目的 通过生物信息学分析,寻找与银屑病发病密切相关的特征基因,并探寻中药复方对其作用机理.方法 利用中药系统药理学数据库(TCMSP)对健脾解毒汤的药物作用靶点进行研究.通过OMIM数据库、GeneCard数据库以及GEO数据库筛选银屑病的病理靶点;使用R包对基因进行功能注释;从NCBI GEO公共数据库下载银屑病数据集GSE13355的基因表达数据;通过Cytoscape建立"活性成分-靶点"网络;采用WGCNA方法,寻找协同表达的基因模块;利用WGCNA-R包构建数据集中基因的共表达网络;采用CIBER-SORT算法推断22种免疫浸润细胞的相对比例,并进行Pearson相关性分析;通过miRcode数据库获得关键基因相关的miRNA.统计分析采用R语言(version4.2.1)进行.结果 最终得到对应药物靶点共132个,将药物靶点与疾病靶点取交集,得43个交集靶点.GO和KEGG富集分析主要涉及cellular response to chemical stress、response to oxidative stress、gland development、HIF-1、Th17 cell differentiation、PI3K-Akt等信号通路.WGC-NA分析共检测到8个基因模块,其中black模块相关性绝对值最高,将black模块中筛选后得到的912个基因与43个交集靶点取交集,结果显示,ABCC1、BIRC5、PCNA这3个基因均有交集,关键基因与多种免疫细胞显著相关.对关键基因和铁死亡相关基因进行相关性分析,关键靶点的表达水平和铁死亡相关基因的表达水平显著相关.结论 ABCC1、BIRC5、PCNA、AIFM2、BECN1和GPX4在银屑病中具有重要的生物学功能,为今后的新药研发奠定基础.

目的:利用生物信息学方法筛选外阴鳞状细胞癌(VSCC)的关键基因及分析免疫浸润特征.方法:从GEO数据库中下载VSCC相关基因表达数据,应用差异表达基因(DEGs)分析和加权基因共表达网络分析筛选出共同的DEGs,对DEGs进行富集分析.采用STRING数据库和Cytoscape软件构建蛋白互作(PPI)网络,并通过4种算法筛选出关键基因,进行关键基因GSEA分析.应用CIBERSORT分析VSCC相关免疫细胞浸润特征及关键基因与免疫细胞的相关性.结果:共筛选出182个DEGs,DO富集主要涉及生殖器官良性肿瘤、结缔组织癌等疾病;GO和KEGG富集结果主要与表皮发育、角质化包膜、氧化应激、免疫细胞迁移等有关;PPI网络中有65个节点,90条边,筛选出6个关键基因,S100A7、SPRR2B、SPRR2G、CASP14、CDSN、ESR1,共同富集到了细胞周期、蛋白酶体信号通路.免疫浸润分析结果显示,与对照组相比,VSCC组初始B细胞、静息CD4+T记忆细胞下调(均P＜0.05),记忆B细胞、调节性T细胞、活化的NK细胞、巨噬细胞M0型、静息肥大细胞、活化的肥大细胞、嗜酸性粒细胞、中性粒细胞上调(均P＜0.05).Spearman相关性分析显示,S100A 7、SPRR2G、CASP14、CDSN均与γδT细胞呈负相关(均P＜0.05),与巨噬细胞M0型呈正相关(均P＜0.05);ESR1与巨噬细胞M0型呈负相关(P＜0.05),与静息CD4+T记忆细胞呈正相关(P＜0.05);S100A7、CASP14 与静息 CD4+T 记忆细胞呈负相关(均 P＜0.05);SPRR2G、CDSN 与 CD8+T 细胞呈负相关(均 P＜0.05).结论:S100A7、SPRR2B、SPRR2G、CASP14、CDSN、ESR1可能是VSCC潜在的生物标志物,长期慢性炎症刺激导致表皮终末分化过程异常可能是VSCC发生、发展的关键因素.

目的:探讨T2DM、Obesity、NASH、PCOS共同致病基因和潜在分子机制。方法:从GEO数据库下载了GSE20966、GSE17470、GSE88837、GSE34526基因表达谱（DEGs），使用limma包分别进行差异分析，再对4组差异基因取交集，确定并进行功能富集分析，构建蛋白-蛋白相互作用网络（PPI）。采用CIBERSORT算法对不同患者RNA-seq数据进行分析，用来推断22种免疫浸润细胞的相对比例。采用GSVA算法对每个基因集合进行综合打分，评估不同样本潜在的生物学功能变化。结果:5个交集基因被确定，分别为PTPN3、GBP2、ARL1、NEDD4L、PTPN11。其中PTPN11、NEDD4L、GBP2与胰岛素相关通路相关。进一步通过GSVA验证3个核心基因涉及的具体信号通路，为高表达GBP2与P53 PATHWAY、KRAS SIGNALING、APOPTOSIS等信号通路相关；高表达NEDD4L与G2M CHECKPOINT、TGF BETA SIGNALING、ADIPOGENESIS等信号通路相关；高表达PTPN11与PROTEIN SECRETION、ADIPOGENESIS、FATTY ACID METABOLISM等信号通路相关。结论:新发现2型糖尿病、肥胖、非酒精性脂肪肝/非酒精性脂肪性肝炎、多囊卵巢综合征的共病基因及其代谢相关信号通路，为其治疗及诊断提供了新靶点及生物标志物。

目的 分析原发性胶质母细胞瘤(GBM)患者肿瘤组织中细菌相关特征基因,并研究肿瘤内细菌相关特征基因在GBM中的功能及作用机制.方法 采用基于癌症基因组图谱(TCGA)数据分析得到的原发性GBM瘤内细菌相关特征基因的公开数据,共152例.根据GBM患者总生存时间的中位数,将其分为低生存组(78例)和高生存组(74例).使用秩和检验评估组间α多样性的差异;采用非度量多维尺度(NMDS)分析和主坐标分析(PCoA)评估组间β多样性的差异;采用线性判别分析(LDA)比较两组GBM样本中丰富度存在显著差异的细菌种类.分别根据各差异细菌相关特征基因的相对丰富度将152例患者分为高丰富度组和低丰富度组,采用Kaplan-Meier法分析高丰富度组与低丰富度组患者生存率的差异.对与良好预后相关的高丰富度细菌相关特征基因GBM样本中显著上调的基因进行基因本体论(GO)生物过程功能注释和京都基因和基因组百科全书(KEGG)通路富集分析;通过TCGA转录组测序数据集分析肿瘤免疫微环境景观,应用曼特尔检验分析免疫细胞浸润含量与预后相关细菌特征基因的相关性.所有数据分析均采用R软件,以P＜0.05为差异有统计学意义.结果 152例GBM组织中共鉴定出252种细菌相关特征基因,其中234种特征基因在低生存组与高生存组均存在,8种仅存在于低生存组,10种仅存在于高生存组.NMDS和PCoA结果显示,两组的β多样性的差异有统计学意义(P＜0.05).LDA显示,高生存组与低生存组的肿瘤组织中细菌相关特征基因的丰富度存在差异(P＜0.05),其中脆弱拟杆菌相关特征基因在高生存组的丰富度较高(P＜0.05),并与患者的总生存期呈正相关(x2=4.13,P＜0.05).功能富集分析显示,肿瘤内脆弱拟杆菌相关特征基因丰富度较高的患者肿瘤组织中高表达与免疫途径相关的基因(P＜0.05).曼特尔检验分析结果显示,原发性GBM肿瘤组织中脆弱拟杆菌相关特征基因的丰富度与M1巨噬细胞浸润呈正相关(P＜0.05).结论 脆弱拟杆菌相关特征基因在高生存原发性GBM患者肿瘤组织中的丰富度较高,并影响肿瘤的免疫微环境.

目的:基于数据库中已鉴定并发表的疾病危险基因，通过生物信息学分析探究烟雾病和烟雾综合征的病理发生机制。方法:在PubMed等公共数据库搜索烟雾病、烟雾综合征基因相关研究，整理已鉴定并发表的疾病相关危险基因。借助网络工具，在基因本体数据库（包括生物学过程、细胞组分和分子功能3大类）、京都基因与基因组百科全书（KEGG）数据库对基因集进行功能富集分析，构建蛋白-蛋白互作（PPI）网络并筛选关键基因。结果:本研究纳入53篇烟雾病研究文献，鉴定126个烟雾病相关危险基因；纳入51篇烟雾综合征研究文献，鉴定出51个烟雾综合征相关危险基因。共计纳入177个疾病相关危险基因。基因本体功能分析：生物学过程主要富集在细胞因子及其介导通路，以及细胞的黏附、分化、迁移等活动；细胞组分主要富集在细胞表面、细胞膜及蛋白复合物、受体复合体等；分子功能主要富集在酶结合、激酶结合、磷酸蛋白结合、受体信号结合、免疫受体活动等。KEGG分析主要富集在癌症信号通路、免疫细胞分化及免疫疾病通路、病毒感染信号通路等，其中MAPK信号代谢通路、Jak-STAT信号代谢通路被显著富集。通过不同算法，在PPI网络筛选出5种关键基因：PTPN11、GRB2、ITGB3、CBL、HIF1A。结论:生物信息学分析为阐述烟雾样血管改变的病理机制提供了新的角度。烟雾病发病机制可能是以基因遗传为背景、多种环境因素共同参与的。

目的 通过机器学习建立并验证阿尔茨海默病(Alzheimer's disease,AD)发病机制中双硫死亡相关基因的表达模式和诊断性生物标志物.方法 从GEO数据库下载GSE33000作为训练数据集,提取双硫死亡相关基因进行分析.通过免疫浸润和GSVA富集分析,比较AD患者和健康对照之间的差异表达基因在不同免疫细胞中的表达情况及其生物学功能.利用共识聚类方法将AD患者分为两个亚组,并对AD组与健康对照组及AD分型亚组进行加权基因共表达网络分析(WGCNA),将两个结果的交集基因作为AD特征基因.通过随机森林模型(RF)和支持向量机模型(SVM)、极限梯度提升算法(XGB)模型和广义线性模型(GLM)构建训练模型,筛选出最相关的5个基因作为诊断性标志物,并在GSE122063数据集中进行验证.结果 在文献中已证实的24个双硫死亡相关基因中,有22个基因在AD发病过程中显著差异表达.免疫浸润分析发现浆细胞、CD8+T细胞、单核细胞可能在双硫死亡调控AD中发挥重要作用.GSVA富集分析结果表明:对比于C1亚组,C2亚组中双硫死亡相关差异表达基因在亨廷顿病、帕金森病和阿尔茨海默病中上调.通过共识聚类方法将AD基因分为两个亚组(C1和C2),通过WGCNA识别显著模块并将结果取交集后获得63个AD特征性基因.训练模型结果显示,SVM模型的残差分布最低,ROC曲线下面积(AUC)值最高(0.946).SVM模型筛选的前5个AD特征基因为PARP10、MAP2K1、PTBP1、PAK1和NMS,并基于此建立AD诊断风险评估列线图.决策曲线和校正曲线分析结果显示该模型预测准确度良好.在GSE122063外部数据集中验证模型准确性,ROC结果显示AUC值为0.788,模型构建成功.结论 双硫死亡在AD的发生和诊断中起重要作用,未来可根据双硫死亡相关基因预测并筛选具有潜在治疗AD作用的药物.

目的:对不同患龋儿童唾液进行高通量测序并分析低龄儿童龋(early childhood caries,ECC)的影响因素,为探究ECC与菌群的相关性及ECC综合诊断模型的建立提供依据.方法:对儿童口腔检查,根据结果分为无龋(caries free,CF)组、ECC组和重度低龄儿童龋(severe early childhood caries,SECC)组,采取问卷调查方法探究ECC的影响因素;同时对儿童唾液进行高通量测序,并拟采用受试者工作曲线(receiver operating characteristic curve,ROC)建立基于以上结果的疾病诊断模型.结果:不同患龋儿童的微生物群落组成存在显著统计学差异(P＜0.05).在前15个细菌属中,韦荣菌属(Veillonella)、纤毛菌属(Leptotrichia)、拟普雷沃菌属(Alloprevotella)丰度水平的差异在3组间具有统计学意义(P＜0.05).Veillonella和Leptotrichia为ECC组的标志物种,Alloprevotella在SECC组中显著富集.戒断奶瓶喂养的年龄、Veillonella、Leptotrichia、Alloprevotella联合应用筛选高患龋风险儿童的ROC曲线下面积为0.754.结论:Veillonella、Leptotrichia、Alloprevotella可能为患龋儿童唾液中潜在的致龋菌.戒断奶瓶喂养的年龄、Veillonella、Leptotrichia、Alloprevotella联合检测对筛选高患龋儿童具有诊断价值.

目的:通过整合单细胞RNA测序(sing-cell RNA sequencing, scRNA-seq)和癌症基因组图谱(The Cancer Genome Atlas, TCGA)数据，探索肺鳞状细胞癌(lung squamous cell carcinoma, LUSC)中差异表达基因(differentially expressed genes, DEGs)和预后相关基因，并构建基于这些基因的预后模型。为了更好地了解LUSC中的免疫微环境(tumor microenvironment, TME)，进一步分析了免疫细胞的浸润特征，揭示其与LUSC患者预后的潜在关联。方法:从基因表达综合数据库GEO(GSE118245)中获取LUSC单细胞RNA测序数据，并通过质量控制和数据标准化，鉴定出不同的细胞群体。使用Seurat软件包进行主成分分析(principal component analysis, PCA)和统一流形近似投影(uniform manifold approximation and projection, UMAP)进行降维聚类。基于TCGA数据库中的LUSC患者样本，使用TCGAbiolinks包获取批量RNA测序数据，并对肿瘤样本和正常样本之间的DEGs进行筛选，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。使用Cox回归和最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)回归构建基于DEGs的预后模型，Kaplan-Meier生存曲线评估患者总生存期(overall survival, OS)。使用CIBERSORT算法评估不同风险组中的免疫细胞浸润比例，比较22种免疫细胞在高风险和低风险组中的差异。结果:从LUSC单细胞数据中质控得到出5 360个细胞，注释为13个不同的细胞群，并通过SingleR注释为8种细胞类型。与对照组相比，LUSC组中的中性粒细胞、CD4＋ T细胞和骨骼肌细胞比例显著上升。差异表达基因分析共筛选出3 396个DEGs，其中1 851个基因上调，1 545个基因下调。GO和KEGG富集分析表明，DEGs主要参与细胞周期、感染和补体级联反应等重要生物过程。在TCGA-LUSC数据中，使用WGCNA识别出与LUSC发展显著相关的蓝色模块，在此基础上筛选出61个交集基因进行进一步分析。单因素Cox回归和LASSO回归分析共识别出4个独立的预后相关基因(ITIH3、MME、PLAAT1和ATP13A5)，构建了风险评分模型。Kaplan-Meier生存曲线显示高风险组患者的总生存期显著低于低风险组。免疫浸润分析结果表明，高风险组患者肿瘤中的CD8＋ T细胞、活化的记忆CD4＋ T细胞和滤泡辅助性T细胞比例显著高于低风险组，进一步支持了免疫微环境对LUSC进展的关键作用。结论:通过整合单细胞和TCGA数据，成功鉴定了LUSC中的关键差异表达基因，构建了有效的预后模型。模型在多个验证队列中表现出预后预测，揭示的免疫细胞浸润特征为LUSC的免疫微环境提供了新的见解。免疫细胞在LUSC的发生和进展中发挥重要作用。

目的:探讨lncRNA相关内源竞争RN A(ceRNA)网络在早发性卵巢功能不全中的作用机制.方法:从Gene Expression Omnibus(GEO)数据库中筛选出两个早发性卵巢功能不全患者的数据集,使用R语言"limma"包筛选出差异表达的lncRNA、miRNA和mRNA.使用Starbase数据库预测与差异lncRNA相互作用的miRNAs,使用TargetScan和miRDB数据库预测与差异miRNAs相互作用的mRNAs,预测的mRNAs与差异mRNAs取交集.根据RNA之间的相互作用关系,建立早发性卵巢功能不全的lncRNA-miRNA-mRNA ceRNA调控网络.使用Metascape在线工具对ceRNA调控网络中的mRNA进行GO和KEGG功能分析,通过String数据库建立蛋白质相互作用(PPI)网络,利用Cytohubba插件识别PPI网络中的hub基因并构建lncRNA-miRNA-hub基因网络.结果:从早发性卵巢功能不全患者与正常对照组中筛选了 116个差异lncRNAs,22个差异miRNAs和282个差异mRNAs.通过116个差异lncRNAs,利用数据库预测到了 13个差异lncRNAs,7个差异miRNAs和54个差异mR-NAs的相互作用,构建了早发性卵巢功能不全的lncRNA-miRNA-mRNA ceRNA调控网络.GO和KEGG富集分析结果显示,调控网络中的mRNA参与早发性卵巢功能不全的生物学过程,包括凋亡信号通路、mRNA的代谢过程和cAMP信号通路.通过PPI 网络筛选了 8 个 hub 基因(EIF4ENIF1、SENP1、RBM5、DYNLL2、AGO2、SRSF1、CAPZB、SRSF10),构建了一个 lncRNA-miR-NA-hub基因网络.结论:12个lncRNA通过参与SRSF1等hub基因的表达,调控影响早发性卵巢功能不全的发生、发展.

目的 探讨基于高通量测序的表达差异microRNA(miRNA)在左心室心肌肥厚(left ventricular hypertrophy,LVH)患者中的表达水平及临床意义,并揭示可能的调控作用机制.方法 分别在 4 例 LVH患者和 4 例健康志愿者血浆样本中进行miRNA测序,并在 25 例健康志愿者和 35 例LVH患者血浆样本中进行实时荧光定量PCR(qRT-PCR)验证.通过预测差异性miRNA的靶基因、基因本体富集分析、京都基因与基因组百科全书信号通路分析、构建蛋白质-蛋白质相互作用网络等生物信息学分别进行分析,并通过ROC曲线下面积(AUCROC)评估miRNA对LVH的诊断价值.结果 共鉴定出 945 个差异表达的miRNA,其中 1 个显著上调,9 个显著下调.经 qRT-PCR 验证,hsa-miR-942-5p 和 hsa-miR-184 的表达水平显著下调;hsa-miR-942-5p的AUCROC为0.694 6,hsa-miR-184 的AUCROC为0.880 4.生物信息学分析显示,靶基因主要富集在细胞衰老、鞘脂代谢、TGF-β信号通路、p53、糖尿病代谢相关通路.结论 LVH患者血浆样本中hsa-miR-942-5p和hsa-miR-184 的表达水平显著降低,提示其具有良好的诊断潜力.