基于miRNA芯片对系统性红斑狼疮的生物信息学分析

目的运用生物信息学分析系统性红斑狼疮(SLE)患者单核细胞起源的树突状细胞(moDCs)中miRNA与健康人的表达差异。方法从公共基因芯片数据库(GEO)中下载GSE79240数据集,R语言筛选差异miRNA,Funrich软件分析差异miRNA的GO富集、KEGG信号通路及转录因子,MiRTarBase数据库进行靶基因预测。结果筛选出19个差异miRNAs,其中11个上调,8个下调。GO富集显示差异miRNA的生物学功能主要集中在信号传导及细胞间通讯;细胞组成主要位于细胞核及细胞质;分子功能主要集中在转录因子、泛素特异性蛋白酶及受体信号复合物支架。KEGG信号通路主要集中在蛋白多糖信号通路、TRAIL信号通路及S1P信号通路。与miRNA有关联的转录因子主要包括:SP1、SP4、EGR1及POU2F1。14个miRNA经实验验证有靶基因。结论在SLE患者的moDCs中发现19个差异miRNAs,可能在SLE的发病机制中起到了重要作用,为SLE的诊断提供新的思路。

铁死亡相关基因在增殖型狼疮肾炎中的生物信息学研究

目的通过公共基因芯片数据库(GEO),分析铁死亡相关基因(FRGs)在增殖型狼疮肾炎(PLN)中的表达及与临床指标的相关性。方法从GEO数据库中下载GSE65391数据集,运行R语言的limma包,采用Wilcox秩和检验,对514例PLN患者与72名健康对照者的外周血基因表达量进行差异分析。然后对差异基因进行基因本体论(GO)和京都基因与基因组百科全书(KEGG)分析。最后通过随机森林树(RF)、支持向量机(SVM)、有监督模型(XGB)和广义线性模型(GLM)4种机器学习算法进一步筛选核心基因,采用Spearman相关系数分析其与临床指标的相关性。结果PLN患者与健康对照组相比,有38个差异FRGs,其中16个上调,22个下调。GO富集显示差异基因的生物学过程集中在细胞对化学应激的反应,细胞组成主要为转录调节复合物,分子功能主要为结合DNA转录因子。KEGG通路主要为NOD样受体信号通路。GLM算法为最佳的机器学习算法,根据基因重要性评分筛选出10个基因作为核心基因,其中Myb原癌基因(MYB)的评分最高,其与SLEDAI评分(r=0.21,P<0.001)、ALT(r=0.20,P<0.001)、AST(r=0.18,P<0.001)、LDH(r=0.31,P<0.001)、肌酐(r=0.24,P<0.001)和ESR(r=0.22,P<0.001)等指标呈正相关,与白蛋白(r=-0.28,P<0.001)呈负相关。结论FRGs可能为研究PLN的潜在发病机制提供新的思路。