子宫肉瘤差异表达基因生物信息学分析

目的:筛选子宫肉瘤（uterine carcinosarcoma,UCS）进展相关的核心差异基因（differentially expressed genes,DEGs),探讨其生物学作用并筛选预后相关生物标志物。方法:从美国国立生物数据中心下的 GEO数据库获取包含子宫肉瘤和正常组织的表达数据集GSE64763,使用Limma包筛选差异基因。对筛选得到的差异基因运用ClusterProfiler包进行GO和KEGG分析,并通过蛋白互作网络(protein protein interaction network,PPI)在线平台String和Cytoscape（3.7.2）软件对DEGs分析,筛选核心基因。再基于GEPIA（gene expression profiling interactive analysis)数据库,验证核心基因的表达与预后关系。结果:共筛选出861个DEGs,其中上调DEGs 426个,下调DEGs 435个。富集GO主要生物活性信号15条,主要包括染色质结合、DNA转录活性激活、细胞外基质组成等生物过程。富集KEGG信号15 条,主要包括细胞循环通路、DNA复制通路、p53信号通路。成功筛选出核心基因网络,包含DEGs 10个,均为上调基因。通过GEPIA数据库验证后得到与UCS预后相关的差异基因CENPA。结论:UCS差异表达基因主要集中在染色体结合活性、DNA复制活性、细胞循环通路与p53信号通路等。CENPA基因可能为UCS早期诊断的生物标志物和治疗的潜在靶点。     

急性GVHD中Treg细胞相关基因筛选及生物信息学分析

目的：探讨急性移植物抗宿主病（aGVHD）中Treg细胞（调节性T细胞）的基因表达谱变化,为认识aGVHD的发病机制提供新的思路,同时也为早期诊断和治疗寻找潜在重要靶标分子。方法：利用GEO数据库下载aGVHD基因芯片数据,通过差异基因的筛选,GO分析,信号通路分析,最后获得的重要差异基因,并建立相互作用网络。结果：获得显著表达差异基因533个,功能富集分析及信号通路分析提示主要涉及到细胞周期、免疫反应、凋亡过程、细胞因子介导信号通路、同种异体移植物排斥、移植物抗宿主反应等。相互作用网络分析,得到前10个核心节点基因：PIK3R3、IL8、SOCS3、INPP4B、PIP5K1B、CSF2RB、IRS2、MYC、FOS、SOCS2。结论：利用生物信息学的方法,分析aGVHD基因芯片得到参与aGVHD的重要的细胞功能及信号通路,并且寻找到核心节点基因,为认识aGVHD的机制及治疗靶点提供新的思路。     

胃癌关键基因和通路的生物信息学和功能分析

目的：本研究拟通过生物信息学分析的方法分析胃癌及癌旁正常组织差异表达的基因,探索胃癌的发病机制,为胃癌的早期诊断和治疗评估提供新思路。方法：从基因表达数据库中获取GSE79973和GSE19826基因表达谱,使用GCBI在线实验室筛选差异表达基因,并使用基因本体论分析、代谢通路分析、基因信号通路网络分析、共表达分析对所获得基因进行分析。结果：与对照组相比,在胃癌组织中筛选出共1206个基因呈差异表达。其中,542个基因表达下调,664个基因表达上调;差异基因主要涉及细胞粘附、细胞外基质组织、细胞外基质分解、胶原蛋白分解代谢过程等方面,PAthway分析发现核心信号通路主要涉及粘附力、糖酵解/糖异生、Wnt信号通路、癌症通路等方面;基因信号通路网络分析发现的关键节点基因为UGT2B15、ITGA2、ITGB1、CYP3A4;共表达网络分析推测的关键节点基因为SH3GL2、CKMT2、CHIA、ATP4A。结论：INHBA、UGT2B15、ITGA2、ITGB1、SH3GL2等基因及其相关的生物过程可能是胃癌的潜在生物标志物和治疗靶标,生物信息学有助于全面深入研究疾病发生机制,筛选可能的核心靶点,为临床诊断及疾病治疗提供参考。     

食管腺癌相关关键基因的筛选及其临床意义

目的：通过TCGA和GEO数据库筛选与食管腺癌相关的关键基因,并分析其生物学功能、相关信号通路和临床意义。方法：综合TCGA数据库食管腺癌数据和GEO数据库GSE92396芯片数据,使用R软件的DEseq2包和Limma包进行差异表达基因分析,获得共同差异表达基因。利用R软件的clusterProfiler包对共同差异表达基因进行GO功能富集分析及KEGG通路富集分析。运用string网站和Cytoscape3.7.2软件进行蛋白互作网络分析,筛选出调节食管腺癌蛋白表达量的关键节点基因,再结合TCGA数据库分析关键节点基因与患者生存的关系。结果：通过数据库中90例食管腺癌组织和18例正常食管组织标本的基因芯片数据的分析,获得共同差异表达基因521个,其中高表达基因356个,低表达基因165个,它们主要与表皮发育和表皮细胞分化的代谢过程等相关功能和细胞因子及其受体相互作用等信号通路密切相关。蛋白互作网络分析得出15个关键节点基因,其中CXCL8和CCL20低表达的食管腺癌患者生存期显著长于高表达者（中位生存期32.4 vs 19.7个月,P<0.05;32.4 vs 13.9个月,P <0.05）。结论：数据库挖掘显示CXCL8与CCL20基因可能在食管腺癌的发生发展及预后中起着重要作用,可以作为判断患者预后的潜在指标。     

基因芯片筛选多形性胶质母细胞瘤差异表达基因和通路

目的 利用基因芯片技术和生物信息学分析方法,筛选出多形性胶质母细胞瘤相关的核心基因和信号通路,为寻找多形性胶质母细胞瘤早期诊断和靶向治疗潜在标志物提供依据。方法 从GEO数据库中获取多形性胶质母细胞瘤mRNA表达谱芯片原始数据,利用R软件分析得到明显差异表达基因（differentially expressed genes, DEGs）,对DEGs进行功能注释（GO ontology）和KEGG信号通路（KEGG signaling pathway）富集,进一步构建蛋白质相互作用网络（protein-protein interaction network, PPI）,筛选核心基因,最后利用TCGA肿瘤数据库进行验证。结果 通过Pearson聚类分析发现肿瘤和正常组织聚类区分明显,说明表达谱结果可靠;差异基因共2 142个,其中上调基因968个,下调基因1 174个;GO和KEGG富集结果显示,差异基因的功能主要涉及细胞周期、细胞分裂和增殖、突触传递等生物学功能和通路,通路网络分析表明MAPK信号通路起核心调控地位。通过构建PPI网络筛选出9个与GBM密切相关的核心基因,进一步利用TCGA肿瘤数据库验证,与芯片结果一致。结论 KEGG信号通路和核心基因可能揭示了多形性胶质母细胞瘤发生发展的分子机制,核心基因可能用作多形性胶质母细胞瘤的早期诊断的分子标志物和治疗靶点。     

非小细胞肺癌顺铂耐药相关基因生物信息学研究

目的：通过分析非小细胞肺癌顺铂敏感株及耐药株的基因芯片表达数据,筛选差异基因及关键通路,构建蛋白相互作用网络,探讨关键集群功能。方法:从GEO数据库获得基因芯片表达数据,利用GEO2R工具筛选差异基因,通过STRING数据库和Cytoscape软件构建蛋白相互作用网络,经DAVID富集得到相关特征基因与信号通路信息。结果：通过芯片分析共获得481个差异表达基因,相比于敏感细胞株,顺铂获得性耐药细胞株中有418个上调基因和63个下调基因。差异基因功能主要富集在piRNA代谢、DNA甲基化修饰、细胞有丝分裂及细胞周期进程等信号通路。蛋白复合物预测得到主要功能集群6个,分别与细胞趋化性、细胞角化性、piRNA代谢过程、细胞因子受体相互作用、细胞因子分泌调节及染色质沉默相关生物进程相关。结论:本研究利用生物信息学方法,发现顺铂耐药细胞株特征基因及信号通路,其中SAA1、KRT5、TDRD9、BCL2A1、CSF1R和HIST1H1A等显著上调基因及其功能集团可能是非小细胞肺癌顺铂耐药的潜在分子机制,为临床精准治疗提供新的理论依据。     

基于生物信息学筛选胰腺导管腺癌关键基因

目的:利用生物信息学方法分析胰腺导管腺癌（PDAC）基因表达谱芯片并筛选关键基因。方法:从公共数据库基因表达数据库（GEO）中下载PDAC基因表达谱芯片GSE28735、GSE15471、GSE101448,共纳入108例PDAC样本和97例癌旁组织样本。应用R语言limma包和impute包筛选差异表达基因。利用DAVID数据库和在线分析工具Kobas分别对差异基因进行GO功能富集分析和KEGG通路富集分析。利用STRING数据库和Cytoscape软件构建差异蛋白互作网络并进一步筛选关键基因。结果:3个基因表达谱芯片共有161个差异表达基因（|log2 fold-change(FC)|>2,P<0.05）,包括54个上调基因,107个下调基因。GO功能富集分析显示差异基因与extracellular exosome、extracellular space、extracellular matrix organization密切相关。KEGG通路分析显示差异基因主要富集在protein digestion and absorption、ECM-receptor interaction和focal adhesion等通路。蛋白质相互作用网络图中显示节点最多的10个枢纽基因分别是ALB、COL11A1、COL3A1、FN1、EGF、COL1A1、MMP9、COL5A2、ITGA2、COL6A3。结论:筛选所得的10个关键基因可能在PDAC发生发展中发挥重要作用,有望成为PDAC诊断及治疗的生物学靶标,为进一步研究PDAC发生发展的分子机制提供了理论依据。     

基于TCGA数据库筛选肺腺癌顺铂耐药的分子标志物及功能验证

目的 探究在肺腺癌顺铂耐药过程中起关键调控作用的相关基因。方法 利用生物信息学方法在TCGA数据库和GDSC数据库下载肺腺癌患者顺铂敏感组与耐药组之间的差异表达基因,对差异基因进行GO功能分析和KEGG通路富集分析,构建蛋白质互作网络,并进行层次聚类分析,筛选得到关键基因并利用实时荧光定量PCR和ELISA法在细胞水平进行验证。通过siRNA沉默A549/DDP细胞中CXCL10基因的表达并检测其对顺铂的敏感度。结果 筛选得到178个差异表达基因,经过聚类分析最终获得肺腺癌顺铂耐药的关键基因CXCL9、CXCL10、NKX2-1以及SFTPA1。暂时选择CXCL10进行后续验证及功能实验。实时荧光定量PCR结果显示CXCL10在A549/DDP细胞中的mRNA表达量显著高于A549细胞（P<0.001）,A549/DDP细胞上清液中CXCL10蛋白的表达量高于A549细胞,均与生物信息学预测一致。MTT结果显示沉默CXCL10表达后,A549/DDP细胞对DDP的敏感度增加。结论 CXCL10是调控肺腺癌顺铂耐药的关键基因,下调CXCL10表达可成为逆转肺腺癌顺铂耐药的潜在靶点。     

基于TCGA数据库筛选和鉴定肺腺癌免疫治疗临床获益关键基因

目的 基于全基因组测序分析,探索影响肺腺癌免疫疗效预测的关键基因及其可能的机制。方法 选取癌症基因组图谱中肺腺癌数据集（MSKCC, Science 2015）为研究对象,根据免疫治疗疗效持续时间分为两组：持久临床获益组（durable clinical benefit, DCB）和非持久临床获益组（nondurable clinical benefit, Non-DCB）。分析两组之间基因突变谱的差异,进而探索影响肺腺癌免疫治疗的关键分子及潜在生物学功能。结果 基因突变谱在DCB组和Non-DCB组之间存在差异;进一步对DCB组基因突变谱研究,这些基因主要参与了Ca2+通道、Rap1、PI3K-Akt等相关信号通路;蛋白互作网络分析中,筛选出6个节点度最高的核心基因KRAS、PPP2CB、CDC20、DYNCLI2、BRCA1、AKAP9,其中CDC20、BRCA1等基因与肺腺癌患者预后相关。结论 DCB组涉及的关键核心基因有可能指导肺腺癌的免疫特征分型,对于更加精准的免疫治疗具有重要意义。CDC20和BRCA1有可能成为肺腺癌免疫治疗中潜在的治疗靶点。     

肺腺癌相关基因的生物信息学分析

[摘要] 目的：通过生物信息学分析基因表达谱,获取肺腺癌相关基因及信号通路。方法：从GEO数据库下载GSE40791、GSE68571、GSE43458 和GSE18842 表达数据,将4 个微阵列数据集整合获得肺腺癌相关差异表达基因,利用STRING数据库为差异表达基因构建肺腺癌蛋白-蛋白互相作用网络,并挖掘肺腺癌网络中基因模块及关键基因。通过DAVID对各基因模块进行基因富集分析,发掘基因模块在肺腺癌细胞中所执行的调控功能及模块中关键基因与患者的预后关系。结果：初步筛查获得肺腺癌相关37 个上调基因、120 个下调基因,并成功构建蛋白-蛋白相互作用网络,通过MCODE算法在蛋白-蛋白相互作用网络中构建基因模块以及计算关键基因(KIF14,SEPP1,SPP1,RBP4),最终获得的4 个模块分别参与细胞周期、血凝变化、细胞黏附和细胞代谢的调控。经验证4 个关键基因在肺腺癌和正常组织中有明显表达差异(P<0.05)。生存分析显示KIF14 的表达对肺腺癌的预后有显著影响(P<0.01),SEPP1、SPP1 对患者生存率有显著影响(P<0.05),RBP4 对患者的生存率影响无统计学意义(P>0.05)。结论：通过生物信息方法分析肺腺癌和癌旁正常组织的差异基因表达,最终筛选出3 个差异表达非常显著且对患者预后影响明显的基因,对肺腺癌的诊断和预后治疗提供了新思路,提高肺腺癌机制的研究效率。     

小细胞肺癌关键基因及信号通路分析

目的 探究SCLC基因调控机制，为寻找SCLC早期诊断及靶向治疗潜在的生物标志物提供依据。方法 采用生物信息学方法从公共基因芯片数据库获取小细胞肺癌（SCLC）mRNA数据并筛选出差异表达基因（DEGs），对DEGs进行基因本体（GO）和基因组百科全书数据库（KEGG）富集分析，构建蛋白互作网络，筛选出核心基因并利用Kaplan-Meier在线工具进行生存分析。结果 17例SCLC组织样本和19例正常肺组织样本中筛选出248个DEGs，包括172个高表达基因和76个低表达基因（P<0.05）。GO和KEGG富集分析结果显示，DEGs的功能主要涉及细胞周期、DNA复制、错配修复、P53信号通路等，蛋白互作分析网络筛选出6个节点度最高的核心基因：TOP2A、PCNA、RFC4、 FEN1、CCNA2和MCM2，并与患者预后相关。结论 DEGs涉及的分子功能和信号通路可能是SCLC发生的分子机制，而核心基因可能是治疗SCLC的潜在靶点。     

Screening of Hub Genes and Pathways in Colorectal Cancer with Microarray Technology

Here we intend to identify key genes and pathways in the pathogenesis of colorectal cancer (CRC) through analyzing microarray data with bioinformatic tools. The gene expression profile dataset GSE23878 was downloaded from Gene Expression Omnibus and differentially expressed genes (DEGs) were screened out using Student’s t-test. GO function and KEGG pathway enrichment analyses were performed for these DEGs with the DAVID online tool. Interaction network was constructed among the over-represented pathways based on the protein-protein interactions within the pathways. Besides, the protein interaction information obtained from HPRD database were applied to constructed protein-protein interaction networks among the DEGs and hub genes and function module were screened out. A total of 2,296 DEGs were obtained and they were enriched in 34 pathways. An interaction network was constructed among 32 pathways, in which p53 signaling pathway acted as the hub pathway as it showed the highest node degree. The protein-protein interaction network comprised 1,481 interaction relationships among 332 genes which included 40 DEGs. Further analysis revealed that theses DEGs formed 7 function modules and many genes, such as PDGFRB, MET, FZD2, CCND1, PRKCB, ARHGEF6, JUP, WNT2, WNT5A and WNT11 were key genes in the networks. The DEGs and disturbed biological functions uncovered in present study may play important roles in the development of CRC and can contribute to the understanding on molecular mechanisms of CRC. Further these DEGs we obtained can be acted as potential biomarkers for diagnosis and therapy of CRC.     

基于TCGA数据库探究肾透明细胞癌关键基因的表达及预后作用

目的:探究肾透明细胞癌中关键基因的表达及预后作用,寻找潜在治疗靶点。方法:从TCGA数据库下载肾透明细胞癌mRNA的表达数据,通过Rstudio软件分析肿瘤与正常组织间差异表达基因,对差异表达基因进行富集分析、蛋白-蛋白相互作用网络构建,并分析出关键基因,最后对关键基因进行预后分析。结果:得到1 855个差异表达基因,其中有1 207个是上调的,648个是下调的,富集分析发现差异基因主要与信号转导、物质代谢、免疫反应等信号通路相关。筛选出10个关键基因中有6个存在预后价值。结论:筛选出的差异基因及信号通路可以帮助我们探索肾透明细胞癌发病的分子机制,同时为靶向治疗的研究提供潜在的理论依据。     

CENPF通过上调ACKR3/CXCR7促进非小细胞肺癌EMT的研究

目的 探讨CENPF在非小细胞肺腺癌（LUAD）中的表达与患者临床预后的关系及其对肺腺癌细胞转移能力的影响。方法 公共数据库分析CENPF在LUAD中的表达及其与患者预后的关系。免疫组织化学染色验证CENPF LUAD在组织芯片中的表达,Kaplan-Meier分析CENPF表达与肺腺癌患者预后的关系;Cox生存风险比例回归模型分析影响患者生存的因素;卡方分析CENPF表达与患者临床病理分期及分级的关系。慢病毒敲除NCI-H2126细胞中CENPF的表达,检测细胞增殖、侵袭及迁移能力的变化。RNA-seq检测CENPF敲除后细胞mRNA表达谱改变,生物信息学分析CENPF下游信号通路及靶基因,Western blot验证下游基因表达水平变化。结果 CENPF在LUAD肿瘤组织中显著上调（P<0.05）,与病理分期显著相关（P=0.013）,表达越高患者预后越差（P=0.01, P=0.027）。敲除CENPF表达后,细胞增殖、迁移及侵袭能力均显著降低（P<0.01）;RNA-seq富集分析显示细胞趋化因子通路基因表达改变富集显著（P<0.001）;聚类差异分析则表明,ACKR3/CXCR7及CDH2/N-cadherin显著下调,CDH1/E-cadherin则显著上调;Western blot结果证实,敲除CENPF后,ACKR3/CXCR7及N-cadherin显著下调, E-cadherin则显著上调。结论 CENPF的表达与LUAD患者临床预后呈负相关,其通过ACKR3/CXCR7调控与EMT相关的N-cadherin及E-cadherin的表达促进EMT的发生。     

Identification of gene biomarkers and immune cell infiltration characteristics in rectal cancer

BackgroundCompared with colon cancer, the increase of morbidity is more significant for rectal cancer. The current study set out to identify novel and critical biomarkers or features that may be used as promising targets for early diagnosis and treatment monitoring of rectal cancer.MethodsMicroarray datasets of rectal cancer with a minimum sample size of 30 and RNA-sequencing datasets of rectal adenocarcinoma (READ) were downloaded from the Gene Expression Omnibus (GEO) database and The Cancer Genome Atlas (TCGA) database. The method of robust rank aggregation was utilized to integrate differentially expressed genes (DEGs). The protein-protein interaction (PPI) network of the DEGs was structured using the STRING platform, and hub genes were identified using the Cytoscape plugin cytoHubba and an UpSet diagram. R software was employed to perform functional enrichment analysis. Receiver operating characteristic (ROC) curves based on the GEO data and Kaplan-Meier curves based on the TCGA data were drawn to assess the diagnostic and prognostic values of the hub genes. Immune cell infiltration analysis was conducted with CIBERSORT, and the diagnostic value and correlations between prognostic genes and infiltrated immune cells were analyzed by principal component analysis (PCA), ROC curves, and correlation scatter plots.ResultsA total of 137 robust DEGs were obtained by integrating datasets in GEO. Twenty-four hub genes, including CHGA, TTR, SAA1, SPP1, MMP1, TGFBI, COL1A1, and PCK1, were identified as a diagnostic gene biomarker group for rectal cancer, and SAA1, SPP1, and SI were identified as potential novel prognostic biomarkers. Functionally, the hub genes were mainly involved in the rectal cancer related interleukin (IL)-17 and proximal tubule bicarbonate reclamation pathways. Twelve sensitive infiltrated immune cells were identified, and were correlated with prognostic genes.ConclusionsThe integrated gene biomarker group combined with immune cell infiltration can effectively indicate rectal cancer.     

Analysis of Molecular Pathways in Pancreatic Ductal Adenocarcinomas with a Bioinformatics Approach

Pancreatic ductal adenocarcinoma (PDAC) is a leading cause of cancer death worldwide. Our study aimedto reveal molecular mechanisms. Microarray data of GSE15471 (including 39 matching pairs of pancreatictumor tissues and patient-matched normal tissues) was downloaded from Gene Expression Omnibus (GEO)database. We identified differentially expressed genes (DEGs) in PDAC tissues compared with normal tissues bylimma package in R language. Then GO and KEGG pathway enrichment analyses were conducted with onlineDAVID. In addition, principal component analysis was performed and a protein-protein interaction networkwas constructed to study relationships between the DEGs through database STRING. A total of 532 DEGs wereidentified in the 38 PDAC tissues compared with 33 normal tissues. The results of principal component analysisof the top 20 DEGs could differentiate the PDAC tissues from normal tissues directly. In the PPI network, 8 ofthe 20 DEGs were all key genes of the collagen family. Additionally, FN1 (fibronectin 1) was also a hub nodein the network. The genes of the collagen family as well as FN1 were significantly enriched in complement andcoagulation cascades, ECM-receptor interaction and focal adhesion pathways. Our results suggest that genes ofcollagen family and FN1 may play an important role in PDAC progression. Meanwhile, these DEGs and enrichedpathways, such as complement and coagulation cascades, ECM-receptor interaction and focal adhesion may beimportant molecular mechanisms involved in the development and progression of PDAC.     

膀胱癌诊断与预后相关基因TPM1和CALD1的筛选及验证

目的 筛选及验证膀胱癌诊断与预后相关基因TPM1和CALD1。方法 利用TCGA和GEO数据库中的数据集分别得到414例和188例膀胱癌基因芯片表达数据，通过构建加权基因共表达网络（WGCNA）及识别肿瘤组织与正常组织间差异表达基因的方法，得到与膀胱癌高度相关的枢纽基因。使用STRING数据库构建蛋白互作网络，筛选出预后相关的枢纽基因。将郑州人民医院29例膀胱癌样本及HPA数据库中的免疫组织化学结果作为外部验证结果。结果 TCGA数据库中共筛选出915个差异表达基因，GSE13507中筛选出464个差异表达基因。通过WGCNA得到两个相关性最强的模块：蓝色模块（相关系数为0.60，P=1E-44）和青色模块（相关系数为0.52，P=7E-19），得到156个交集基因。通过蛋白质互作网络分析筛选出10个枢纽基因，其中TPM1和CALD1基因与膀胱癌生存的相关性最大，并得到了外部验证组验证。 结论 TPM1和CALD1基因与膀胱癌预后紧密相关，也是促进肿瘤进展的枢纽基因。