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。

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。

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和机器学习探索慢性阻塞性肺疾病患者肺泡巨噬细胞的作用机制及潜在生物标志物

目的基于加权基因共表达网络分析(WGCNA)和机器学习探索慢性阻塞性肺疾病(COPD)肺泡巨噬细胞(AMs)在疾病进展中的潜在病理机制,识别具有临床价值的潜在生物标志物。方法COPD数据集来自基因表达汇编(GEO)数据库,使用差异表达基因(DEGs)分析和WGCNA筛选差异共表达基因,对其进行基因本体(GO)和京都基因与基因组百科全书(KEGG)富集分析,进一步采用机器学习算法[包括最小绝对收缩和选择算法(LASSO)逻辑回归、支持向量机-递归特征消除(SVM-RFE)和随机森林(RF)算法]来识别生物标志物,开发列线图和受试者工作特征(ROC)曲线以评估诊断价值。随后通过CIBERSORT算法进行免疫浸润分析,并分析关键生物标志物在健康的非吸烟者与吸烟者之间的表达量差异。结果共获得13个差异共表达基因,富集分析提示COPD的进展与多个代谢相关通路与过程密切相关。通过机器学习识别到5个生物标志物(PRKAR2B、SHROOM3、CFB、PROCR、AOC3),均在COPD患者的AMs中表达量下调并且具有良好的正相关性,而仅有CFB在COPD患者的肺组织中表达下调。5个生物标志物均具有较高的诊断价值,它们与COPD的免疫细胞浸润联系密切,尤其是M0型巨噬细胞、M1型巨噬细胞等。此外,5个生物标志物的表达量在吸烟者AMs中均下调。结论5个特征基因在COPD患者AMs中低表达,为鉴别COPD提供了诊断价值,其中CFB最具价值。并且它们可能主要通过调节COPD中多种代谢相关信号通路影响免疫细胞浸润,尤其是巨噬细胞,从而参与COPD的发生与发展。本研究可能为COPD的预防筛查、诊断提供潜在的生物标志物。

加权基因共表达网络分析全氟和多氟烷基化合物对人间充质干细胞的毒性靶点

超过3 000种全氟多氟化合物(per-and polyfluoroalkyl substances, PFASs)已被投入全球市场,大量新型替代品的环境效应与健康风险仍然未知,为PFASs的监管带来了极大的挑战。为揭示PFASs及新型替代品干扰的生物学过程和敏感靶基因,将人骨髓间充质干细胞(human bone mesenchymal stem cells, hBMSCs)暴露于氯代多氟醚基磺酸(chlorinated polyfluoroalkyl ether sulfonates, Cl-PFESAs)、全氟辛烷磺酸(perfluorooctane sulfonate, PFOS)、全氟己烷磺酸(perfluorohexane sulfonate, PFHxS)和全氟辛酸(perfluorooctanoic acid, PFOA),利用加权基因共表达网络分析(weighted gene co-expression network analysis, WGCNA)方法比较细胞基因表达谱的变化。WGCNA使用拓扑重叠计算5 004个基因间的关联程度,并结合动态剪切树法将其划分为14个通过颜色区分的基因模块,除灰色模块外各模块内的基因高度相关。基因模块与细胞样本相关性分析发现,对照组细胞基因表达谱与Blue和Greenyellow模块正相关,PFOS暴露组与Blue模块显著负相关,Cl-PFESAs暴露组与Greenyellow模块显著负相关,表明PFASs暴露使细胞中Blue和Greenyellow模块基因表达模式发生较大变化。Blue和Greenyellow模块显著富集的生物学过程主要为胆固醇生物合成和骨髓白细胞分化负调控,提示免疫调控和脂质代谢可能是多种PFASs作用于hBMSCs的共同潜在靶点。根据模块基因共表达网络的连通性筛选枢纽基因,发现与脂质代谢相关的DHCR24、SQLE和EBP基因可能是PFASs影响脂质代谢的敏感作用靶基因。进一步利用hBMSCs体外模型研究PFASs的相关毒性作用和机制,有助于建立该类化学物毒性预测和筛选的生物标志物,为其安全性评价和监管提供科学依据和新方法。

基于加权基因共表达网络分析研究代谢异常型肥胖儿童的全血转录组特征

目的分析代谢异常型肥胖(metabolically unhealthy obesity,MUO)和代谢正常型肥胖(metabolically healthy obesity,MHO)儿童的全血转录组特征,探讨MUO的生物标志物。方法采用Gene Expression Omnibus(GEO)数据库的GSE146869数据集,包括27例肥胖儿童的全血转录组测序数据,其中13例MHO儿童,14例MUO儿童。利用R软件的“Limma”包,分析全血细胞中的差异表达基因。使用基因本体论(gene ontology,GO)富集分析、京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)富集分析、蛋白互作(protein-protein interaction,PPI)网络分析等生物信息学方法,探索差异表达基因的生物学功能。使用加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA),将差异表达基因聚类为模块,探索MUO的生物标志物或潜在治疗靶点。使用R软件进行生物信息分析和统计学分析。结果MHO组与MUO组儿童的性别、年龄、体质量指数、收缩压、舒张压、空腹血糖、胰岛素含量和胰岛素抵抗指数比较,差异均无统计学意义(P值均>0.05)。MUO组血清三酰甘油、白细胞介素-6和肿瘤坏死因子-α含量高于MHO组(P值均<0.05)。与MHO组相比,MUO组上调109个基因,下调77个基因。186个差异表达基因富集到46个GO条目和3条KEGG通路。其中,细胞分裂周期5样蛋白(cell division cycle 5 like,CDC5L)、CTP合酶1(CTP synthase 1,CTPS1)和主要组织相容性复合体ⅠC(major histocompatibility complex classⅠ-C,HLA-C)基因为PPI网络图的枢纽基因。WGCNA将186个差异表达基因聚类生成5个模块,在青色模块中,切割和聚腺苷酸化特异因子7(cleavage and polyadenylation specific factor 7,CPSF7)处于核心位置,为枢纽基因。结论186个差异表达基因和5个模块可以作为儿童MUO的潜在靶标,其中CDC5L、CTPS1、HLA-C和CPSF7基因可能在MUO发生、发展中扮演重要的角色。

基于加权基因共表达网络分析和机器学习算法探究葡萄糖代谢参与缺血性脑卒中的机制及其关键基因

目的基于加权基因共表达网络分析(WGCNA)和机器学习算法探究葡萄糖代谢参与缺血性脑卒中(IS)的机制及其关键基因。方法本实验时间为2022年11月—2023年6月。从GEO数据库GPL6883平台下载IS芯片数据集GSE16561,其包括39例IS患者(IS组)和24例健康受试者(对照组)外周血的总RNA表达谱数据,对其进行预处理,基于WGCNA筛选与IS组相关性最强的模块内基因,将其与在GeneCards数据库选取的相关性得分>5分的基因取交集,得到IS葡萄糖代谢相关基因并对其进行基因本体论(GO)功能富集分析。基于蛋白质相互作用(PPI)网络分析,采用机器学习算法[随机森林(RF)、支持向量机递归特征消除(SVM-RFE)算法]筛选IS葡萄糖代谢关键基因。比较GSE16561中IS组和对照组IS葡萄糖代谢关键基因表达量,同时绘制IS葡萄糖代谢关键基因诊断IS的ROC曲线,通过曲线下面积(AUC)评估其诊断效能。结果WGCNA共得到了11个基因共表达模块,其中棕色模块与IS组相关性最强(r=0.56,P=2×10^(-6)),其共包含461个基因。GeneCards数据库中相关性得分>5分的基因共2386个,将其与棕色模块基因取交集,共得到85个IS葡萄糖代谢相关基因。GO功能富集分析结果显示,IS葡萄糖代谢相关基因主要涉及的生物学过程(BP)为对肽的反应、对肽激素的反应、细胞碳水化合物代谢过程,主要涉及的细胞成分(CC)为富含纤维胶凝蛋白1的颗粒、分泌颗粒腔、细胞质囊泡腔,主要涉及的分子功能(MF)为类泛素蛋白连接酶结合、磷蛋白结合、蛋白酶结合。PPI网络分析结果显示,得到了1个包含12个基因的核心模块。将RF算法以及SVM-RFE算法得到的关键基因取交集,最终得到4个IS葡萄糖代谢关键基因,分别为MMP9、STAT3、ITGAM、TLR2。IS组MMP9、STAT3、ITGAM、TLR2表达量高于对照组(P<0.05)。ROC曲线分析结果显示,MMP9、STAT3、ITGAM、TLR2诊断IS的AUC分别为0.855[95%CI(0.762~0.948)]、0.872[95%CI(0.784~0.960)]、0.842[95%CI(0.747~0.936)]、0.829[95%CI(0.727~0.931)]。结论IS葡萄糖代谢相关基因主要通过影响炎症反应及氧化应激等而参与IS的发生发展,且MMP9、STAT3、ITGAM、TLR2为IS葡萄糖代谢关键基因,这可为葡萄糖代谢参与IS的相关研究提供新思路。

基于代谢组学分析香蜂草苷抗非酒精性脂肪肝病的作用机制

目的:基于非靶向代谢组学和生物信息学方法研究香蜂草苷抗非酒精性脂肪肝病(NAFLD)的作用机制。方法:将18只雄性SD大鼠随机分为正常对照组、模型组和香蜂草苷组(3 mg/kg),每组6只。使用高脂饲料喂养8周诱导建立NAFLD大鼠模型。香蜂草苷组每天灌胃给予香蜂草苷治疗8周,正常对照组和模型组灌胃给予等量生理盐水。采用苏木精—伊红(HE)染色和油红O染色观察各组大鼠肝组织病理学变化。使用超高效液相—质谱(UPLC-Xevo G2-XS QTof)检测大鼠肝匀浆代谢物,以P<0.05和变化倍数(|FC|)>2为标准筛选差异代谢物,进行代谢物分类富集分析;以总胆固醇(TC)、甘油三酯(TG)、低密度脂蛋白(LDL)、高密度脂蛋白(HDL)、游离脂肪酸(FFA)和胰岛素抵抗(IR)等NAFLD相关指标为疾病表型,构建加权代谢共表达网络分析(WMCNA),筛选出与NAFLD相关的核心代谢物。取差异代谢物和核心代谢物交集进行生物标志物分析。结果:与模型组比较,香蜂草苷组大鼠体重降低,肝脏脂质沉积减少,肝脏病理损伤减轻。代谢组学结果表明,共筛选出差异代谢物126个,其中上调50个,下调76个(香蜂草苷组vs.模型组)。WMCNA筛选出核心代谢物189个,主要为磺酸及其衍生物、脂肪酸化合物。取差异代谢物和核心代谢物交集在Metaboanlyst在线数据库分析可得25个潜在生物标志物,其中脂酰类化合物Isopropylmalic acid(P<0.05,FC=-2.81)和脂肪酸生成相关化合物Alpha-Linoleoylcholine(P<0.05,FC=-1.39)、3-trans,5-cis-Octadienoyl-CoA(P<0.05,FC=-1.78)变化差异具有统计学意义。结论:香蜂草苷可能通过调节Isopropylmalic acid、Alpha-Linoleoylcholine和3-trans,5-cis-Octadienoyl-CoA的代谢水平,起到改善NAFLD的作用,为缓解脂质代谢紊乱提供前期实验基础。

基于加权基因共表达网络分析和机器学习的肛瘘潜在生物标志物筛选及实验研究

目的利用加权基因共表达网络分析(WGCNA)、机器学习算法、免疫浸润分析和动物实验筛选肛瘘(AF)潜在的生物标志物。方法下载基因表达数据库中包含AF和瘘管旁组织(PF)的转录组数据进行差异分析,对差异表达基因(DEGs)进行基因本体(GO)和京都基因与基因组百科全书(KEGG)信号通路富集分析。整合WGCNA结果和DEGs,筛选AF相关基因。利用最小绝对收缩和选择算子(LASSO)、支持向量机递归特征消除(SVM-RFE)和随机森林(RF)等机器学习方法筛选AF的潜在生物标志物,并进行免疫浸润分析,复制AF大鼠模型进行验证。结果共获得377个DEGs,主要富集在B细胞受体信号通路、趋化因子信号通路等。机器学习算法筛选出AF的潜在生物标志物基质金属蛋白酶13(MMP13)。AF样本中记忆B细胞、浆细胞、M0巨噬细胞、M1巨噬细胞比例高于PF样本,静息CD4记忆T细胞、静息树突细胞比例低于PF样本。MMP13与M0巨噬细胞、活化肥大细胞和幼稚B细胞呈正相关;与静息肥大细胞呈负相关。实验结果显示,大鼠AF样本中MMP13表达水平高于对照组。结论AF发病涉及多种免疫细胞和信号通路,MMP13在AF组织中表达显著增高,与多种免疫细胞具有相关性,可能成为AF潜在的生物标志物。

卵巢癌基因共表达网络及预后标志物的研究

卵巢癌是一种早期诊断率低而致死率较高的恶性肿瘤,对其预后标志物的鉴定和生存率的预测仍是生存分析的重要任务。利用卵巢癌预后相关基因构建基因共表达网络,鉴定预后生物标志物并进行生存率的预测。首先,对TCGA(The cancer genome atlas)数据库下载的卵巢癌基因表达数据实施单因素回归分析,利用得到的747个预后相关基因构建卵巢癌预后加权基因共表达网络。其次,考虑网络的生物学意义,利用蛋白质相互作用(Protein-protein interaction,PPI)数据对共表达网络中的模块重新加权,并根据网络中基因的拓扑重要性对基因进行排序。最后,运用Cox比例风险回归对网络中的重要基因构建卵巢癌预后模型,鉴定了3个预后生物标志物。生存分析结果显示,这3个标志物能够显著区分不同预后的患者,较好地预测卵巢癌患者的预后情况。

基于网络药理学联合加权基因共表达网络分析黄精治疗代谢性相关脂肪性肝病的作用机制

目的运用网络药理学结合加权基因共表达网络分析(WGCNA)探究黄精治疗代谢性相关脂肪性肝病的作用机制。方法利用中药系统药理数据分析平台(TCMSP)检索黄精主要活性成分,并采用Pharm Mapper平台挖掘黄精活性成分相关靶点。在GeneCards数据库中下载并整理了代谢性相关脂肪性肝病相关基因。通过GEO平台下载代谢性相关脂肪性肝病相关基因芯片GSE89632,使用R软件limma包进行差异分析,并运用WGCNA筛选出的模块基因作为疾病靶点基因。R软件Venn Diagram包进行交集分析并可视化。采用R软件clusterProfiler包对交集靶点基因进行基因本体论(GO)功能富集和京都基因与基因组百科全书(KEGG)信号通路富集分析。采用Cytoscape软件进行“药物–活性成分–共同靶点”网络的构建与分析。将交集靶点基因上传至String数据库,把结果数据导入至Cytoscape软件构建蛋白相互作用(PPI)网络并筛选核心靶点基因。采用MOE软件进行分子对接。结果共筛选出黄精活性成分12个,成分相关靶点327个;GeneCards数据库整理获得代谢性相关脂肪性肝病相关基因1227个;WGCNA关联模块基因2639个;最终获得黄精治疗代谢性相关脂肪性肝病靶点基因18个。富集分析发现18个靶点基因通过调控胰岛素抵抗、脂质和动脉粥样硬化、代谢性相关脂肪性肝病等信号通络,参与细胞间信号传导、脂质代谢、氧化应激、炎症反应等生物过程。分子对接研究显示核心靶点与相关黄精活性成分结合稳定。结论黄精具有治疗代谢性相关脂肪性肝病的作用,且在治疗代谢性相关脂肪性肝病中具有多靶点、多成分、协同作用的特点。

基于机器学习联合加权基因共表达网络分析鉴定狼疮肾炎潜在生物标志物

目的探讨狼疮肾炎(lupus nephritis,LN)发生发展的潜在机制,探讨与LN进展相关的关键生物标志物和免疫相关途径。方法从Gene Expression Omnibus数据库中下载数据集。通过对差异表达基因的差异表达分析和加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)挖掘,通过基因本体论基因功能富集分析、疾病本体论疾病富集分析、京都基因和基因组数据库通路富集分析,探索LN中差异表达基因的生物学功能。利用LASSO回归、支持向量机和随机森林3种机器学习模型获得LN中的枢纽基因(hub基因),构建基于hub基因的列线图诊断模型,并通过受试者操作特征曲线评价hub基因的诊断准确性,同时采用单样本基因集富集分析对已知标记基因集与hub基因的表达之间的关系进行分析。结果共获得2297个具有统计学意义的差异表达基因。WGCNA得到7个共表达模块;青色模块与LN的相关性最高;通过结合差异基因,共获得347个目标基因。通过支持向量机、LASSO和随机森林3种机器学习技术获得了3个hub基因(CLC、ADGRE4P、CISD2),作为LN的潜在生物标志物。受试者操作特征曲线下面积(area under the curve,AUC)分析显示3个hub基因具有诊断价值(AUCCLC=0.718,AUCADGRE4P=0.813,AUCCISD2=0.718)。根据单样本基因集富集分析,hub基因主要在细胞凋亡、糖酵解、代谢、缺氧以及肿瘤坏死因子-α-核因子-κB相关途径中得到增强。结论通过机器学习技术结合WGCNA筛选获得3个LN疾病发生发展中的hub基因(CLC、ADGRE4P和CISD2)。以上3个基因可以为临床早期诊断LN提供帮助,并可能为进一步深入研究LN进展机制提供思路。

生物信息学联合机器学习筛选幽门螺杆菌相关萎缩性胃炎的生物标志物

目的利用加权基因共表达网络分析(WGCNA)、机器学习算法筛选幽门螺杆菌相关萎缩性胃炎(HPAG)潜在的生物标志物。方法下载基因表达数据库中包含HPAG和无幽门螺杆菌感染(nonHP)的胃组织转录组数据进行差异分析,对差异表达基因(DEGs)进行基因集富集分析(GSEA)。整合WGCNA结果和DEGs,筛选HPAG相关基因。利用最小绝对收缩和选择算子(LASSO)、支持向量机递归特征消除(SVM-RFE)和随机森林(RF)等机器学习方法筛选HPAG的潜在生物标志物,提取生物标志物的表达量进行组间比较。结果共获得213个DEGs,主要富集在胆固醇代谢、脂肪的消化吸收等信号通路。机器学习算法筛选出AF的潜在生物标志物S100钙结合蛋白G(S100G)。HPAG样本中S100G表达水平高于nonHP样本。结论HPAG发病涉及胆固醇代谢、脂肪的消化吸收等信号通路,S100G在HPAG胃组织中表达显著增高,可能成为HPAG治疗的新靶点。

基于加权基因共表达网络分析的BRAF突变分化型甲状腺癌预后标志物筛选

目的:构建鼠类肉瘤滤过性病毒致癌同源体B1 (v-raf murine sarcoma viral oncogene homolog B1,BRAF)基因突变分化型甲状腺癌的基因共表达网络并筛选预后标志物,加强此类患者的术前风险评估。方法:从肿瘤基因组图谱数据库下载甲状腺癌与癌旁组织样本的基因转录组表达数据及临床资料。用加权基因共表达网络分析来构建BRAF基因突变调控的基因共表达模块,通过模块的表型相关性分析找到有临床意义的模块,并在模块中筛选BRAF基因突变的分化型甲状腺癌特异性的预后标志物。结果:成功构建3个分化型甲状腺癌中BRAF基因突变调控的基因共表达模块,其中2个模块与颈部淋巴结转移分期相关。在这两个模块中找到与分化型甲状腺癌预后相关的基因有9个:SLC26A4、SOD3、KIT、GNAI1、FN1、ITGA2、IQGAP2、SORBS2和ITGA3;且FN1和ITGA3的高表达与BRAF基因突变分化型甲状腺癌患者无病生存期缩短有关。结论:建立分化型甲状腺癌中BRAF基因突变调控的基因共表达模块与颈部淋巴结转移分期之间的联系,筛选出FN1和ITGA3是BRAF基因突变的分化型甲状腺癌的特异性预后标志物。

基于系统生物信息学的鼻咽癌关键预测基因筛选及实验验证

目的基于系统生物信息学分析鼻咽癌样本基因芯片数据,筛选鼻咽癌的潜在预测基因,并对其进行实验验证。方法通过基因表达综合数据库筛选鼻咽癌数据集,通过limma包进行差异分析,加权基因共表达网络包进行加权基因共表达网络分析,绘制韦恩图寻找共同基因,进行基因本体富集分析及京都基因与基因组百科全书通路分析。通过蛋白质互作网络、LASSO回归及非参数检验,进一步挖掘鼻咽癌的生物标志物。通过实时荧光定量PCR和Western blot对鼻咽癌关键预测基因的mRNA及蛋白表达情况进行检测,验证结果。结果GSE12452数据集上调基因共622个,下调基因共351个,通过limma分析及加权基因共表达网络分析并交集最终获取116个交集基因,通过富集分析,生物过程主要包括细胞增殖及调控、细胞间黏附的调节等,富集于Rap1信号通路、Ras信号通路、肿瘤坏死因子信号通路等通路,经过筛选得到血管生成素2(ANGPT2)、双氧化酶2(DUOX2)、人组织因子Ⅲ(F3)、白细胞介素-15(IL-15)、脂质运载蛋白2、视黄酸受体相关孤儿受体B(RORB)共6个关键基因,实时荧光定量PCR和Western blot实验证明ANGPT2、IL-15的mRNA和蛋白在鼻咽癌细胞中高表达,DUOX2、F3、RORB的mRNA和蛋白低表达。结论ANGPT2、DUOX2、F3、IL-15、RORB为鼻咽癌的潜在预测分子标志物和治疗靶点,其机制可能与Rap1、Ras、肿瘤坏死因子等信号通路有关。

基于WGCNA分析和SVM建模对轻度认知功能障碍患者血液基因生物标志物的筛选研究

目的:分析轻度认知功能损害(mild cognitive impairment,MCI)患者的外周血表达谱数据,寻找MCI的基因生物标志物。方法:从GEO数据库下载GSE63063表达谱数据,采用加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)明确与MCI相关的共表达模块,对最显著的模块进行功能富集分析,利用STRING数据库构建模块的蛋白互作(protein-protein interaction,PPI)网络,识别网络中的Hub基因,基于支持向量机(support vector machine,SVM)建立MCI的诊断模型,并进行受试者工作特征曲线(receiver operating characteristic curve,ROC)分析,检测其诊断能力。结果:通过WGCNA分析,发现9个与MCI相关的共表达模块,brown模块与MCI的相关性最强。通过MCC算法筛选出每个模块的前15个Hub基因,其中brown模块的Hub基因诊断能力最高,在训练集及验证集中的ROC曲线下面积分别为0.864、0.789。结论:brown模块的Hub基因可成为诊断MCI的潜在生物学标志物。

辣椒果实类胡萝卜素调控因子转录组和靶向代谢组分析

分析了辣椒自交系1189不同发育时期果实转录组和类胡萝卜素靶向代谢组,基于加权基因共表达网络分析(weight gene co-expression network analysis,WGCNA)鉴定了可能参与调控辣椒类胡萝卜素生物合成相关基因的转录因子。靶向代谢组共鉴定出60种类胡萝卜素代谢物,分析发现,幼果期和绿熟期果实类胡萝卜素主要组分均为叶黄素(73.4%和64.5%),转色期叶黄素含量急剧下降,红熟期主要为辣椒红素(32.5%),无法检测到叶黄素。转录组分析共鉴定出14148个差异表达基因和15个类胡萝卜素代谢相关差异表达基因。通过WGCNA将筛选所得的12286个差异表达基因划分至16个模块,发现MEdarkseagreen4、MElightcyan1和MEbrown2模块与11种主要类胡萝卜素组分显著相关。基于3个模块中类胡萝卜素相关差异表达基因构建代谢调控网络,并通过分析启动子结合基序,筛选出bHLH48、SEP3、CMB1、AGL27、YABBY2、GT-3B、NF-YA3、NAC2、HOX5和GATA26等10个转录因子可能在类胡萝卜素积累中发挥重要调控作用。

基于生物信息学和机器学习的心肌梗死后心室重构关键基因的筛选

目的:利用生物信息学和机器学习筛选心肌梗死后心室重构(VRpMI)中的关键基因,并探索其对VRpMI的诊断价值。方法:从GEO数据库分别下载GSE132143中健康人和VRpMI患者心室组织的测序数据,猪心肌梗死后6个月梗死区和梗死远端区组织的测序数据,GSE775中小鼠心肌梗死后48 h、8周及正常小鼠心室组织的表达谱数据。基于健康人和VRpMI患者心室组织的测序数据,利用edgeR包和加权基因共表达网络分析筛选重要差异表达基因(DEG);通过LASSO算法和SVM-RFE算法筛选关键基因,并利用自身数据和猪、小鼠数据分析关键基因诊断VRpMI的价值;最后,对关键基因开展单基因的基因集富集分析。结果:共获得355个重要DEG,从中筛选出1个关键基因即神经元正五聚蛋白2(NPTX2)。NPTX2在自身数据和小鼠、猪验证数据中的AUC(95%CI)分别为0.996(0.984~1.000)、0.972(0.895~1.000)和0.963(0.882~1.000)。单基因的基因集富集分析显示,NPTX2富集于心肌收缩、鞘脂类代谢、细胞凋亡、谷胱甘肽代谢等19个信号通路。结论:NPTX2可能为诊断VRpMI的潜在生物标志物。

基于WGCNA和SVM-RFE算法挖掘肺腺癌诊断和预后基因标志物

目的肺癌是世界上最常见的癌症之一,在众多肺癌患者中,肺腺癌(lung adenocarcinoma,LUAD)的死亡率最高。基因表达谱的变化与肿瘤的发生和发展过程有关,通过识别与LUAD患者相关的诊断和预后基因标志物,可以为肺腺癌的预防和治疗提供理论依据。方法本研究以肿瘤基因组图谱(The Cancer Gene Atlas,TCGA)数据库为基础,采用加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)、差异基因分析、cox回归分析、蛋白质互作网络(protein-protein interaction,PPI)分析等方法筛选与LUAD形成过程高度相关的hub基因。将TCGA和基因型组织表达(GTEx genotype tissue expression,GTEx)数据库中的RNA数据合并划分为训练集和内部验证集,利用基于支持向量机的递归特征消除算法(support vector machine recursive feature elimination feature,SVM-RFE)构建诊断模型并进行验证。GSE32863和GSE31210数据集分别用于验证诊断模型的准确性和基因标志物的预后价值。结果SVM-RFE算法得到的5个基因标志物(anln、cenpa、plk1、tpx2、cdca3)模型在LUAD患者分类中具有显著的诊断能力。功能富集分析表明,这5个基因与肿瘤发生发展的生物学过程密切相关。此外,这5个基因高表达的LUAD患者的预后表现不良,死亡率显著高于低表达的患者。结论我们的研究为LUAD的诊断和预后提供了具有5个基因特征的模型,这对于开发用于精确治疗的新靶点具有重要意义。