目的:筛选结直肠癌发生发展中的关键基因,并分析其与生存预后和肿瘤免疫浸润的关系.方法:从GEO数据库下载结直肠癌基因表达谱GSE178145.用R软件筛选结直肠癌组织与正常组织样本间的差异表达基因(DEGs),通过基因本体(GO)和京都基因与基因组百科全书(KEGG)分析这些基因以确定它们的生物学作用.构建蛋白相互作用网络(PPI)鉴定结直肠癌进展的关键基因,然后通过GEPIA2 数据库验证其表达水平及生存预后情况.最后利用TIMER数据库分析预后相关基因与免疫浸润细胞的相关性.结果:共筛选出 897 个DEGs.GO分析表明,DEGs主要集中在调控金属离子输运、离子通道活性、收缩纤维等过程.KEGG通路分析表明DEGs主要参与细胞因子-受体相互作用、钙信号传导等通路.通过PPI分析得到10 个关键基因,使用GEPIA2 数据库验证发现,其中CXCL2、IL-1β、CXCL10 和UPS18 的差异方向一致且有显著性差异.生存分析显示CXCL2 和IL-1β延长结直肠癌患者的生存率.免疫浸润分析得出,CXCL2 和IL-1β的表达与巨噬细胞的浸润相关.结论:CXCL2、IL-1β为结直肠癌发生发展中的关键基因,并与结直肠癌的生存预后和免疫浸润有关.

目的:通过生物信息学的方法分析并确定膀胱癌患者的关键焦亡相关基因(PRGs)表达谱,并阐明其潜在功能.方法:从癌症基因组图谱(TCGA)数据库中下载了对应膀胱样本的mRNA表达谱和临床数据,进行功能富集分析,包括基因本体论分析(GO)和京都基因与基因组百科全书的分析(KEGG).构建评估预后的基因模型,计算风险评分,分高、低风险组评估膀胱癌的预后.评估PRGs与肿瘤免疫浸润的相关性,并构建基于它们的共表达和预测目标的竞争性内源性RNA(ceRNA)调控轴.结果:我们选择了 33个PRGs,功能富集分析显示,它们主要参与细胞因子产生、炎症小体复合物、凋亡过程和NOD样受体信号通路的正调控.我们用LAS-SO Cox回归分析筛选6个基因(CASP9、PRKACA、CASP6、TNF、AIM2、GSDMB)构建PRGs模型,KM曲线提示高风险评分的膀胱癌患者的总生存时间概率低于低风险评分患者,差异有统计学意义(P＜0.001),列线图表明该模型对预后预测较准确.AIM2、CASP6与免疫细胞浸润显著相关(P＜0.05).通过构建ceRNA网络,确定了膀胱癌中的CASP6/hsa-let-7c-5p/MIR29B2CHG调控轴.结论:预后相关的PRGs与膀胱癌患者免疫细胞浸润显著相关.膀胱癌的CeRNA调控轴尚需进一步验证.

目的:探讨同型异型盒C11(HOXC11)基因在结肠癌增殖中的作用及其机制。方法:在肿瘤基因组图谱(TCGA)数据库检索结肠癌相关基因进行分析。定量聚合酶链反应(qPCR)法检测河北医科大学第四医院胃肠外科2019年1月至2019年12月行结肠癌根治术的70例临床结肠癌组织、癌旁正常黏膜组织中HOXC11表达；检测结肠癌细胞株人类肿瘤细胞系116(HCT116)、人类大肠癌H-29细细胞(HT-29)、人结肠癌SW480细胞(SW480)及肠上皮细胞株新型人肠胚胎细胞模型(HIEC)(均购自中国科学院上海细胞资源中心)中HOXC11表达，对数据库结果进行验证。用HOXC11-小干扰RNA(siRNA)转染SW480细胞，检测转染对SW480细胞活性及增殖的影响；同时检测抑制HOXC11后SW480细胞增殖相关基因表达。使用STRING数据库对结肠癌中HOXC11的功能进行蛋白相互作用(PPI)网络分析及富集分析。两组间比较采用独立样本 t检验，多组间比较采用单因素方差分析。 结果:TCGA数据库结果显示HOXC11在结肠癌高表达(|logFC| >2， P<0.05)，高表达HOXC11是患者预后差的标志( χ2＝3.92， P<0.05)，验证结果与数据库结果一致。结肠癌细胞株HOXC11水平在SW480为1.073±0.190、HT-29为0.743±0.029，明显高于HIEC(0.247±0.042)，SW480细胞中HOXC11水平最高( F＝40.221， P<0.05)，差异均有统计学意义。PPI网络分析显示HOXC11与其相邻节点呈现出共表达趋势，功能富集分析显示HOXC11的靶基因影响了生长、发育、增殖等很多生物学过程。HOXC11-siRNA转染后SW480细胞活性低于对照物及无关序列组，细胞活性在对照组、无关序列组、HOXC11-siRNA组分别为0.993±0.114、0.980±0.077、0.468±0.077( F＝65.011， P<0.05)、细胞周期处于G 0/G 1期的细胞比例高于对照物及无关序列组，处于S期的比例明显低于对照物及无关序列组，处于G 0/G 1期3组数值分别为53.767±9.150、53.433±6.240、79.300±6.252( F＝12.248， P<0.05)；处于S期3组数值分别为33.200±7.529、36.167±7.731、13.367±4.565( F＝10.071， P<0.05)；G 2/M期3组数值分别为12.967±3.584、10.367±1.620、7.300±2.022( F＝3.700， P<0.05)。HOXC11-siRNA转染后SW480细胞Cyclin D1、CDK4表达分别为1.032±0.142、0.967±0.058、0.439±0.101；1.028±0.139、0.964±0.091、0.467±0.075明显低于对照组及无关序列组( F＝18.798， P<0.05； F＝17.011， P<0.05)，而p21的表达分别为0.457±0.105、0.486±0.132、0.847±0.060( F＝8.932， P<0.05)，明显高于对照组及无关序列组，差异均有统计学意义。 结论:HOXC11在结肠癌中表达增强与预后有关，并可能通过促进细胞增殖导致肿瘤进展。

目的:探讨蛋白tweety同源物2(TTYH2)在皮肤黑色素瘤(SKCM)中的表达水平、作用机制和对临床预后的意义。方法:从癌症基因组图谱(TCGA)数据库下载365例皮肤黑色素瘤患者的表达数据和临床信息，以基因型和基因表达量关联数据库(GTEx)下载812例健康人皮肤组织表达数据，分析TTYH2在SKCM组织和正常组织中的表达水平。生存分析和Cox比例风险回归分析用于评估TTYH2表达对SKCM患者预后生存的影响。京都基因组百科全书(KEGG)通路富集分析和基因本体(GO)分析用于筛选TTYH2显著富集的信号通路。应用STRING在线平台进行蛋白质互作网络分析，筛选关键的蛋白质网络节点基因。免疫细胞浸润分析使用CIBERSORT算法分析22种免疫细胞在每个样本中的表达情况，使用卡方检验分析高、低表达组中免疫细胞的差异， P<0.05为差异有统计学意义。 结果:SKCM患者TTYH2的表达明显高于正常组织中的表达。生存分析表明SKCM患者TTYH2高表达组具有较差的预后。TTYH2高表达是SKCM总生存率差的独立预测因子( HR＝1.21，95% CI 1.08~1.37， P＝0.001)。KEGG结果显示TTYH2主要富集在细胞突触、离子通道、钙信号通路和细胞外基质-受体相互作用途径等相关通路上，GO分析得出TTYH2参与的生物过程等均可能与肿瘤的发生发展密切相关；蛋白互作网络分析显示，TTYH2与氯化物胞内通道蛋白5、氯离子通道蛋白2、甘氨酸受体家族成员和γ-氨基丁酸受体家族成员等有相互作用，揭示了其可能在SKCM的发病过程中具有重要作用。免疫细胞浸润分析显示，记忆B细胞、CD4记忆T细胞和单核细胞在TTYH2低表达组中的丰度显著增加，而在TTYH2低表达组中滤泡辅助T细胞和调节性T细胞的丰度显著降低。 结论:TTYH2的表达可能通过多种途径调控SKCM细胞的发生发展，影响SKCM患者的生存预后，是SKCM潜在的生物学预后标志物及治疗靶标。

目的:探索吸烟肺腺癌组织中和自噬相关联的基因，并确定吸烟导致肺腺癌的潜在的自噬相关因素和预后因素。方法:从GEO数据库下载2个数据集(GSE32863和GSE75037)的基因表达谱，同时下载来自TCGA数据库的吸烟肺腺癌患者的数据集。采用R中的微阵列数据包的线性模型探索来自吸烟的肺腺癌患者的样本与癌旁肺组织之间的差异基因。采用数据库DAVID进行差异基因的富集分析。采用相互作用基因/蛋白质检索的搜索工具和Cytoscape软件获得蛋白质-蛋白质相互作用网络并识别关键基因。此外，构建自噬相关基因和差异基因之间的网络。采用Kaplan-Meier分析总生存率。结果:在GSE32863数据集确定了71个差异基因，在GSE75037数据集确定了641个差异基因，在TCGA数据集中确定了4 070个差异基因。3个数据集的交集显示了52个差异基因，并选择这些数据进行进一步研究。采用GO基因功能注释将52个差异基因分为生物学过程、分子功能和细胞组分3个类别，进行京都基因和基因组百科全书分析。总共有17个差异基因和自噬相关基因密切关联，其中LYVE1、RGCC、FOSB、ETV4、CDC20与自噬基因关联最为密切。LYVE1、CDC20的表达量在吸烟肺腺癌人群和不吸烟肺腺癌中比较，差异均有统计学意义( P值均<0.05)，且与肺腺癌患者总生存率相关( P值均<0.05)，RGCC、FOSB、ETV4表达量在吸烟肺腺癌人群和不吸烟肺腺癌中比较，差异均无统计学意义( P值均>0.05)。 结论:确定了LYVE1，CDC20为吸烟肺腺癌患者特异性的自噬相关基因。这些基因与患者的预后密切相关，可能为肺腺癌的治疗提供新的靶点。

目的:利用生物信息学技术筛选并分析影响结直肠腺癌患者预后的铁死亡相关基因（FRG）。方法:使用癌症基因组图谱（TCGA）数据库下载RNA测序数据，共545例结直肠腺癌患者临床信息，602例数据集。从FerrDb数据库下载FRG基因集。取FRG基因集与TCGA数据库基因集交集，得到FRG表达数据集。使用R软件筛选结直肠腺癌组织与癌旁组织间差异表达FRG和预后相关基因，获得影响结直肠腺癌预后的FRG。通过在线蛋白互作网络工具分析蛋白之间的互作关系及蛋白质表达的相关性。使用LASSO回归分析构建患者5年总生存率的预后风险模型，计算TCGA数据库509例结直肠腺癌样本的风险值，以中位风险值为临界值，将患者分为高风险组（≥中位风险值）、低风险组（<中位风险值），并绘制生存曲线。绘制依据FRG预后模型的风险值预测TCGA数据库中结直肠腺癌患者5年总生存率时间依赖的受试者工作特征（ROC）曲线，使用Cox比例风险模型进行单因素和多因素生存分析，筛选影响预后的因素。基于基因本体（GO）数据库和京都基因与基因组百科全书（KEGG）数据库对与结直肠腺癌预后相关的FRG进行通路富集分析。结果:数据库中545例患者临床信息，602个数据集中，通过比较发现199个在结直肠腺癌中差异表达的FRG，28个预后相关的FRG，取交集后发现21个影响结直肠腺癌患者预后的FRG。DUOX2、NOX4、NOX1、DDIT3、JDP2、ATP6V1G2、ULK1、ATG3与WIPI1基因间可能有相关性；NOX4、NOX5、PLIN4和ATP6V1G2基因表达呈正相关，ULK1与MAPK1、MYB、FANCD2、ATG3、ATP5MC3基因表达呈负相关。使用LASSO回归分析，最终筛选出15个FRG（ATP5MC3、NOX4、NOX5、ALOX12B、ATG3、WIPI1、MAPK1、MYB、AKR1C1、DDIT3、JDP2、ATP6V1G2、DRD4、SLC2A3、PLIN4），构建风险模型，风险值=NOX4×0.139-ATP5M3×0.108+NOX5×1.486+ALOX12B×0.475-ATG3×0.030-WIPI1×0.170-MAPK1×0.271-MYB×0.063+AKR1C1×0.021+DDIT3×0.186+JDP2×0.292+ATP6V1G2×0.777+ DRD4×0.294+SLC2A3×0.059+PLIN4×0.113。高风险组患者总生存较低风险组差（ P<0.001），低风险组5年总生存率为76.8%，高风险组5年总生存率为48.2%。多因素生存分析显示年龄和风险值是预后的独立影响因素。使用预后相关FRG构建的风险模型能够较好地预测患者5年总生存率（曲线下面积0.728）。高、低风险组患者中的差异表达基因可能与细胞外基质组成和细胞外结构构成、局部黏附等基因通路有关。 结论:依据筛选的FRG构建的预后风险模型可较好评估结直肠腺癌患者预后，这些FRG有望成为结直肠腺癌预后相关新的候选生物标志物。

目的:运用生物信息学方法挖掘农药慢性暴露诱导的差异表达基因（DEGs）及其富集的信号通路，探索其潜在致病机制和关键基因。方法:于2021年7月，从基因表达综合数据库（GEO）中下载与农药毒效应相关的高通量基因表达谱数据，样本来源为长期接触农药的美洲男性农场工人和其他行业工人，获取DEGs；利用R软件clusterProfiler包对所选择的DEGs进行GO、KEGG及基因集富集分析（GSEA）；采用STRING、Cytoscape等工具对其进行蛋白质相互作用网络的构建及可视化分析；借助MCODE及Cytohubba等分析得到基因功能模块，从而筛选出核心基因。结果:共筛选出GSE30335数据集的DEGs 189个，其中上调基因101个，下调基因88个。GO、KEGG及GSEA结果显示，DEGs主要富集于神经元投射发育调控、运动调节、核糖体蛋白合成等生物学功能及以帕金森病为代表的复杂神经系统疾病相关的通路上。综合筛选发现，KLF1为农药暴露的核心基因，其差异表达倍数为0.456（ t=-3.82， P=0.021）。 结论:长期农药暴露可造成接触人群多个基因的差异表达，可能通过下调KLF1并经由其介导的一系列生物学途径参与神经系统的病理学改变。

目的:探索胶质母细胞瘤(GBM)发生发展过程中发生差异表达的基因并初步探讨其功能及作用，以明确影响GBM生物学行为的靶基因。方法:应用GEO2R在线分析从基因表达综合数据库(GEO)中获取的GSE70231数据集的原始基因表达谱，从而得到差异表达基因；应用DAVID数据库对差异表达基因进行基因本体(GO)功能及京都基因与基因组百科全书(KEGG)通路富集分析；应用STRING数据库构建差异表达基因的蛋白质-蛋白质相互作用(PPI)网络，然后应用Cytoscape中的插件cytoHubba和MCODE分析PPI网络，从而获取靶基因；应用基于癌症基因组图谱(TCGA)数据库中样本数据的GEPIA在线分析靶基因在GBM组织中的表达情况及其对患者总生存期的影响，最后应用人体组织的RNA-seq数据集GSE50021验证筛选出来的靶基因。结果:共筛选出520个GBM组织与正常脑组织间的差异表达基因，包含305个上调基因和215个下调基因。GO功能富集分析显示，差异表达基因的生物学过程主要富集在信号转导、细胞粘附、细胞增殖的正调控等方面，细胞学组分主要为细胞外外泌体、细胞质、细胞质膜等，分子功能显著富集在蛋白质结合率方面。KEGG通路富集分析显示，差异表达基因主要富集于丝裂原活化蛋白激酶信号通路、癌症中的蛋白多糖信号通路、催产素信号通路、钙信号通路。应用插件cytoHubba和MCODE从差异表达基因的PPI网络中共获取到17个靶基因，靶基因功能分析及临床样本验证显示8个基因( VCAM1、 SPP1、 ITGB1、 CTGF、 VIM、 ITGAV、 COL1A1、 BCL2A1)为影响GBM生物学行为的靶基因，其中 BCL2A1、 COL1A1、 ITGAV这3个靶基因与GBM的关系报道尚少，GSE50021数据集验证显示这3个靶基因在GBM组织中的表达明显高于正常脑组织，差异均有统计学意义( P<0.05)。 结论:本研究分析得出的8个靶基因尤其是 BCL2A1、 COL1A1、 ITGAV可能是未来探寻GBM发病机制及其诊断治疗的重要研究靶点。

目的:通过生物信息数据库的挖掘，探究转移性黑色素瘤和乳腺癌脑转移的关键调控基因、生物学特征和通路。方法:使用基因表达综合(GEO)数据库中转移性黑色素瘤和乳腺癌脑转移的样本数据集GSE8401、GSE46517和GSE12237进行差异基因筛选，设定 P<0.05及logFC>2具有统计学意义，找出差异基因(DEGs)。进一步对DEGs进行基因本体论(Gene Ontology)分析和DAVID数据库通路分析，使用String数据库制作DEGs的蛋白质相互作用(PPI)网络并利用Cytoscape可视化，使用分子复合物检测(MCODE)插件用于筛选Cytoscape中PPI网络的显著交互模块，使用cytoHubba插件对网络进一步分析，采用六种算法来选择枢纽基因，最后使用GeneMARIA数据库构建了枢纽基因和具有共同生物学功能的基因的共表达网络。 结果:最终得到158个DEGs( P<0.05，logFC>2)，其中45个基因显著下调，113个显著上调。筛选所得的DEGs主要GO富集为：(1)生物过程(BP)：DEGs主要富集在RNA剪接的调控，通过剪接体调控mRNA的剪接，DNA重组的正调控，双链断裂修复的正调控。(2)细胞成分(CC)：DEGs主要集中在核小体，焦点黏附，细胞-基质结合点，核染色体，原始溶酶体，嗜酸性颗粒体。(3)分子功能(MF)：DEGs主要集中在DNA转录因子结合和RNA聚合酶Ⅱ特异性DNA结合转录因子结合上。通过string数据库，获得初步的DEGs的PPI网络(度截止＝2，节点分数截止＝0.2，k核心＝2，最大深度＝100)，得到158个蛋白质节点和196条连线。通过Cytoscape筛选获得显著的交互模块，模块1的MCODE得分为4.8，而其seed基因为UBE2V1。筛选出核心DEGs 5个，分别为UBE2N、UBE2V2、RBX1、UBE2B和RXRA。 结论:泛素化途径和核调控的细胞死亡和代谢在转移性黑色素瘤和乳腺癌脑转移中发挥重要作用。

目的:通过生物信息学分析和实验验证探讨巨噬细胞极化在肺结节病中的作用。方法:本研究为实验研究。从基因表达综合数据库下载肺结节病相关RNA-seq数据集GSE83456、GSE34608、GSE42834、GSE16538、GSE18781、GSE19314、GSE19976和GSE37912。将GSE83456数据集作为训练集，其余数据集作为验证集。采用非随机抽样的方法选取2021年1月至2023年1月于成都医学院第一附属医院住院的15例肺结节病患者(Ⅰ期或Ⅱ期)、15例肺结核患者和15例肺腺癌患者，以及同期接受体检的20名健康受试者为研究对象，收集肺结节病患者和健康受试者的外周血样本，收集肺结节病、肺结核和肺腺癌患者的纵隔淋巴结样本(肺腺癌患者淋巴结转移阴性)。通过"xCell"包分析GSE83456数据集中巨噬细胞、M1巨噬细胞和M2巨噬细胞在肺结节病患者中的丰度变化，并通过流式细胞术检测肺结节病患者和健康受试者外周血M1和M2巨噬细胞比例。通过基因集富集分析探索肺结节病组与对照组、高M1巨噬细胞组与低M1巨噬细胞组、高M2巨噬细胞组与低M2巨噬细胞组之间的潜在生物学差异。加权基因共表达网络分析筛选与巨噬细胞极化高度相关的模块基因，将GSE83456数据集中肺结节病组和对照组的差异基因与相关模块基因取交集，得到巨噬细胞极化相关差异基因，并对其进行基因本体论富集分析。通过Lasso回归和随机森林算法筛选出肺结节病患者巨噬细胞极化关键基因，并在验证集中验证关键基因的表达情况，对GSE83456数据集中关键基因与巨噬细胞丰度的关系进行Pearson相关分析。通过蛋白质印迹法验证关键基因在肺结节病、肺结核和肺腺癌患者纵隔淋巴结中的蛋白表达水平。绘制受试者工作特征曲线分析关键基因表达蛋白鉴别肺结节病和肺结核的价值。结果:在GSE83456数据集中，肺结节病组巨噬细胞、M1巨噬细胞丰度评分均高于对照组[(0.27±0.09)分比(0.12±0.07)分，(0.18±0.07)分比(0.12±0.04)分，均 P<0.001]。肺结节病患者外周血M1巨噬细胞比例和M1/M2巨噬细胞比值均高于健康受试者[(0.60±0.12)比(0.47±0.11)，(1.23±0.07)比(0.84±0.06)，均 P<0.05]。炎症反应和干扰素反应等免疫相关通路富集于肺结节病组和高M1巨噬细胞组。加权基因共表达网络分析与差异基因分析的交集共获得32个巨噬细胞极化相关的差异基因，这些基因主要富集于免疫相关的生物过程和分子功能。Lasso回归和随机森林算法筛选出肺结节病患者巨噬细胞极化关键基因ANKRD22。在7个验证集中，肺结节病组ANKRD22 mRNA表达量均高于对照组，并且在GSE42834数据集中肺结核组ANKRD22 mRNA表达量高于肺结节病组(均 P<0.001)。Pearson相关分析显示，在GSE83456数据集中，ANKRD22 mRNA表达量与巨噬细胞丰度( r＝0.65)、M1巨噬细胞丰度( r＝0.54)和单核细胞丰度( r＝0.45)均呈正相关(均 P<0.001)。蛋白质印迹法显示，肺结核患者和肺结节病患者的ANKRD22蛋白相对表达量均高于肺腺癌患者，且肺结核患者高于肺结节病患者[(0.98±0.02)比(0.38±0.03)，(0.62±0.02)比(0.38±0.03)，(0.98±0.02)比(0.62±0.02)，均 P<0.05]。ANKRD22蛋白鉴别肺结节病和肺结核的曲线下面积为0.802，最佳截断值为0.58，敏感度为73.3%，特异度为80.0%。 结论:M1巨噬细胞介导免疫炎症反应参与肺结节病的发生发展。肺结节病巨噬细胞极化关键基因ANKRD22可以作为肺结节病的潜在生物标志物，并具有鉴别肺结节病和肺结核的潜在价值。