酶样10反义RNA1(DPP10-AS1),VPS9包含域1反义RNA1(VPS9D1-AS1)和细胞周期蛋白依赖性激酶抑制因子2B反义RNA1(CDKN2B-AS1),并构建了其相关ceRNA网络。GO功能分析结果显示,生物功能主要集中在DNA模板转录调控、RNA聚合酶Ⅱ基因启动子的转录调控和RNA聚合酶Ⅱ启动子转录负向调控等;细胞功能主要集中在细胞核、突触、神经细胞体、突触后密集区和微管相关复合体;分子功能主要集中在核酸结合、金属离子结合、DNA结合等。KEGG富集分析结果显示,基因主要富集在癌症蛋白聚糖、磷脂酰肌醇-3-羟激酶(PI3K)-蛋白激酶B(AKT)信号通路、Rap1信号通路和局部粘连等。结论本研究通过WGCNA分析方法筛选出可能与结肠癌相关的lncRNA,并构建了其相关的ceRNA调控网络,可供后续实验验证。

基于加权基因共表达网络分析挖掘茯苓抗食管癌作用靶点

该研究利用加权基因共表达网络分析(WGCNA)探讨茯苓抗食管癌的潜在作用靶点,为食管癌的临床诊治开创新思路.首先在中药系统药理学数据库与分析平台(TCMSP)数据库中筛选出茯苓的有效活性成分及对应靶点,运用Cytoscape软件中鉴定候选药物作用靶点,接着在癌症基因组图谱(TCGA)数据库和基因表达谱差异(GEO)数据库中下载肿瘤相关基因表达数据集,通过WGCNA鉴定出与食管癌紧密相关的基因,并将鉴定出的基因与茯苓的候选药物作用靶点进行比对,确定茯苓抗食管癌的潜在作用靶点,最后采用RT-PCR的方法对筛选出核心基因在人食管癌细胞中的表达量进行检测.结果共获得34种茯苓有效活性成分,及17个对应靶点,主要候选药物作用靶点为:CHRM1、NCOA2、PGR、ADRA1B、ADH1B、PTGS2.其中ADH1B为茯苓抗食管癌的潜在作用靶点.筛选出DLGAP5、MCM2、CCNA2、CDK1、TPX2、TRIP13、KIF23、KIF2C、CENPF、CHAF1A等10个核心基因,其中CHAF1A和MCM2的表达水平对食管癌患者的预后具有影响.RT-PCR结果显示,CDK1、CHAF1A、TPIP13和MCM2基因经不同浓度的茯苓水煎液处理后,表达量与对照存在显著差异(p<0.05),表明CDK1、CHAF1ATPIP13和MCM2是茯苓水煎液治疗食管癌的主要作用靶点.