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。

应用生物信息学筛选结直肠癌Hub基因及验证

目的通过运用生物信息学分析,筛选出与结直肠癌相关的差异表达基因(Differentially Expressed genes,DEGs),并验证其生物学功能。方法云浮市人民医院检验科从基因表达综合数据库(Gene Expression Omnibus,GEO)中下载结直肠癌芯片数据GSE 21815、GSE 31905、GSE 35279资料,应用GEO2R语言进行处理得出结直肠癌和正常结直肠组织之间的差异表达基因,并通过生物信息学工具DAVID、STRING、Cytoscape构建差异表达基因的蛋白互作网络,筛选Hub基因,应用基因本体论(Gene Ontology,GO)、基因百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)分析筛选出的Hub基因的生物功能,并利用MiRDB工具找出可能调控Hub基因的miRNA,并于2017—2022年8月收集30例结直肠癌组织和30例正常结直肠组织样本,通过实时荧光定量PCR(Quantitative Real-time PCR,qPCR)验证。结果经生物学信息分析和蛋白质相互作用网络图分析催产素受体基因、基质金属蛋白酶11基因、间质上皮转化因子基因、基质金属蛋白酶7基因、激肽释放酶8基因、激肽释放酶10基因为结直肠癌组织发生发展的关键Hub基因。结直肠癌组织中基质金属蛋白酶11基因(4.38±1.58)、间质上皮转化因子基因(2.69±0.29)、基质金属蛋白酶7基因(0.88±0.14)、激肽释放酶8基因(11.09±3.90)、激肽释放酶10基因mRNA(7.88±2.20)的表达,显著高于正常结直肠组织组织,差异有统计学意义(t=9.605、25.339、26.376、9.541、3.726,P均<0.001)。结论结直肠癌组织中基质金属蛋白酶11基因、间质上皮转化因子基因、基质金属蛋白酶7基因、激肽释放酶8基因、激肽释放酶10基因异常表达,可能参与结直肠癌发生过程,有望为后续结直肠癌基础研究及临床诊疗提供依据。

基于网络嵌入的癌症性状hub基因发现

研究影响癌症性状的hub基因时存在如下问题:仅关注强相关性基因进行基因信息处理,缺少对弱相关性基因和不同基因模块间共表达性的研究;仅采用度中心性判断hub基因进行分析基因网络,对蕴含数据挖掘不够全面.本文提出基因模块标签信息游走的图嵌入算法Gene2vec.选取合适软阈值,保留更多弱相关性的基因信息.联合不同种类但与性状高度正相关性的基因模块,构成基因模块共表达网络.针对传统加权基因共表达网络分析方法与图嵌入方法挖掘基因模块网络信息存在的问题,利用标签参数与其他参数调节基因模块网络中的随机游走过程,分析游走生成的节点序列以挖掘基因网络的信息.实验表明,Gene2vec在hub基因的检出率上优于其他算法,得到的hub基因在癌症性状中的基因表达量高于常用生物学方法得到的hub基因.

用生物信息学方法分析鉴定肺腺癌中的hub基因

从高通量基因表达数据库(Gene Expression Omnibus,GEO)中获得基因表达谱序列号,并使用R中的“limma”包对差异表达基因(Differentially Expressed Genes,DEGs)进行鉴定。为确定差异基因所涉及的生物学过程及信号通路,进行了基因本体论(Gene Ontology,GO)富集分析和基因组的京都百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)富集分析,研究发现DEGs主要与细胞外基质组织、细胞外结构组织和有丝分裂的细胞核分裂有关,其主要富集在补体和凝血级联、细胞外基质受体相互作用和黏着作用的通路上。采用蛋白质-蛋白质互作(Protein-Protein Interaction,PPI)网络分析得到了由716个DEGs网络节点和3759条边构成的PPI网络,并在其中初步筛选出20个hub基因。通过加权基因共表达网络分析(Weighted Gene Co-expression Network Analysis,WGCNA)从DEGs中得到了18个模块,对hub基因进行鉴定,筛选出17个hub基因。使用Oncomine数据库对hub基因在肺腺癌患者与正常人的表达情况进行Meta分析,共鉴定出16个hub基因与肺腺癌相关。对肺腺癌患者进行总体生存分析,发现hub基因高表达患者总生存期比低表达患者短。

基于生物信息学分析林奇综合征相关结直肠癌关键Hub基因的筛选与功能富集分析

通过生物信息学方法筛选出与林奇综合征相关结直肠癌(colorectal cance,CRC)组织中的差异表达基因(differentially expressed genes,DEGs)。从基因表达总库(gene expression omnibus,GEO)下载林奇综合征相关CRC数据集GSE178516,使用GEO2R筛选DEGs,并在人类疾病数据库Malacards中获取CRC和林奇综合征疾病基因,3者的交集取为关键Hub基因,通过功能富集分析鉴定DEGs。利用String数据库构建蛋白质-蛋白质相互作用网络(protein-protein interaction,PPI),并使用Cytoscape软件对PPI网络进行可视化和模块分析。随后在easyGEO数据库中对差异表达基因进行表达验证。从GSE178516共鉴定出261个差异基因,包括117个上调基因和114个下调基因。这些基因与CRC和林奇综合征基因共交集出8个差异表达基因(TGFBR2、PTEN、POLD1、EXO1、EPCAM、CDKN2B、CCND1、BRCA1)。GO、KEGG富集分析显示,其功能主要富集在DNA代谢过程调控、内在凋亡信号通路、错配修复等方面;KEGG通路分析主要富集在CRC等相关癌症路径。通过PPI获得与67个差异表达蛋白存在相互作用关系的892个蛋白,并利用Cytoscape软件构建其重要模块,包含44个节点和630个节点作用关系。利用easyGEO网站对8个差异基因进行表达分析,发现8个基因在林奇综合征相关CRC患者中的表达均具有统计学差异。总体上,研究鉴定出的关键Hub基因有助于了解林奇综合征相关CRC发生和发展的分子机制,并为林奇综合征进展对CRC的诊断和治疗提供新的候选靶点。

基于生物信息学对骨关节炎Hub基因的筛选与验证

背景:骨关节炎是以关节疼痛、僵硬、肿胀为主要临床表现的一种退行性疾病,目前关于骨关节炎的发病机制尚不明确。目的:基于生物信息学筛选骨关节炎相关数据集的Hub基因,再用细胞实验加以验证,筛选骨关节炎的关键生物标志物。方法:从GEO数据库搜索骨关节炎相关的数据集,通过GEO2R分析筛选差异表达基因,对差异表达基因进行GO、KEGG富集分析,同时对数据集所有基因进行GESA分析,使用String网站构建差异表达基因的PPI网络,利用Cytoscape软件中的MCODE插件对PPI网络进行功能模块分析,使用插件CytoHubba筛选评分最高的10个Hub基因。提取SD大鼠膝关节半月板细胞,实验组以白细胞介素1β(10 ng/mL)干预细胞24 h复制骨关节炎症模型,以未干预组为对照,采用RT-qPCR法检测Hub基因的表达。结果与结论:(1)筛选出的差异表达基因中上调基因147个、下调基因212个,GO、KEGG和GSEA分析结果显示,富集的通路及生物过程主要涉及胶原纤维组织、细胞外基质的相互作用、Th17细胞分化和白细胞介素17等;利用Cytoscape软件中的插件CytoHubba筛选MCC算法中评分最高的10个Hub基因,分别是COL1A1、COL3A1、COL5A1、COL5A2、COL6A3、LOX、LOXL1、LOXL2、POSTN、PLOD1;(2)RT-qPCR检测结果显示,与对照组相比,实验组COL1A1、COL3A1、COL5A1、COL5A2、COL6A3、LOXL1、LOXL2的mRNA表达降低(P<0.0001),LOX和POSTN的mRNA表达升高(P<0.0001),两组PLOD1的mRNA表达无明显差异(P>0.05);(3)结果显示,骨关节炎的Hub基因表达差异可能为日后了解骨关节炎的发展提供新见解。

基于生物信息学分析肝癌Hub基因与差异基因的筛选与鉴定以及相关基因的突变序列

旨在基于生物信息学分析肝癌Hub基因与差异基因的筛选与鉴定,并进行相关基因的突变序列分析。方法:我们首先获取了与肝癌相关的基因表达数据和临床数据,并对其进行了质控和预处理。接着,利用网络分析方法构建肝癌基因网络,并识别了网络中的Hub基因,这些基因在网络中具有重要的连接和调控作用。通过统计学方法和假设检验校正方法确定了差异显著的基因。结果:本研究成功筛选出了肝癌中的Hub基因和差异基因,并对其进行了功能注释和通路分析。通过综合分析差异基因、Hub基因和突变事件的结果,我们发现了与肝癌发生发展密切相关的关键基因和通路。结论:本研究通过生物信息学分析揭示了肝癌的关键基因和突变事件。这些发现为深入理解肝癌的发病机制和发展过程提供了重要线索。

应用生物信息学鉴定急性STEMI患者通路及Hub基因

利用基因表达综合数据库数据集的生物信息学分析,确定4h内STEMI患者血液RNA诊断生物标志物。从基因表达综合数据库中提取RNA表达谱数据集,寻找差异表达基因并对差异基因进行富集分析,在蛋白相互作用网络中筛选Hub基因,建立了基于Hub基因的随机森林模型和逻辑回归模型。结果表明,与健康对照组比较,STEMI患者中鉴定出300个明显DEGs。炎症和免疫相关的途径显著富集,鉴定出7个关键基因,即FPR2、ITGAM、BST1、CEACAM8、MMP9、ELANE和FPR1。通过对7个Hub基因构建随机森林模型和逻辑回归模型,准确地将STEMI样本与健康对照样本分开,对STEMI的预测具有较高的准确性。

生物信息学分析类风湿性关节炎相关间质性肺病Hub基因及其通路的鉴定

目的明确类风湿性关节炎相关间质性肺病(RA-ILD)发病的潜在分子靶标及通路。方法NCBI-G EO分别下载类风湿性关节炎成纤维样滑膜细胞(RA-FLS)及间质性肺病(ILD)肺脏组织基因原始表达谱矩阵文件(GSE128813,GSE47460),利用R软件筛选两个数据集的差异表达基因,并获取共同差异表达基因,即目的基因。同时,利用DAVID工具对目的基因进行基因本体论(GO)及通路富集(KEGG)分析。利用STRING数据库和Cyto-scape软件构建目的基因与转录因子(TF)调控网络图并筛选Hub基因。结果通过对两个基因数据集的差异表达基因(DEGs)取交集获得43个目的基因。GO分析显示,生物学过程主要富集于胶原蛋白分解代谢及间充质细胞增殖等过程;细胞成分组主要富集于细胞外基质等方面;分子功能组主要富集于肝素结合等方面;KEGG通路主要富集于类风湿性关节炎、癌症等通路。蛋白质网络分析筛选出基质金属酶1(MMP1)、基质金属酶3(MMP3)、去整合素金属蛋白酶3(ADAMTS3)、拓扑异构酶2A(TOP2A)等8个关键(Hub)基因。结论通过生物信息学分析发现的Hub基因及其信号通路可能成为RA-ILD潜在的生物标志物及治疗靶点,以期为临床诊疗RA-ILD提供新的思路。

基于加权基因共表达网络分析法筛选多囊卵巢综合征Hub基因

目的多囊卵巢综合征(PCOS)常伴有肥胖表现,探索调控PCOS患者肥胖的关键基因,有益于肥胖型PCOS的诊断与防治。方法从GEO数据库中下载肥胖型PCOS患者和肥胖非PCOS患者转录组数据,运用加权基因共表达网络分析法(WGCNA)筛选出与PCOS发生发展相关的关键模块,用GO及KEGG对模块功能进行富集分析,进一步挖掘出与PCOS发生发展相关联的中枢基因(Hub gene)。结果WGCNA一共定义了13个基因共表达模块,从其中4个模块中筛选出与肥胖PCOS相关的189个差异表达基因,这些基因主要被富集到免疫相关的TNF-α和IL-17信号通路,从中最终筛选出PTGS2、IL6、CXCL8、CXCL2、IL1B、S100A9、S100A8、CCL2、ICAM1、LIF、TNFRSF1B和IRF112个Hub基因。结论本研究筛选出与肥胖PCOS相关的关键基因,并进一步聚类到免疫相关信号通路,提示肥胖型PCOS与免疫应答存在相关性。

利用生物信息学方法鉴定与NMIBC相关的Hub基因

目的通过加权基因共表达网络分析(Weighted Gene Co-expression Network Analysis,WGCNA)鉴定与非肌层浸润性膀胱癌(Non-Muscle Invasive Bladder Cancer,NMIBC)相关的枢纽基因。方法利用GEO数据库获取GSE13507芯片数据和临床信息,筛选排名靠前的5000个基因用于WGCNA。基因表达数据结合临床数据筛选关键的基因模块,通过对模块基因行基因本体(Gene Ontology,GO)生物学过程富集分析和京都基因与基因组百科全书(Kyoto Encyclopdia of Genes and Genomes,KEGG)通路富集分析,了解相应的生物学功能。通过关键模块初步筛选与NMIBC相关的枢纽基因,然后利用关键模块基因构建蛋白互作网络,再次筛选枢纽基因,二者取交集最终确定枢纽基因。利用基因表达谱数据动态分析(Gene Expression Profiling Interactive Analysis,GEPIA)工具验证基因的表达情况及其对总体生存率的影响。结果通过WGCNA确定black模块(cor=0.72,P=2.6e-82)为NMIBC的枢纽模块,black模块主要富集的GO生物学过程有蛋白酶体介导的泛素依赖的蛋白质分解过程和mRNA剪接体等;KEGG主要富集于人类I型T细胞白血病病毒(Human T-Cell Lymphotropic Virus Types I,HTLV-I)感染、神经营养因子信号通路和醛固酮的合成与分泌等通路,最终确定PA2G4和PRPF19两个枢纽基因。通过GEPIA在线分析工具分析发现枢纽基因高表达者生存期短(P<0.05),且在肿瘤组与正常组比较中发现枢纽基因呈高表达。结论通过WGCNA构建共表达网络筛选得到PA2G4和PRPF19两个枢纽基因,其有望成为NMIBC的生物标志物。

生物信息学鉴定低氧诱导小鼠肾脏线粒体损伤的Hub基因及其作用机制

目的利用生物信息学分析挖掘低氧介导线粒体损伤的关键基因,并分析关键基因与小鼠肾脏组织凋亡的相关性,进一步阐明高原低氧条件下小鼠肾脏组织损伤的分子作用机制。方法构建30 d常氧与低氧动物模型,分别作为平原常氧组(n=5)和高原低氧组(n=5),测定血气分析指标与小鼠肾脏指数,通过H&E染色观察小鼠肾脏组织病理学改变,对平原常氧组与高原低氧组小鼠肾脏组织进行转录组学测序。随后将测序得到的差异表达基因(DEGs)分别与线粒体数据库、凋亡相关基因数据库进行关联,鉴定差异线粒体功能相关基因(DE-MFRGs)与差异凋亡相关基因(DE-ARGs),蛋白质互作(PPI)网络筛选Hub基因,利用生物信息学对DEGs、DE-MFRGs、DE-ARGs进行富集分析,并通过RT-qPCR和Western blotting对Hub基因及凋亡基因进行验证。结果与平原常氧组相比,高原低氧组小鼠肾脏指数显著下降。H&E染色结果显示,高原低氧组小鼠肾小球明显萎缩,肾小管上皮细胞肿胀、破裂,炎细胞浸润,部分肾小管上皮细胞体积增大,胞浆疏松淡染,可见空泡变性。低氧暴露条件下共鉴定出3007个DEGs,其中有464个基因与线粒体功能相关,被定义为DE-MFRGs。对DE-MFRGs进行KEGG富集分析发现,其主要富集在帕金森病信号通路、氧化磷酸化信号通路、产热信号通路、阿尔兹海默病信号通路、三羧酸循环信号通路、NAFLD信号通路、代谢信号通路等与线粒体功能相关的通路中。通过构建PPI网络共鉴定出3个Hub基因(SOD2、TUFM、MRPL12),SOD2、TUFM、MRPL12的mRNA和蛋白表达量均下调。进一步发现Hub基因与33个ARGs基因均出现正相关与负相关,并验证了小鼠肾脏组织ARGs中CASPASE3、BCL2、BAK基因的mRNA与蛋白表达量,结果显示,CASPASE3与BAK基因表达上调,BCL2基因表达下调。结论高原低氧环境通过调控SOD2、TUFM与MRPL12基因的表达,介导小鼠肾脏组织线粒体功能紊乱,进一步诱导小鼠肾脏组织损伤与凋亡。

脓毒症潜在相关基因的生物信息学分析及功能预测

目的 通过生物信息学方法筛选并分析与脓毒症相关的差异表达基因及关键(Hub)基因,以期为临床诊疗提供潜在靶点和生物标志物。方法 使用基因表达综合数据库(GEO)筛选脓毒症基因表达数据集,运用GEO自带在线分析工具(GEO2R)分析差异表达基因(DEGs);并结合STRING 12.0和DAVID数据库对DEGs进行富集分析;再通过Cytoscape 3.9.1软件筛选出Hub基因,并对其进行功能分析。结果 筛选出328个DEGs,其中上调基因2个,下调基因326个。富集结果显示,DEGs的功能主要与蛋白质修饰、分解代谢、蛋白酶复合物、线粒体及酶活性等有关。通过CytoHubba插件筛选出了核因子κB亚基1(NFKB1)、NEDD8、人NADH-泛醌氧化还原酶A8(NDUFA8)、POLR2F、延伸蛋白B(ELOB)、PSMB6、SEC61A1、COX4I1、人NADH-泛醌氧化还原酶B8(NDUFB8)及ATP5PD 10个Hub基因,经生物过程(BP)可视化发现这些Hub基因在生物过程中相互作用。结论 NFKB1、NEDD8、NDUFA8、POLR2F、ELOB、PSMB6、SEC61A1、COX4I1、NDUFB8及ATP5PD等10个Hub基因可能是脓毒症诊疗的潜在靶点和新型生物标志物,但部分基因对脓毒症发生发展的作用机制研究相对不足,仍需后续进一步验证。

通过生物信息学分析肾移植后慢性排斥反应差异表达基因

目的:通过利用生物信息学技术分析肾移植后慢性排斥反应的差异表达基因,可以筛选出与该疾病发展相关的潜在致病靶点,为寻找新的治疗靶点提供了理论依据。方法:从基因表达谱综合数据库下载基因微阵列数据,并进行交叉计算以确定差异表达基因(DEGs)。将DEGs与基因本体(GO)分析是用来研究基因在不同条件下的表达差异以及其功能和相互关系的方法,而京都基因和基因组百科全书(KEGG)富集分析则是用来探索基因在特定生物过程中的功能和通路的工具。通过对免疫细胞浸润的分布进行计算,可以将排斥组的免疫浸润结果作为性状,在加权基因共表达网络分析(WGCNA)中进行分析,以获得与排斥相关的基因。然后,利用STRING数据库和Cytoscape软件构建蛋白质-蛋白质相互作用网络(PPI),以识别枢纽基因标记。结果:从3个数据集(GSE7392、GSE181757、GSE222889)共获得60个整合后的DEGs。通过GO及KEGG分析,GEDs主要集中在免疫应答的调节、防御反应、免疫系统过程的调节、刺激反应等。通路主要富集在抗原处理和呈递、EB病毒感染、移植物抗宿主、同种异体移植排斥、自然杀伤细胞介导的细胞毒性等。再利用WGCNA和PPI网络筛选后,HLA-A、HLA-B、HLA-F、TYROBP被鉴定为枢纽基因(Hub基因)。选择带有临床信息的数据GSE21374构建4个枢纽基因的诊断效能及风险预测模型图,结果认为4个Hub基因均具有良好诊断价值(曲线下面积在0.794-0.819)。从推理上可以得出结论,HLA-A、HLA-B、HLA-F和TYROBP这4种基因可能在肾移植后慢性排斥反应的发生和进展中具有重要作用。结论:DEGs在研究肾移植后慢性排斥反应的发病机制中起到重要作用,可以通过富集分析和枢纽基因筛选,以及相关诊断效能和疾病风险预测的推断分析,为进一步研究肾移植后慢性排斥反应的发病机制和发现新的治疗靶点提供理论支持。

基于生物信息学分析溃疡性结肠炎的差异表达基因和miRNA

目的通过生物信息学分析方法寻找溃疡性结肠炎(UC)的差异表达基因(DEGs)及其相应的microRNA(miRNA),筛选参与UC发生发展相关的潜在致病靶点,为寻找UC诊断标志物以及新的治疗靶点提供理论依据。方法从基因表达数据库(GEO)获取数据集,通过GEO2R对数据集进行分组和筛选DEGs并取交集,再进行PPI、GO、KEGG分析和miRNA预测。结果GO分析显示其主要集中在中性粒细胞迁移、脂多糖应答、细胞外泌体、CXCR趋化因子受体结合等,KEGG分析显示其主要富集在补体途径凝血通路、IL-17信号通路、百日咳、类风湿性关节炎通路、肿瘤坏死因子信号通路等方面。通过Cytoscape筛选出MCC值前十的hub基因CXCL1、IL1B、TIMP1、CXCL8、IL6、MMP1、SERPINE1、PTGS2、SPP1、MMP2。通过NetworkAnalyst3.0在线网站进行可视化展示,可推断hsa-mir-204-5p、hsa-mir-146a-5p、hsa-mir-335-5p、hsa-mir-1-3p、hsa-mir-21-5p等5种miRNA在疾病发展中起关键作用。结论在UC发病机制相关研究中,DEGs与疾病的发生发展密切相关,可通过对基因的富集分析、以及hub基因、关键miRNA筛选为更深入研究UC的发病机制及寻找治疗新靶点提供研究思路和理论依据。

鞭毛蛋白诱导表达差异基因的分析

试验旨在分析鞭毛蛋白刺激机体基因表达谱的特征,揭示鞭毛蛋白佐剂的作用机制。从GEO数据库筛选目标微阵列GSE46421和GSE72016及其差异表达基因(DEGs),经DAVID分析DEGs参与的GO功能注释和KEGG信号通路、String构建DEGs的蛋白质-蛋白质相互作用(PPI)网络、Cytoscape可视化PPI网络并筛选高连通度的PPI子模块和hub基因。结果显示,共筛选出182个DEGs,包含上调基因161个、下调基因121个。DEGs参与GO生物过程主要有信号转导、免疫应答、炎症反应、细胞凋亡等,参与分子功能包含激酶激活、受体结合、细胞因子激活、膜信号转导。DEGs参与KEGG通路涵盖细胞因子-细胞因子受体相互作用、TNF信号通路、NF-κB信号通路、Toll样受体信号通路、NOD样受体信号通路等免疫相关途径。分析DEGs的PPI网络发现,2个重要的PPI子模块和10个关键基因(IL-10、IL-6、CCL2、CXCL2、NFKBIA、MyD88等)。研究表明,鞭毛蛋白通过识别TLR5和NOD样受体,触发MyD88依赖性和MyD88非依赖性途径发出信号,激活转录因子NF-κB,这些信号通过级联反应激活机体免疫系统、诱导机体产生多种细胞因子和趋化因子,发挥佐剂效应。

糖尿病足溃疡的hub基因及其生物学功能的生物信息学分析

目的通过对转录组测序数据的生物学分析探寻与糖尿病足溃疡发病以及愈合相关的关键(hub)基因及其生物学功能。方法从GEO数据库筛选糖尿病足溃疡的数据集,数据标准化后再分组并进行生物信息学分析。分别对糖尿病足溃疡患者与非糖尿病足溃疡患者,以及糖尿病足溃疡部位创缘皮肤与糖尿病足患者非溃疡部位皮肤转录组测序数据进行组间差异表达基因鉴定、通路富集和蛋白质互作(PPI)分析,通过节点分析找到hub基因,并在测试集中以受试者工作特征(ROC)曲线验证筛选出的hub基因对糖尿病足溃疡的诊断效能。通过两组分析的交集基因再次进行通路富集以及PPI分析,筛选与糖尿病足溃疡创面愈合相关hub基因。最后对相关样本进行GSEA分析寻找全转录组基因在糖尿病足溃疡中可能的作用。结果从糖尿病足溃疡与非糖尿病患者皮肤的测序分析中,得到上调的差异基因620个,下调的差异基因196个。这些基因的功能集中在萜类化合物和聚酮类化合物的代谢、分子和相互作用、磷脂酶D信号通路、丙酸酯代谢、PI3K-Akt信号通路、Toll样受体信号通路、嘧啶代谢、IL-17信号通路、Rap1信号通路等。PPI网络确定了10个hub基因,其中BGN、CCND1在测试集的ROC分析的曲线下面积为0.714、0.712。在糖尿病足溃疡部位创缘皮肤与糖尿病足患者非溃疡部位皮肤的测序分析中筛选出了上调基因4072个,下调基因911个,与糖尿病溃疡的差异基因有交集的基因372个。这些差异基因的功能集中在磷脂酶D信号通路、异种生物降解和能量代谢、谷胱苷酸代谢、嘧啶代谢、ErbB信号通路以及黑色素生成等信号通路。从PPI网络确定了7个hub基因。在GSEA分析中,戊糖和葡萄糖醛酸相互转化、同源重组、烟酸和烟酰胺代谢、神经活性配体受体相互作用、青少年发病的成年型糖尿病、丁酸代谢、赖氨酸降解、泛酸和辅酶A的生物合成、核黄素代谢、类固醇激素生物合成、缬氨酸亮氨酸和异亮氨酸降解等通路在糖尿病足溃疡与非糖尿病足溃疡患者中表现出了较大的表达差异。结论生物信息学结果提示,BGN、CCND1是预测糖尿病足溃疡发生的潜在生物学标志物,CXCL12、TLR4、JAK2、PPARA、UBC、DCN、KDR、ARNTL是糖尿病足溃疡的hub基因,而CXCL8、CXCL12、TXN、SLIT3、KRT14、KIT、NEO1是糖尿病足慢性溃疡愈合相关的hub基因。

hsa-miR-767通过调控IGF1基因对乳腺癌细胞生物学行为的影响

目的:探讨hsa-miR-767调控IGF1对人乳腺癌细胞生物学行为的影响。方法:利用生信数据分析乳腺癌的差异基因,并构建miRNA-mRNA网络,筛选hsa-miR-767/IGF1信号轴进行验证。建立hsa-miR-767过表达和敲除MCF7细胞株,RT-qPCR验证hsa-miR-767的表达,双荧光素酶报告基因实验检测hsa-miR-767和IGF1的结合,CCK-8实验、划痕实验、Transwell实验和流式细胞术检测乳腺癌细胞增殖、迁移、侵袭和凋亡能力。结果:识别出26个差异miRNA(DEMs)和1108个差异基因(DEGs)。预测获得靶基因254个,靶基因与测序DEGs取交集得到73个mRNA。鉴定出10个hub基因(IGF1、NTRK2、CEBPA、FOS、KLF4、GABRA1、NRG1、LPL、GABBR2、ANGPT1),其中IGF1所连接的基因较多,说明其在乳腺癌中较为重要。miRNA-mRNA网络图中发现hsa-miR-767/IGF1轴可能在乳腺癌中起关键作用。细胞实验证实hsa-miR-767表达水平在乳腺癌中上调(P<0.05),其能靶向结合IGF1;hsa-miR-767还可促进乳腺癌细胞的增殖、迁移和侵袭,抑制细胞的凋亡(P<0.05)。结论:hsa-miR-767可促进乳腺癌细胞的增殖、迁移和侵袭,抑制细胞凋亡,且可与IGF1结合。

基于加权基因共表达网络分析挖掘舌鳞状细胞癌的关键基因

目的:舌鳞状细胞癌(TSCC)是头颈部最常见的恶性肿瘤之一,其分子机制尚不清楚。挖掘与舌鳞状细胞癌(TSCC)密切相关的hub基因,为揭示TSCC发病机制提供理论依据。方法:从基因表达综合数据库(GEO)下载GSE34105数据,通过WGCNA筛选关键模块,Cytoscape计算模块网络中节点的拓扑参数筛选hub基因,生存分析用于hub基因的外部验证,通过GO和KEGG富集分析和GSEA分析获取hub基因参与的生物过程。结果:获得与TSCC最密切相关的turquoise模块(Cor=0.88,P<0.05)。cytoscape筛选获得2个hub基因分别为CAP1和TMBIM6,是预后的不良因素,它们的高表达与患者生存期缩短显著相关(P<0.05)。GSEA分析它们高表达组主要参与了半胱氨酸和蛋氨酸代谢、霍乱弧菌感染、氧化磷酸化、DNA复制、基底切除修复、细胞减数分裂、蛋白质生成、果糖和甘露糖代谢、幽门螺杆菌感染中的上皮细胞信号转导。结论:本研究通过构建基因共表达网络筛选出2个hub基因,可能成为潜在的TSCC基因基因生物标志物,影响TSCC的发生及预后。

生物信息学分析鉴定骨髓增殖性肿瘤发生发展的免疫调控因子

骨髓增殖性肿瘤是一组由造血干细胞异质性增殖引起的疾病,主要包括真红细胞增多症、原发性血小板增多症和原发性骨髓纤维化。在骨髓增殖性肿瘤患者和小鼠模型中都表现出炎症反应紊乱,而过度的炎症反应会推进骨髓增殖性肿瘤的发生和进展。深入研究骨髓增殖性肿瘤的免疫炎症机理,对其控制有着至关重要的意义。从基因表达综合数据库中寻找合适的骨髓增殖性肿瘤的基因表达谱芯片(GSE174060),其中骨髓增殖性肿瘤患者有50个,正常供者有15个。利用limma分析,筛选获得1269个差异表达基因(|log2FC|≥0.5,P.adj<0.05),包括810个上调基因和459个下调基因。随后将差异基因与免疫相关基因集取交集获得了128个免疫相关基因,包括108个上调基因和20个下调基因。基因功能注释分析发现这些基因主要富集在免疫应答、趋化、白细胞介素信号传导、中性粒细胞脱颗粒、适应性免疫等通路。蛋白互作网络分析中,首先利用Cytoscape软件构建这些基因的重要模块,主要包括2个重要模块,模块一包括11个节点(node)和62个连接(edge),模块二包括9个节点和36个连接;然后通过Cytohubba插件确定了10个免疫相关关键HUB基因(IL1B、JAK2、CXCL10、ICAM1、CX3CR1、TLR4、MMP9、CD4、CCR1、LYN)。利用GSE103237数据集对这10个基因进行基因表达分析,发现其中7个基因在骨髓增殖性肿瘤组中表达上调,验证了HUB基因的重要性。综上,研究结果有助于发现骨髓增殖性肿瘤中重要的免疫炎症因子,为肿瘤治疗提供一定的策略和依据。