网络基因图谱研究

随着人-机-物三元日益深度融合,人类活动早已冲出原有现实空间的边界,出现线上和线下联动现象,这为行为失范、网络犯罪、从事危害国家安全等活动提供便利条件,且网络的匿名性、加密通信、移动性等特性加大管理部门的执法难度.因此受生物基因启发,首次提出网络基因图谱概念,该图谱涵盖实体的生物属性、社会属性、网络属性,能突破现有身份认证容易伪造且难以虚实映射的问题,且具备如下优点:一是唯一标识实体;二是能够反映实体的本质特征;三是具备计算能力,可推理、补全、预测等.网络基因图谱将为全方位认知实体、跨域甄别实体、预防或打击实体犯罪等提供全新的技术支持,具有重大的理论和实践意义.

对葛鲁尔协同创新网络基因密码理论的解析

在剖析彼得.葛鲁尔提出的协同创新网络五个维度基因密码理论的基础上,从理论本身和适应性两个角度解析了"学习型网络"、"伦理准则"、"自组织"、"知识的可获得性"及"内部忠诚与透明"五个维度基因密码,最后基于五维基因密码逻辑关系的立体解析为我国现阶段建设协同创新网络提出了构造跨区域跨阶层的开放式学习型网络、营造高伦理低代价的社会环境、鼓励发挥自组织的内在功能、创造全向度的知识获得机制以及构建忠诚透明的个人与组织互动关系等建议。

电视媒体如何融入网络基因

网络基因注入原本传统的电视媒体,带来的传播影响力使电视剧生命周期加以延长,已是不可争议的事实。文章将着重探讨网络基因在电视剧传播中所发挥的传播力和影响力,提供在媒体社会责任背景下,传统媒体在互联网时代可以通过转型实现融合发展的参考数据。

加权共表达网络分析与机器学习识别类风湿关节炎滑膜中的关键基因

背景:类风湿关节炎是一种全身的免疫相关性疾病,主要病理特点是关节滑膜炎性增生及关节软骨的破坏,其发病机制目前尚不明确,迫切需要发现新的具有高度敏感性和特异性的诊断标志物。目的:联合使用生物信息学技术及计算机学习算法,识别并筛选类风湿关节炎患者滑膜中的关键基因,构建类风湿关节炎预测模型并进行验证。方法:从基因表达综合数据库中下载3个包含类风湿关节炎患者滑膜的数据集(GSE77298、GSE55235、GSE55457),GSE77298和GSE55235作为训练集,GSE55457作为测试集,共纳入66个样本,其中类风湿关节炎患者滑膜样本39个,正常滑膜样本27个。应用R语言筛选训练集中的差异基因,然后使用加权共表达网络将训练集中的基因模块化,选出关键模块中的特征基因,将差异表达基因和特征基因取交集,交集基因进入下一步机器学习。采用3种机器学习方法:最小绝对值收敛和选择算子算法、支持向量机-递归特征消除和随机森林算法对交集基因进一步分析获得枢纽基因,将枢纽基因再次相交即得到类风湿关节炎滑膜中的关键基因。以关键基因为变量构建预测类风湿关节炎的列线图模型,推测患者发生类风湿关节炎的危险程度,使用受试者工作特征曲线确定类风湿关节炎预测模型及其关键基因的诊断价值。结果与结论:①通过差异分析,训练集中共筛选出差异基因730个,加权共表达网络分析得到特征基因185个,两者交集基因159个;②最小绝对值收敛和选择算子发现枢纽基因4个,支持向量机-递归特征消除发现枢纽基因11个,随机森林发现枢纽基因5个,取交集后获得关键基因2个(TNS3、SDC1);③基于2个关键基因,在训练集及测试集种构建列线图,其校准预测曲线与标准曲线贴合较好,且预测类风湿关节炎发生的临床效能良好;④上述结果证实,基于生物信息及机器学习算法获得的TNS3和SDC1有可能成为类风湿关节炎诊断和治疗的关键靶点。

基于单细胞RNA测序数据的基因调控网络推断算法综述

通过基因表达的变化可以推断基因调控网络.单细胞RNA测序(scRNA-seq)为推断细胞周期或分化等时间依赖性生物过程的基因调控网络提供了新的可能性,基于scRNA-seq数据的基因调控网络推断算法成为一个相对活跃的研究方向.本文首先对26种基因调控网络推断算法进行介绍,包括3种针对批量RNA测序数据的推断算法和23种针对scRNA-seq数据的推断算法(基于布尔网络的算法2种、基于微分方程的算法3种、基于伪时序基因相关性集成策略的算法5种、基于共表达基因的算法4种、基于细胞特异性的算法3种、基于深度学习的算法6种),详细描述了每类算法的方法原理和算法优缺点,对算法进行综合比较;然后分析了推断算法比较研究的相关成果,并使用scRNA-seq数据简单评估了26种算法的性能;最后探讨当前基因调控网络推断算法面临的机遇与挑战.

基于加权基因共表达网络分析识别肥胖型多囊卵巢综合征的关键基因

目的 采用加权基因共表达网络分析(weighted gene co-expression network analysis, WGCNA)方法识别肥胖型多囊卵巢综合征(polycystic ovary syndrome, PCOS)的关键基因,探讨肥胖型PCOS的发病机制。方法 从基因表达数据库(gene expression omnibus, GEO)下载GSE5090芯片数据,通过WGCNA算法分析筛选基因共表达关键模块和核心基因,对关键模块进行GO和KEGG分析,对核心基因进行差异分析以确定肥胖型PCOS的关键基因。结果 在GSE5090芯片数据中,通过WGCNA分析构建出了31个共表达基因模块,其中重褐色模块(MEsaddlebrown)与肥胖型PCOS具有密切的相关性,包含53个基因。对此模块基因进一步筛选,识别出了ZNF492、MED17、CRABP1、KCNV2、KRI1、ACSBG2、MACO1、SCLY、CPSF1、MAGEA8 10个肥胖型PCOS核心基因。对此模块基因进行GO和KEGG分析发现相关基因与脂肪酸代谢关系密切,主要作用于核蛋白,通过调节染色体组织、有机酸分解等发挥生物学功能。进一步对核心基因表达量进行差异分析,基因ZNF492、CRABP1、KCNV2在肥胖对照组与肥胖型PCOS脂肪组织间存在明显差异。结论 ZNF492、CRABP1和KCNV2基因在肥胖型PCOS的发展中可能产生重要生物学意义,其具体机制有待进一步研究。

甘蓝型油菜盐胁迫响应基因表达谱分析及共表达网络的构建

甘蓝型油菜是重要的油料作物,而盐胁迫是影响油菜生长发育的主要环境条件之一,可能会造成油菜减产、品质下降甚至死亡。本研究利用半冬性油菜ZS11作为试验材料,对盐胁迫处理0、0.25、0.5、1、3、6、12和24h的叶片和根系组织进行转录组测序,通过测得的90份RNA-seq数据,获得了油菜响应盐胁迫的高分辨率时间动态转录表达谱。相关性分析发现,样本在盐胁迫处理1 h前后具有明显的早期响应与后期响应的聚类差异。利用DESeq2进行差异基因分析,鉴定出根系以及叶片组织响应差异基因分别为20,462个和29,334个,表明油菜叶片组织的响应程度整体上比根系更剧烈。进一步利用WGCNA分别构建根系以及叶片组织响应盐胁迫的基因共表达网络,从中筛选出与盐胁迫早期响应阶段显著相关的tan和yellow模块,以及与盐胁迫后期响应阶段显著相关的green和red模块,对其进行GO富集分析,并从中分别筛选出早期以及后期响应盐胁迫的核心转录因子41个和26个。功能注释显示4个模块中均存在已知的拟南芥同源基因参与不同阶段的盐胁迫响应,还发现BnWRKY46和BnWRKY57等核心基因在505份盐胁迫处理的油菜群体变异数据中具有丰富的SNPs变异和单倍体类型,表明这些核心转录因子可能是油菜响应盐胁迫的关键候选基因。本研究可为甘蓝型油菜耐盐性改良提供可靠的数据参考和候选基因资源。

基于t检验和逐步网络搜索的有向基因调控网络推断算法

为了克服基于条件互信息的路径一致算法(PCA-CMI)无法识别调控方向的缺陷,并进一步提高网络推断准确率,提出了一种基于t检验和逐步网络搜索的有向网络推断算法(DNI-T-SRS)。首先,对不同实验条件下的表达数据进行t检验以辨别基因调控的上下游关系,指导路径一致(Path Consensus)算法中条件基因的选取,根据CMI2(Conditional Mutual Inclusive Information)剔除网络中的冗余边,得到了基于t检验的有向调控关系推断算法CMI2NI-T(CMI2-based Network Inference guided by t-Test);然后,建立有向调控关系对应的米氏微分方程模型对数据进行拟合,根据贝叶斯信息准则进行逐步网络搜索以修正网络推断结果。利用CMI2NI-T推断DREAM6挑战中的两个测试网络,所得到的曲线下面积(AUC)分别为0.7679和0.9796,相较于PCA-CMI分别提高了16.23%和11.62%;通过进一步的数据拟合后DNI-T-SRS的推断准确率分别达到了86.67%和100.00%,相较于PCA-CMI分别提高了18.19%和10.52%。实验结果表明,所提DNI-T-SRS算法能够有效剔除间接调控关系并保留直接调控连接,得到精确的基因调控网络推断结果。

一个二维基因调控网络的稳定性和分岔分析

基于动力系统理论分析一个二维基因调控网络的稳定性和分岔。首先,给出系统平衡点存在的条件并分析平衡点的稳定性。其次,分析该系统经历余维1的Hopf分岔、Saddle-node分岔以及余维2的Bogdanov-Takens分岔的条件。最后,用余维1、余维2分岔图和相图验证了理论结果的正确性。

通过加权基因共表达网络分析鉴定与病毒性脓毒症儿童患者相关的关键基因

目的通过加权基因共表达网络分析(WGCNA)鉴定与病毒性脓毒症儿童患者相关的关键基因。方法使用GSE119217数据集进行差异表达基因(DEGs)分析,筛选病毒性脓毒症儿童患者相关的DEGs。采用WGCNA筛选与脓毒症临床特征相关性最高的模块。利用维恩图将所选模块中的基因和DEGs取交集,获得致病基因。利用Cytoscape中的CytoHubba插件选择MCC算法中的前10个基因。结果通过GSE119217数据集筛选出154个与病毒性脓毒症儿童患者相关的DEGs,43个与脓毒症相关的高危致病基因。筛选出前10个基因包括RSAD2、DDX60、IFIT3、IFIT2、IFIT1、ISG15、RTP4、IFI44、USP18、XAF1。这些基因主要与病毒的防御反应、干扰素信号、对生物刺激反应的调节、干扰素刺激基因的抗病毒机制有关。结论RSAD2、DDX60、IFIT3、IFIT2、IFIT1、ISG15、RTP4、IFI44、USP18、XAF1是与病毒性脓毒症相关的高危致病基因,可能通过多种途径影响病毒性脓毒症的发生发展。

基于基因关联分析的贝叶斯网络疾病样本分类算法

基因表达数据作为生物学中一种特定类型的大数据,尽管基因表达值都是普通的实数值,但它们的相似性不是基于欧氏距离度量,而是基于基因表达值是否展现同升同降趋势。目前的基因贝叶斯网络以基因表达水平值为节点随机变量,没有体现这种子空间模式的相似性。因此,提出基于基因关联分析的贝叶斯网络疾病分类算法(BCGA),从带类标签的疾病样本-基因表达数据中学习贝叶斯网络并预测新疾病样本的分类。首先,将疾病样本离散化过滤以选择基因,并将降维后的基因表达值排序和置换为基因列下标;其次,分解基因列下标序列为长度为2的原子序列集合,而这个集合的频繁原子序列对应一对基因的关联关系;最后,通过基因关联熵度量因果关系,并用于贝叶斯网络结构学习。BCGA的参数学习也变得很容易,基因节点的条件概率分布只要统计该基因的原子序列和父节点基因的原子序列出现频次即可。在多个肿瘤和非肿瘤基因表达数据集上的实验结果表明,相较于已有的同类算法,BCGA的疾病分类准确率明显提高,分析时间有效缩短;另外,BCGA使用基因关联熵代替条件独立性,使用基因原子序列代替基因表达值,可以更好地拟合基因表达数据。

荷斯坦奶牛肝脏组织中与泌乳时期及繁殖力相关的基因共表达网络构建

旨在运用加权基因共表达网络分析技术(weighted gene co-expression network analysis,WGCNA)筛选出荷斯坦奶牛(Bos taurus)肝脏组织中与泌乳时期及繁殖力相关的基因。本研究采用GEO数据库中的GSE62159数据集,该数据集分别包含高繁殖力(分泌到配种的平均时间间隔为85.6 d,n=24)和低繁殖力(分泌到配种的平均时间间隔为113.8 d,n=24)健康荷斯坦母牛在妊娠后期、泌乳初期和泌乳中期的肝脏组织转录组数据,使用R语言中的WGCNA包对该数据集进行共表达分析。将所得到的模块与不同泌乳时期以及不同繁殖力进行关联分析,得到目标模块,再依据连接度选择出排名前30的基因作为枢纽基因(Hub基因),对Hub基因进行功能富集分析,使用String网站构建出模块的蛋白互作网络(PPI),并使用Cytoscape软件筛选出Hub基因与蛋白互作分析(PPI)网络核心基因的交集,最终得到肝脏中与泌乳时期及繁殖力相关的目标基因。研究共得到14个模块,其中tan、greenyellow两个模块与泌乳时期相关,black模块与繁殖力相关。对hub基因进行富集分析后,发现肝脏中与泌乳早期相关基因功能主要包括:有物质的合成代谢途径、脂质脂蛋白的基因表达、蛋白质的合成到分泌等;与泌乳中期相关基因功能主要包括:疾病、机体的炎症反应、免疫反应以及急性期等;与繁殖力相关基因功能主要包括:胰岛素抵抗、子宫内膜癌以及癌症等。筛选到的12个肝脏中与泌乳早期相关的目标基因有RPN1、SEC 61A1、SEC 61B、SEC 61G、SSR1、SSR3、STT 3A、DAD1、DDOST、ERLEC1、HM 13和OSTC;6个与泌乳中期相关的目标基因有ITGAL、ITGB2、LAPTM5、PTPRC、C 3AR1和CTSS;4个与繁殖力相关的目标基因有:PDS 5A、ROCK1、AQR和LTN 1。本研究使用WGCNA、PPI、基因功能富集等生物信息学方法,鉴定得到荷斯坦奶牛肝脏中与泌乳时期、繁殖力相关的目标基因,并对目标基因进行了功能富集分析,为高繁殖力及高产奶牛培育方向的科研工作积累了理论资料。

基于加权基因共表达网络探索喉癌干性关键基因

目的采用肿瘤干性指数mRNAsi筛选喉癌相关基因,为喉癌相关研究提供新思路。方法从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库下载喉癌mRNA表达谱,采用加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)构建基因共表达网络模块,得到干性最显著模块的差异表达基因。采用Cox回归和最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法建立风险曲线,基于肿瘤免疫功能障碍与排斥(Tumor Immune Dysfunction and Exclusion,TIDE)数据库采用单样本基因集富集分析(single sample gene set enrichment analysis,ssGSEA)探索交集基因的免疫浸润模式,基于CellMiner数据库分析基因药物敏感性,运用基因集富集分析(gene set enrichment analysis,GSEA)富集关键基因在喉癌所参与的功能和信号通路。结果通过WGCNA共构建30个喉癌共表达基因模块,选择浅黄色和紫色共表达基因模块进行Cox回归分析。LASSO算法构建模型筛选得到MTHFD2和TBX2基因,并构建风险曲线,其与浆细胞样树突状细胞(plasmacytoid dendritic cells,pDCs)和辅助性T细胞2(T helper 2 cell,Th2)免疫细胞相关,且低风险组的TIDE评分明显高于高风险组,达沙替尼与基因耐药性增加相关,功能富集显示关键基因可能与角化细胞相关。结论MTHFD2和TBX2基因可作为喉癌mRNAsi相关生物标志物。

基于加权基因共表达网络和癌症基因组图谱临床数据分析并鉴定肝细胞癌的Hub基因研究

背景 肝细胞癌(HCC)是全球常见的癌症相关死亡的第三大原因,约占所有原发性肝癌病例的90%,其复发率和死亡率较高,目前发生的分子机制仍不清楚。目的 探索HCC潜在的分子机制,发掘新的生物标志物。方法 从TCGA数据库下载RNA-seq表达数据和临床相关信息,通过差异基因表达分析正常肝脏组织与HCC组织的差异基因;对差异表达基因进行富集分析;基于TCGA中HCC的基因表达数据概况,使用WGCNA R包建立共表达网络,进行加权基因共表达网络分析(WGCNA),选择具有临床意义的模块,并筛选候选Hub基因;进一步分析候选Hub基因在HCC组织和正常肝脏组织显著差异表达、与HCC患者总体生存期和无病生存期是否显著相关,最终确定Hub基因;通过人类蛋白质图谱数据库对Hub基因蛋白表达进行验证。结果 本研究的基因表达数据来自50个正常肝脏组织样本和373个HCC组织样本。通过差异基因表达分析发现7 230个在HCC和正常肝脏组织之间差异表达的基因(HCC中3 691个上调基因和3 539个下调基因)。富集分析表明,上调的差异表达基因主要参与细胞周期调控和有丝分裂过程;下调的差异表达基因主要参与小分子代谢和有机酸代谢等过程。WGCNA确定了19个与HCC患者临床特征相关基因模块,通过分析模块与临床特征之间的关系,筛选出青色模块和紫色模块。青色模块基因中同时与患者总生存期和无病生存期强烈相关的前两个基因为VPS45和FAM189B;紫色模块基因中同时与患者总生存期和无病生存期强烈相关的前两个基因分别为CLEC1B和FCN3,因此将VPS45、FAM189B、CLEC1B和FCN3确定为最终的Hub基因。人类蛋白质图谱数据库免疫组织化学染色显示:VPS45和FAM189B在HCC组织中的表达高于正常肝脏组织,FCN3在HCC组织中的表达低于正常肝脏组织,CLEC1B在HCC组织和正常肝脏组织中表达差异不明显。结论 初步确定VPS45、FAM189B、CLEC1B和FCN3可能是HCC的新型潜在生物标志物,这些Hub基因可能为HCC的靶向治疗提供理论基础。

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。

荷斯坦牛肌肉组织中与妊娠末期、泌乳期及繁殖力相关的基因共表达网络构建

【目的】筛选荷斯坦牛肌肉组织中与妊娠末期、泌乳期及繁殖力相关的关键目标基因,为进一步开展基因功能研究提供理论依据。【方法】选择GEO数据库中有关荷斯坦牛在妊娠末期、泌乳早期和泌乳中期肌肉基因表达及生育能力的数据集GSE62159,采用加权基因共表达网络分析(Weighted gene co-expression network analysis,WGCNA)方法进行基因共表达分析,将获得的模块与妊娠末期、泌乳中期及繁殖力性状相关联,选择各模块中连接度处于前30的基因作为枢纽基因(Hub基因),使用String网站对模块进行蛋白互作(Protein-protein interaction,PPI)网络分析,选择PPI网络中节点连接度值排名前30的基因作为核心基因,与Hub基因交集得到在肌肉中与不同生理时期及繁殖力相关的关键目标基因。【结果】研究共分析得到13个模块,其中Green、Blue两个模块分别与妊娠末期、泌乳中期相关,Magenta模块与繁殖力相关。对各目标模块内基因进行功能富集分析,富集结果显示肌肉组织中与妊娠末期相关的基因功能主要有物质代谢、能量代谢、蛋白质合成与分泌、机体对氧化应激的反应及神经退行性变等;与泌乳中期相关的基因功能有干细胞群维持、蛋白质合成与分泌、抗原加工与呈递及多种疾病发生等;与繁殖力相关的基因功能有血管形成、子宫内胚胎发育与肌动蛋白丝结合等。筛选到荷斯坦牛肌肉中与妊娠末期相关的关键基因有3个、与泌乳中期相关的关键基因有1个、与繁殖力相关的关键基因有8个。【结论】鉴定到荷斯坦牛肌肉组织中与妊娠末期相关的基因为EIF5A、ACO2和EEF1G,与泌乳中期相关的基因为EIF4A2,与繁殖力相关的基因为ITGB1、MYH9、TLN1、CAV1、COL4A1、COL4A2、FLNA和HSPG2。

基于血清药物化学与加权基因共表达网络分析探究葛兰心宁胶囊治疗冠心病的作用

目的探究葛兰心宁胶囊治疗冠状动脉粥样硬化性心脏病(CAD)可能调控的关键靶点基因。方法HPLC法对入血成分进行鉴定,同时借助GSE20680数据集,基于P<0.05标准,筛选出15549个差异表达基因。利用加权基因共表达网络分析,鉴定与疾病相关的模块基因。确定入血成分可能调控的关键靶点基因,进一步取交集,对其靶点进行富集分析,探索关键靶点的功能和参与的通路,并完成其与相关成分的分子对接。通过动物实验验证加权基因共表达网络分析结果。结果鉴定出21种入血成分。GO分析显示,交集基因主要参与凋亡、炎症反应的调控。KEGG分析显示,入血成分治疗CAD主要参与NF-κB信号通路、糖尿病心肌病等相关通路。分子对接实验验证了同时调控关键靶点PTGS2、PLAU 4种入血成分的相互作用。动物实验显示,葛兰心宁胶囊能够降低小鼠主动脉窦的脂质蓄积,缩小斑块面积,减少PTGS2、PLAU表达。结论本研究揭示了葛兰心宁胶囊入血成分及其治疗CAD可能调控的关键靶点基因,为其进一步临床应用提供了重要依据。

整合WGNCA和PPI网络鉴定口腔鳞状细胞癌的关键基因

目的:应用生物信息技术筛查与口腔鳞状细胞癌(OSCC)相关的重要生物标志物。方法:从GEO数据库获取OSCC基因表达谱,鉴定出差异表达基因(DEGs)。利用加权基因共表达网络分析(WGCNA)获得与OSCC关系最密切模块中的核心基因并与DEGs取交集。对重叠DEGs进行通路分析及蛋白网络分析(PPI),以CytoHubba提取候选关键基因,通过生存分析确定关键基因,验证其在OSCC中的表达,进一步探索关键基因在OSCC中与免疫浸润细胞、免疫检查点之间的关系。采用GraphPad Prism 8软件进行统计学分析。结果:共鉴定出53个共DEGs,富集分析其主要参与细胞外基质、细胞外区域、PI3K-Akt等通路。从PPI网络中鉴定20个候选核心基因,通过生存分析确定5个(SERPINE1、SERPINH1、LAMC2、ITGA5和ITGA3)与OSCC总生存期相关的基因作为关键基因(P<0.05)。通过GEPIA、GSE30784数据从基因水平证明这5个基因在OSCC组织中存在差异表达(P<0.05),通过HPA数据库发现SERPINE1在OSCC的蛋白水平上不表达,SERPINH1、LAMC2、ITGA5和ITGA3高表达。另外,5个关键基因与CD8+T细胞、树突状细胞等免疫浸润细胞和CD276、VEGFA、PDCD1等免疫检查点明显相关(P<0.05)。结论:SERPINE1、SERPINH1、LAMC2、ITGA5、ITGA3可视为OSCC的生物标志物,其为OSCC的诊断、预后及治疗提供了新的视野。

基于加权基因共表达网络分析肺癌相关生物标志物及其潜在的分子机制

目的通过生物信息学分析、鉴定枢纽基因(hub gene),寻找可以作为肺癌的生物标志物或预后标志物并探讨潜在的分子机制。方法基于癌症基因组图谱(TCGA)的数据,鉴定肺癌肿瘤样本与正常样本之间差异表达的基因;利用R软件包中的“Limma”识别差异表达基因(DEGs),通过GO富集分析、加权基因共表达网络分析(WGCNA)确定相关基因模块及其功能,最终确定hub基因;基于基因表达谱交互分析数据库(GEPIA)和CBioPortal数据库,探讨hub基因表达与肺癌患者总生存期之间的关系,通过检索相关文献分析其潜在的分子机制,并进行其表达量和蛋白表达的验证。结果根据TCGA共鉴定出5259个差异表达基因(2178个上调,3081个下调),利用WGCNA确定8个与肺癌患者临床特征相关基因模块(包括与癌症发病相关模块),从中筛选出5个hub基因:CCNB1、CKAP2L、HMMR、ANLN、CDCA5,通过生存分析发现其表达水平与预后相关,并确定其与肺癌病理生理学关联。另发现CCNB1与P53有相关调控机制,CCNB1的沉默可激活P53的表达。结论5个hub基因在肺癌发生发展至关重要,可为肺癌预测、诊断、治疗和预后的生物标志物提供依据,其中CCNB1在肺癌中高表达,CCNB1沉默激活肺癌中P53信号通路抑制细胞增殖,促进细胞衰老。

加权基因共表达网络分析结肠癌免疫相关生物标志物

目的旨在鉴定可能参与结肠癌发生发展的免疫相关预后基因,采用加权基因共表达网络对癌症基因组图谱(TCGA)和基因表达综合数据库(GEO)联合分析,筛选免疫生物标志物。方法2022年11月至12月,对GSE41657数据集和TCGA结肠癌数据集中免疫相关基因进行加权基因共表达网络分析,并从关键模块筛选免疫相关生物标志物,利用TCGA数据库中基因表达数据和临床信息进一步分析。结果获得了结肠癌发生发展中与免疫相关的最关键模块,其功能富集到免疫细胞趋化、游走、活化、增殖、迁徙等,通路富集到趋化因子信号通路、抗原处理和呈递、MAPK信号通路、HIF-1信号通路、PI3K-Akt信号通路、NF-kappa B信号通路等。找到了有望作为结肠癌预后靶点的10个基因:NMB、SCG2、IL1A、ULBP2、INHBB、COLEC12、F2RL1、ANGPTL1、NR3C2、TNFRSF17。通过TIMER数据库筛选出2个与结肠癌免疫相关性最为密切的基因——COLEC12、ANGPTL1,这两个基因富集到诸多免疫相关和癌症相关通路——JAK Stat信号通路、Toll样受体信号通路、MAPK信号通路等,可能在肿瘤免疫微环境中发挥重要作用。结论COLEC12、ANGPTL1可能通过多种信号通路对结肠癌及其免疫微环境进行调控,有望成为潜在的免疫治疗靶点。