人类基因综合分析数据库GeneCards的应用介绍

生物信息学是一门新兴学科,在生命科学研究中以计算机为工具对生物信息进行储存、检索和分析的学科,是21世纪的自然科学核心领域。生物信息学研究的基本单位是基因,它承载着生命基本结构和信息,功能纷繁复杂,导致科研人员研究目标基因时,因其别名众多、功能表型复杂、相关疾病及通路难以寻找使研究受阻,基于此本文详细介绍包含基因组、蛋白质组、转录组、遗传和功能的综合数据库GeneCards,旨在帮助临床研究人员通过数据库归纳总结的目标基因关键信息,获得其与临床疾病表型之间的关系,从基因互作蛋白分子、信号通路、临床意义等角度解读目标基因,揭开基因序列中表达的结构功能背后隐藏的生物信息,从而为目标基因导致的相关疾病及各种表型中寻找研究其发生机制提供便利。

基于“内皮损伤学说”探讨动脉粥样硬化的中医药防治策略

基于“动脉粥样硬化内皮损伤学说”,探讨在动脉粥样硬化(AS)疾病发生发展过程中,血管内皮功能障碍与血管内皮损伤的联系及区别。阐述血管内皮功能障碍与血管内皮损伤的概念,从血管内皮细胞分泌的一氧化氮/内皮素(NO/ET)稳态,诱发的炎症反应及氧化应激的角度和激活的VECF、MAKP、JAK/STAT、PI3K-AKT通路出发,探讨动脉粥样硬化疾病进程中二者的联系与区别。通过检索Genecards数据库,筛选血管内皮功能障碍、血管内皮损伤及AS的相关靶点,从分子角度进一步论证。阐明中药对血管内皮功能障碍及血管内皮损伤的保护及修复作用。

基于TCGA数据集探讨FAT2基因在上皮性卵巢癌中的作用及机制

目的基于肿瘤基因图谱(TCGA)数据集研究脂肪非典型钙黏蛋白2(FAT2)基因在卵巢癌中的表达情况,预测并分析FAT2在卵巢癌发生发展中的可能机制及临床价值。方法应用cbioprotal在线分析平台分析TCGA数据库中311例上皮性卵巢癌RNA-SEQ数据,并结合患者的完整生存期信息,采用Kaplan-Meier法分析FAT2变异与卵巢癌患者生存之间的关系。应用genecards数据库收集与FAT2基因相关的蛋白,绘制FAT2相关蛋白网络图,对相关蛋白进行富集分析,分析蛋白富集的信号通路、生理过程及关键下游基因。结果 311例卵巢癌样本中有12例发生FAT2基因变异,变异率为4%,扩增7例(2.3%),错义突变3例(1%),缺失2例(0.6%)。Kaplan-Meier生存曲线分析表明,FAT2变异组总生存时间长于无变异组(P=0.033 8),无病生存时间与无变异组差异无统计学意义(P=0.387)。与FAT2相关的蛋白有CTNNB1、ARVCF、CTNND1等21个,其中CTNNB1蛋白在卵巢癌中低表达,相关蛋白富集分析到Wnt信号通路、细胞黏附等细胞生理活动。结论 FAT2基因可能可通过诱导Wnt通路中的关键蛋白CTNNB1降解发挥抑癌基因的作用。卵巢癌组织中FAT2高表达是一种预后良好指标,可作为预测患者生存时间,判断预后的有效生物标志物。

骨关节炎合并高血压患者相关基因特征的鉴定

目的基于生物信息学对骨关节炎(OA)合并高血压患者相关基因的特征进行鉴定。方法从GEO数据库与GeneCard数据库分别筛选出OA相关基因和高血压相关基因,交集后获得两者共同疾病基因,并进行基因本体论(GO)及京都基因与基因组百科全书(KEGG)富集分析,构建蛋白质互作网络(PPI),通过网络拓扑分析,利用Cytoscape软件的五种计算方法分别筛选出排名前20位基因再次交集后得到关键(Hub)基因,最后通过miRNet数据库预测Hub基因上游miRNA。结果共筛选出131个共同疾病基因,其主要在受体配体活性、细胞因子活性等生物功能和磷脂酰肌醇3激酶(PI3K)/蛋白激酶B(Akt)、肿瘤坏死因子(TNF)、白细胞介素-17(IL-17)等信号通路方面显著富集;最后通过分析获得白细胞介素-6(IL6)、血管内皮生长因子A(VEGFA)、基质金属蛋白酶-9(MMP-9)等11个Hub基因和has-mir-155-5P、has-mir-16-5p、has-mir-124-3p等5个关键miRNA。结论OA与高血压共同发病基因在多种生物活性及信号通路上发挥重要调控作用;IL-6、VEGFA、MMP-9等11个关键基因及has-mir-155-5P、has-mir-16-5p、has-mir-124-3p等5个关键miRNA是OA合并高血压患者的重要调控分子。

巨噬细胞中与原肌球蛋白调节蛋白1相互作用的迁移相关蛋白质分析

目的利用质谱联合GeneCards数据库挖掘分析Raw264.7小鼠单核巨噬细胞系中与原肌球蛋白调节蛋白1(TMOD1)相互作用且与迁移相关的蛋白质。方法使用TMOD1-DDK质粒在Raw264.7细胞中过表达TMOD1,免疫共沉淀联合质谱寻找巨噬细胞中与TMOD1存在相互作用的蛋白质,GeneCards数据库检索巨噬细胞迁移已知蛋白质,Bioinformatics&Systems Biology在线工具对已知蛋白质与质谱蛋白质进行关联分析找到共同差异蛋白(CO-DEPs),WoLF PSORT预测CO-DEPs亚细胞定位,EggNOG数据库对CO-DEPs进行真核生物同源类群(KOG)注释,DAVID数据库对CO-DEPs进行基因本体(GO)注释与京都基因组学和基因组学百科全书(KEGG)通路注释,String数据库对CO-DEPs进行蛋白互作网络分析、CytoScape软件绘图。结果质谱与GeneCards数据库分析共获得CO-DEPs 41个,CO-DEPs亚细胞定位主要分布于细胞骨架、细胞质、细胞核,KOG注释主要为O:翻译后修饰、Z:细胞骨架、J:翻译,GO分析显示CO-DEPs主要参与了poly(A)RNA结合、蛋白质折叠、黏着斑等过程,KEGG分析显示CO-DEPs富集到的通路主要为致心律失常性右心室心肌病(ARVC)、紧密连接。β-肌动蛋白(ACTB)为蛋白交互作用最大的蛋白质。结论巨噬细胞内与TMOD1发生相互作用的蛋白主要包括肌球蛋白重链-9(MYH9)、α-辅肌动蛋白1(ACTN1)与ACTB等,提示TMOD1与巨噬细胞运动有关。

基于Oncomine数据库及生物信息学方法挖掘卵巢癌PSME2基因表达意义及作用机制

目的基于Oncomine数据库及cBioPortal挖掘人蛋白酶激活复合体亚基2(PSME2)基因在卵巢癌细胞中的表达及可能的作用机制,为深入研究PSME2在卵巢癌中的作用提供理论依据。方法对Oncomine数据库中PSME2基因在卵巢癌中表达的13项研究数据进行荟萃分析,在cBioPortal在线数据库应用Kaplan-Meier法分析PSME2表达水平与卵巢癌患者生存时间的关系,探讨其临床意义,应用Genecards数据库收集与PSME2基因相关的蛋白,并通过STRING绘制PSME2相关蛋白网络图,随后结合DAVID在线软件分析蛋白富集的生理过程。结果挖掘Oncomine数据库中关于卵巢癌细胞及正常卵巢细胞中PSME2基因表达的13项研究数据,卵巢癌中PSME2基因的表达显著高于正常卵巢(P<0.05)。Kaplan-Meier生存曲线分析发现,卵巢癌患者中高表达PSME2基因的无病生存率、总生存率均显著低于低表达组(P<0.05)。通过Genecards数据库收集到与PSME2相关的蛋白有TRAF2、RELB、NFKBIA、VHL等25个,其相关蛋白富集分析结果显示PSME2相关蛋白主要富集在蛋白酶体介导的泛素依赖型蛋白分解代谢、免疫监视及免疫杀伤、病毒致癌、调控细胞转录、细胞分化、细胞周期等生理过程。结论PSME2基因在卵巢癌组织中呈高表达,其可能通过调节蛋白酶体介导的蛋白分解代谢,使肿瘤细胞逃脱免疫监视与免疫杀伤而发挥癌基因作用,该基因可能作为卵巢癌诊治的一个靶点,但其具体的作用机制需要进一步研究和实验验证。

基于乳酸代谢基因的结肠腺癌风险模型构建及其预后价值

目的基于乳酸代谢的差异表达基因(DEGs)构建结肠腺癌(COAD)的风险模型,并评价其预后价值。方法自GeneCards数据库获取乳酸代谢相关基因信息,自癌症基因组图谱(TCGA)获取COAD转录组数据及临床信息。采用“limma”包筛选乳酸代谢DEGs,进行单因素Cox回归及Lasso回归构建风险模型,通过Kaplan-Meier曲线及受试者工作特征(ROC)曲线验证风险模型的预测能力。对临床性状和风险模型进行单因素、多因素Cox分析,独立的预后因素用于构建列线图模型。分析风险模型与免疫细胞浸润程度的相关性。对高、低风险组进行差异性分析获取风险DEGs,用于基因本体(GO)及京都基因组基因百科全书(KEGG)富集分析。结果成功构建包含17个乳酸代谢DEGs的风险模型。高风险组较低风险组的总生存期(OS)及无进展生存期(PFS)明显缩短,均P<0.05。风险模型的ROC曲线下面积(AUC)>0.60。年龄(HR=1.031,95%CI为1.010~1.053,P=0.004)、临床分期(HR=2.193,95%CI为1.674~2.873,P<0.001)和风险模型(HR=1.959,95%CI为1.333~2.877,P<0.001)均是独立的预后因素,列线图模型的AUC值为0.758。风险模型与免疫细胞(质细胞、未活化的CD4记忆性T细胞、未活化的自然杀伤细胞、M0巨噬细胞、活化及未活化的树突状细胞、嗜酸性粒细胞)浸润程度相关,均P<0.05。GO功能富集分析结果显示,共有397个风险DEGs(65个下调、332个上调),主要集中于细胞外基质组织及结构组织。KEGG通路分析前3位的依次为局灶性粘连、PI3K-Akt信号通路、蛋白消化与吸收。结论风险模型是COAD的独立预后因素,可以评估COAD预后和免疫细胞的浸润程度,为COAD预后提供潜在的预测标志物。