利用生物信息学分析鉴定原位骨肉瘤以及肺转移的信号通路和核心基因

合集下载

基于基因组学中西医结合治疗肿瘤的生物信息学分析

基于基因组学中西医结合治疗肿瘤的生物信息学分析研究方案：基于基因组学中西医结合治疗肿瘤的生物信息学分析引言：肿瘤是严重威胁人类健康的疾病，其发病机制极其复杂，研究人员对于治疗肿瘤大多采用中西医结合的方法。

生物信息学是一门应用于解决生物学问题的交叉学科，通过整合与分析海量生物数据来提取有价值的信息，可以为肿瘤治疗的决策和个体化治疗提供指导。

本研究旨在利用生物信息学工具分析基因组学数据，从而实现中西医结合治疗肿瘤的创新和发展。

一、研究思路：1. 数据采集：收集大样本量的肿瘤患者基因组学数据，包括肿瘤组织、血液样品等，并记录相关临床数据，如患者的性别、年龄、病理类型、分期等。

2. 数据预处理：对采集到的原始数据进行预处理，包括数据清洗、归一化、过滤异常值等，确保数据的准确性和可靠性。

3. 基因表达谱分析：利用生物信息学工具分析基因表达谱，通过比较肿瘤组织与正常组织的基因表达差异，筛选出不同ially表达的基因。

4. 功能富集分析：对不同ially表达的基因进行功能富集分析，包括基因本体（Gene Ontology，GO）功能富集分析和通路富集分析，以探索这些基因在肿瘤发生发展中的潜在功能。

5. 靶向药物预测：利用药物靶向预测工具，对鉴定出的潜在基因靶点进行预测，以确定相应的治疗药物。

6. 数据整合与分析：结合临床数据和基因组学数据，进行综合分析，研究肿瘤发生发展所涉及的关键基因及其对治疗药物的预测作用。

7. 研究成果创新和发展：根据已有研究成果及分析结果，提出新的观点和方法，为解决实际问题提供有价值的参考。

二、方案实施：1. 数据采集：通过协作研究，与医院和研究机构合作，收集肿瘤患者的基因组学数据，并完善相关临床数据的收集。

2. 数据预处理：使用生物信息学工具，对原始数据进行预处理和清洗，包括去除异常值、低质量数据的过滤以及数据归一化等。

3. 基因表达谱分析：利用生物信息学工具，对清洗后的数据进行基因表达谱分析，筛选出不同ially表达的基因。

骨肉瘤诊疗相关生物标记物研究进展

骨肉瘤诊疗相关生物标记物研究进展作者：郑来韩旭李宏倬来源：《中国医学创新》2021年第27期【摘要】全世界青少年和儿童都受到骨肉瘤的威胁，这种肿瘤主要好发于长骨干骺端，是该年龄段最常见的高度恶性骨肿瘤。

早期肿瘤检测是有效治疗该疾病的关键，生物标志物的发现和对分子及其复杂相互作用的不断认识改善了骨肉瘤临床试验结果。

本文简述了骨肉瘤的生物标志物，并重点介绍了骨肉瘤相关生物标志物的研究进展，以期对骨肉瘤临床治疗的进展产生积极影响。

【关键词】骨肉瘤化疗治疗恶性骨肿瘤生物标志物Research Progress of Biomarkers Related to Diagnosis and Treatment of Osteosarcoma/ZHENG Lai， HAN Xu， LI Hongzhuo. //Medical Innovation of China， 2021， 18（27）： -172[Abstract] Adolescents and children all over the world are threatened by osteosarcoma， this tumor mainly occurs in the epiphysis of the long shaft， it is the most common highly malignant bone tumor in this age group. Early tumor detection is the key to the effective treatment of this disease. The discovery of biomarkers and the continuous understanding of molecules and their complex interactions have improved the results of clinical trials of osteosarcoma. This paper briefly describes the biomarkers of osteosarcoma， and focuses on the research progress of osteosarcoma related biomarkers， in order to have a positive impact on the progress of clinical treatment of osteosarcoma.[Key words] Osteosarcoma Chemotherapy Treatment Malignant bone tumor BiomarkersFirst-author’s address： Graduate School of Changzhi Medical College， Changzhi 046000，Chinadoi：10.3969/j.issn.1674-4985.2021.27.042骨肉瘤是于1807年在“波耶爾讲座”首次提出的一种骨骼疾病。

通过生物信息学分析鉴定调控神经母细胞瘤骨髓转移的中枢基因

论著文章编号１００６－８１４７（２０21）０3-0259-07基金项目天津市科技计划项目（14RCGFSY00150）作者简介杨倩玉(1994-），女，硕士在读，研究方向：儿科学；通信作者：崔华雷，E-mail ：****************。

通过生物信息学分析鉴定调控神经母细胞瘤骨髓转移的中枢基因杨倩玉1，李璇2，闫蓓蕾2，赵旭峰1，崔华雷3（1.天津医科大学研究生院，天津300070；2.天津市儿童医院小儿内科，天津300074；3.天津市儿童医院小儿外科，天津300074）摘要目的：利用生物信息学的方法，探讨神经母细胞瘤骨髓转移的中枢基因及其可能的分子机制。

方法: 选取GEO 数据库中神经母细胞瘤基因骨髓转移的芯片数据集GSE42548，应用在线分析工具Networkanalyst 筛选差异表达基因。

使用DAVID 数据库对上述差异表达基因进行GO 功能分析及KEGG 通路分析。

应用STRING 在线数据库和Cytoscape 软件构建蛋白质相互作用（PPI ）网络，并筛选hub genes 、枢纽模块和seed genes ，利用Venn 图对hub genes 和seed 进行分析。

结果: 分析芯片数据，筛选得到990个差异表达基因，GO 和KEGG 分析结果显示，差异表达基因与信号转导、生物膜合成等过程有关，并富集在Hematopoietic cell lineage 通路上。

通过构建PPI 网络筛选得到了10个hub genes 、6个枢纽模块和17个seed genes 。

通过Venn 图确定关键基因Cxcr4。

结论: 研究中筛选出了10个hubgenes 和17个seed genes ，其中Cxcr4基因在神经母细胞瘤骨髓转移起到关键作用，提示基于CXCR4-SDF-1之间的调控关系可能为神经母细胞瘤骨髓转移的早期诊断提供新的见解。

关键词神经母细胞瘤；骨髓转移；Cxcr4；生物信息学中图分类号R739.43文献标志码ＡIdentification of hub genes to regulate neuroblastoma metastasis to bone marrow by bioinformatics analysisYANG Qian-yu 1，LI Xuan 2，YAN Bei-lei 2，ZHAO Xu-feng 1，CUI Hua-lei 3（1.Graduate School ，Tianjin Medical University ，Tianjin 300070，China ；2.Department of Pediatric Medicine ，Tianjin Children ′s Hospital ，Tianjin 300074，China ；3.Department of Pediatric Surgery ，Tianjin Children ′s Hospital ，Tianjin 300074，China ）AbstractObjective:To investigate the central gene of bone marrow metastasis in neuroblastoma and its possible molecular mechanismby bioinformatics analyses.Methods:The chip data set GSE42548of the neuroblastoma gene bone marrow metastasis in the GEO （gene expression omnibus ）database was selected ，and the differentially expressed genes were screened by the online analysis tool Networkanalyst.DAVID database was used for GO （gene ontology ）function analysis and KEGG （kyoto encyclopedia of genes and genome ）pathway analysis of the above differentially expressed genes.The online database STRING and Cytoscape software were used to construct the protein-protein interaction （PPI ）network ，and the hub genes ，hub modules and seed genes were screened ，and the Venn diagram was used to analyze the hub genes and seed.Results:The microarray data were analyzed and 990differentially expressed genes were screened.The GO and KEGG analysis results showed that the differentially expressed genes were related to signal transduction and biofilm synthesis ，and were enriched in Hematopoietic cell pathway.Ten hub genes ，six hub modules and seventeen seed genes were obtained by constructing PPI network screening.The key gene Cxcr4was identified by the Venn diagram.Conclusion:In this study ，10hub genes and 17seed genes were screened out ，among which Cxcr4gene plays a key role in the bone marrow metastasis of neuroblastoma ，suggesting that the regulation relationship between CXCR4and SDF -1may provide new insights for the early diagnosis of the bone marrow metastasis of neuroblastoma.Key wordsneuroblastoma ；bone marrow metastases ；Cxcr4；bioinformatics神经母细胞瘤（neuroblastoma ，NB ）是一种来源于周围神经嵴的儿童实体瘤，占儿童癌症死亡人数的15%，是医学上的一大挑战[1-3]。

基于GEO数据库发现骨肉瘤关键基因GMFG及其生物学功能

基础研究基于G E O 数据库发现骨肉瘤关键基因G M F G 及其生物学功能厦门大学附属福州第二医院骨科(福州３５０００７)㊀林文韬㊀王武炼㊀肖莉莉㊀张怡元基金项目:２０１９年福建省卫生健康青年科研项目(２０１９Ｇ１Ｇ８４)ʌ摘㊀要ɔ㊀目的㊀基于生物信息学方法筛选骨肉瘤(O S )的关键基因及功能预测.方法㊀检索G E O 数据库O S 数据集(G S E １４３５９),使用G E O ２R 筛选差异基因(D E G s ),构建D E G s 的蛋白质Ｇ蛋白质相互作用网络(P P I )以及C y t o s c a p e 可视化分析确定关键基因.并进一步下载关键基因共表达基因,基因本体(G O )和(京都基因与基因组百科全书)K E G G 分析预测其可能的生物功能.结果㊀通过对原发O S 组织㊁O S 肺转移组织和原代成骨细胞之间的差异性和维恩图分析,获得３８５个交集基因.进而使用蛋白质Ｇ蛋白质相互作用(P P I )和C y t o s c a pe 从交集基因中筛选出关键基因GM F G .GM F G 共表达基因主要参与中性粒细胞激活㊁中性粒细相关的免疫反应等过程,并显著富集于核糖体细胞处理过程㊁白细胞跨膜转运过程等通路.结论㊀GM F G 作为O S 关键基因,在O S 进展中发挥促癌作用,可能是O S 的可靠的诊疗靶点.ʌ关键词ɔ骨肉瘤;GM F G ;生物信息学ʌ中图分类号ɔR ７３８１㊀ʌ文献标识码ɔA㊀ʌ文章编号ɔ１００２Ｇ２６００(２０２０)０２Ｇ０１１２Ｇ０４I d e n t i f i c a t i o no f t h e k e yg e n eG M F Ga n d i t sb i o l o gi c a l f u n c t i o n i no s t e o s a r c o m ab a s e do nG E Od a t a b a s e ㊀㊀L I N W e n t a o ,WA N G W u l i a n ,X I A O L i l i ,Z HA N G Y i y u a n ．D e p a r t m e n to f O r t h o p e d i c s ,F u z h o u S e c o n d H o s p i t a l a f f i l i a t e d t oX i a m e nU n i v e r s i t y ,F u z h o u ,F u i a n ３５０００７,C h i n a ʌA b s t r a c t ɔ㊀O b je c t i v e ㊀T o s c r e e n t h ek e yg e n e s a n df u n c t i o n a l p r e d i c t i o no f o s t e o s a r c o m a (O S )b a s e do nb i o i n f o r m a t i c s ．M e t h o d s ㊀T h eO Sd a t a s e t (G S E １４３５９)f r o m G E Od a t a b a s ew e r e r e t r i e v e d ,a n dG E O ２Rt o s c r e e n t h e d i f f e r e n t i a l ge n e s (D E G s )w e r eu s e d ．W ef u r t h e rc o n s t r u c t e dt h e p r o t e i na n d p r o t e i ni n t e r a c t i o nn e t w o r k (P P I )o fD E G ,a n di d e n t i f i e dt h ek e yge n e t h r o u g h t h e v i s u a l i z e da n a l y s i s o fC y t o s c a p e ．T h e c o e x p r e s s i o n g e n e sof k e yg e n ew e r ed o w n l o a d e d ,a n d th e p o s si b l eb i o l o g i c a l f u n c t i o nw a s p r e d i c t e db y G Oa n dK E G Ga n a l y s i s ．R e s u l t s ㊀B y d i f f e r e n c e a n a l y s i s a n dV e n nd i a gr a m b e t w e e nc o n v e n t i o n a l o s Ｇt e o s a r c o m a t i s s u e ,o s t e o s a r c o m a l u n g m e t a s t a s i s t i s s u e a n dn o n Ｇn e o p l a s t i c p r i m a r y o s t e o b l a s t c e l l s ,w e o b t a i n e d ３８５i n t e r s e c t i o n g e n e s ．T h e n ,P P I a n dC y t o s c a p ew e r e u s e d t o s c r e e n t h e k e y g e n e (GM F G )．T h e c o Ｇe x p r e s s i o n g e n e s o fGM F Gw e r em a i n l yi n Ｇv o l v e d i nn e u t r o p h i l a c t i v a t i o n ,n e u t r o p h i l a c t i v a t i o n i n v o l v e d i n i mm u n e r e s p o n s e ,a n dw e r e s i g n i f i c a n t l y en r i c h e d i nr i b o s o m e c e l l p r o c e s s i n g ,l e u Ｇk o c y t e t r a n s e n d o t h e l i a lm i g r a t i o n ．C o n c l u s i o n ㊀A s a k e y g e n e o fO S ,GM F G p l a y s a r o l e i n p r o m o t i n g ca r c i Ｇn o g e n e s i s i n t h e p r o g r e s s i o no fO S ,w h i c hm a yb e a r e l i a b l e d i a g n o s i s a n d t r e a t m e n t t a r ge t o fO S ．ʌK e y w o r d s ɔo s t e o s a r c o m a ;GM F G ;b i o i nf o r m a t i c s ㊀㊀骨肉瘤(o s t e o s a r c o m a ,O S )是一种致命的原发性骨肿瘤,具有转移能力强㊁预后差的特点,是导致儿童死亡的第二大病因.近年来,尽管外科技术的提高和分子靶向治疗及免疫治疗的进展,但O S 的预后仍不理想[１].因此,需要确定额外的关键基因和通路,以寻找新的治疗策略来改善O S 患者的预后,并实现精准医疗.本研究旨在通过多维度的生物信息学分析,筛选影响O S 发生发展的关键基因及其生物学功能预测,研究结果可能揭示O S 诊疗的新靶点,为难治性疾病的分子机制提供新思路.１㊀资料与方法１１㊀数据来源:通过G E O 数据库(h t t p ://w w w．n c b i ．n l m．n i h ．g o v /g e o /)的G P L ９６平台[(H G ＧU １３３A )A f f y Ｇm e t r i x H u m a n G e n o m e U １３３A A r r a y ]下载数据集(G S E １４３５９).G S E １４３５９表达谱包含来自德国柏林查里特大学医院病理研究所的１０例原发骨肉瘤组织(c o n v e n t i o n a lo s t e o s a r c o m a ,C O )㊁８例骨肉瘤肺转移组织(o s t e o s a r c o m al u n g me t a s t a s i s ,O L M )和２例非肿瘤原代成骨细胞(p r i m a r y os t e o b l a s t c e l l s ,P O C )样本.１２㊀差异基因筛选:G E O ２R 是G E O 数据库中依赖于R 语言(G E O q u e r y 和li mm a 包)实现的编程在线分析工具.通过G E O ２R 获得G S E １４３５９数据集中C O ㊁O L M 和P O C 之间的差异表达基因(d i f f e r e n t i a l l y e x pr e s s e d g e n e s ,D E G s ).D E G s 纳入标准为:上调基因必须具有l o g ２倍数变化(l o gF C )ȡ２和校正的P 值＜００５,而下调基因必须具有l o g F C ɤ－２和校正的P 值＜００５.随后,利用维恩图对C O v s P O C 以及O L M v s P O C 两组的D EG s 取交集基因.１３㊀蛋白质相互作用网络:利用蛋白相互作用的检索工具S T R I N G (h t t p s ://s t r i n g Ｇd b ．o r g/)构建D E G s 的蛋白质Ｇ蛋白质相互作用(t h e p r o t e i n Ｇpr o t e i n i n t e r a c t i o n ,P P I )网络,并进一步应用C y t o s c a pe (３７１版)的插件M C O D E 选择P P I 网络中密集连接的模块,进而确定关键基因GM F G .１４㊀G M F G 共表达基因富集分析和通路注释:通过共表达分析数据库C O X P R E S d b (h t t p s ://c o x p r e s d b ．j p )下载GM F G 共表达基因(前２０００个),后续进行基因本体２１１福建医药杂志２０２０年４月第４２卷第２期㊀F u j i a n M e d J ,A pr i l ２０２０,V o l ４２,N o ２(g e n e o n t o l o g y,G O )富集分析以及京都基因与基因组百科全书(t h eK y o t o e n c y c l o p e d i a o f g e n e s a n d g e n o m e s ,K E G G )功能注释,G O 分析的结果从３个方面呈现:生物过程(b i Ｇo l o g i c a l p r o c e s s ,B P )㊁细胞组分(c e l l u l a rc o m p o n e n t ,C C )和分子功能(m o l e c u l a rf u n c t i o n ,M F ).利用R 软件(v ．３６０版)中相应的B i o c o n d u c t o r 包进行G O 富集和K E G G 通路分析.２㊀结果２１㊀差异基因筛选:在G S E １４３５９数据集中,１０例C O ;８例O L M ;２例P O C .根据l o g ２F C ȡ２的筛选标准及校正P ＜００５,C O v s P O C 组有７８５个D E G s ,L OM v s P O C 组有７４０个D E G s .并进一步利用维恩图对两组的D E G s 取交集基因,共获得３８５个交集基因,其中２７０个基因上调,１１５个基因下调(图１).图１㊀对差异表达基因取交集基因维恩图２２㊀蛋白质相互作用网络:基于蛋白质的相互作用构建P P I 网络,利用C y t o s c a p e 分析上述３８５个交集差异基因所对应的蛋白之间的相互作用网络(图２).P P I 网络具有１２个模块,１２个关键基因,分别为GM F G ㊁I S L R ㊁T H Y １㊁C D ８３㊁H L A ＧD R A ㊁C T S B ㊁R E P S １㊁L A P TM ５㊁I Q G A P ２㊁L O X L ２㊁C A C N A ２D ２㊁G C L M .GM F G 所在模块为显著模块,具有５个节点,８个边缘(图３).２３㊀G M F G 共表达基因富集分析和通路注释:对获得的GM F G 共表达基因进行G O 富集和K E G G 通路分析.G O 富集分析表明:这些共表达基因主要分布在分泌颗粒内腔㊁胞质囊腔㊁分泌颗粒膜㊁核糖体亚单位等,分子功能上主要集中在核糖体的结构组成㊁N A D (P )H 相关的氧化还原反应㊁细胞因子受体的活动等,主要参与的生物过程是中性粒细胞激活㊁中性粒细相关的免疫反㊁中性粒细胞脱颗粒㊁T 细胞激活以及免疫应答调节/激活细胞表面受体信号通路等(图４A ).K E G G 通路富集结果显示大部分共表达基因显著富集于核糖体细胞处理过程㊁白细胞跨膜转运过程㊁趋化因子信号通路㊁细胞黏附分子㊁氧化磷酸化等相关通路(图４B ).３㊀讨论近年来,随着基因芯片和测序技术的快速发展,利用生物信息学方法对恶性肿瘤进行全基因表达谱分析,了解恶性肿瘤相关的基因及其相关的分子调控机制,为研究恶性肿瘤的分子机制提供了新的思[２].然而,相对于其他部位的肿图２㊀C y t o s c a pe 分析交集差异基因所对应的蛋白之间的相互作用网络图３㊀G M F G 所在的模块(５个节点,８个边缘)瘤,O S 发病率较低,绝大多数见于儿童,因此与O S 相关的生物信息资料较有限,在大多数国际公共数据库,例如T C G A 及O n c o m i n e 数据库无法检索到与O S 直接相关的资料.即使最新儿童肿瘤数据库T a r g e t 数据库,缺少正常肿瘤旁组织的信息,如果不先与肿瘤旁组织组织进行遗传信息比较,可能会误导近一半O S 患者的治疗,因此也具有局限性.目前,有关G E O 相关的数据得到了广泛的应用,随着全球学者不断在G E O 等数据库发布测序数据,使得越来越多的未知分子被发现大量存在于真核生物细胞中并具有重要的生物学功能.我们前期深度检索并下载G E O 数据库中O S 微阵列表达谱(G S E １４３５９),该数据集涵盖O S 组织和肿瘤旁测序信息,通过其可较全面分析难治性的O S 发生和发展的分子变化,协助指导开发有效的㊁毒性较低的疗法.我们首先筛选差异性表达的基因以及维恩图取交集差异基因,并利用S T R I N G 数据库构建交集基因的P P I 网络,并通过C y t o s c a p e 将其可视化,随后进行网络的模块分析和中心性分析被用来识别O S 的潜在的核心基因.通过生物信息３１１福建医药杂志２０２０年４月第４２卷第２期㊀F u j i a n M e d J ,A pr i l ２０２０,V o l ４２,N o ２注:A:G O分析;B:K E G G分析.图４㊀G M F G共表达基因G O富集和K E G G通路分析学分析,我们发现１２个可能在O S发生发展起关键作用的基因,后续通过广泛阅读国内外文献,了解关键基因的研究现状,发现神经胶质成熟因子Ｇγ(g l i a m a t u r a t i o nf a c t o rＧγ, GM F G)在肿瘤中的研究甚少,其与O S两者的关系在国际上还处于空白状态,因此,我们将GM F G作为研究对象,推测其在O S发生和发展中扮演的角色,实现理论创新.胶质细胞成熟因子基因(g l i a m a t u r a t i o nf a c t o r s g e n e s, GM F s)在脊椎动物中广泛存在,包括胶质细胞成熟因子B (g l i am a t u r a t i o n f a c t o rＧb e t a,GM F B)和胶质细胞成熟因子G(g l i am a t u r a t i o nf a c t o rＧg a mm a,GM F G),在从酵母到哺乳动物的真核生物中是高度保守的.既往研究表明,GM F s 属于A D F/c o f i l i n超家族蛋白,它们是肌动蛋白细胞骨架重组的重要调节因子[３].GM F G优先在血管细胞和免疫细胞中表达,其异位表达增强细胞功能,如小管形成和体外迁移,并且GM F G是人T细胞假足迁移所必需的成分,通过抑制GM F G表达可减少细胞迁移减少及黏附特性增加[４].通过重组中性粒细胞中的肌动蛋白丝,GM F G也是细胞迁移和极性的重要调节因子[５].目前研究未知基因功能的流行方法之一是共表达分析,因此,我们通过单基因共表达分析神器C O X P R E S d b数据库[６],下载GM F G前２０００个共表达基因,后续进行G O和K E G G分析,研究结果与上述相一致.那么,GM F G在恶性肿瘤中的研究现状是怎样,又是通过怎样的分子机制实现O S相关功能呢１９q１３的高水平扩增是常见的遗传改变之一,经常在卵巢癌,胰腺癌和胃贲门腺瘤中检测到.因此,１９q１３可含有与各种实体瘤的发病机理和进展相关的致癌基因[７].GM F G基因在６６０k b扩增子最大值内定位于１９q１３２,有研究提出在１９q１３处含有GM F G的一个区域在肿瘤中约２０％中拷贝数增加,因此GM F G被认为是扩增靶基因之一[８].既往研究结果表明GM F B在浆液性卵巢癌(S O C)组织中过度表达,与卵巢癌的不良预后相关,并促进上皮卵巢癌中的细胞迁移和侵袭,可作为S O C患者预后的预测指标[９].有研究[１０]发现GM F G 在结直肠癌组织样本中高表达,尤其是在淋巴结转移的患者中(８５７v s５７５％的非转移患者).另外,一篇发表在权威期刊N a t u r e的文章提出肿瘤患者体内的中性粒细胞通过与肿瘤细胞形成细胞簇,联合促进肿瘤的转移过程[１１].G O 分析和K E G G分析结果亦显示,GM F G共表达基因与包括中性粒细胞在内的多个白细胞参与的免疫过程高度相关.结合本文,我们上述检索的G S E１４３５９数据集中GM F G在O S 肺部转移肿瘤组织中显著上调.因此,有理由推测GM F G 作为促癌因子,参与O S侵袭转移过程,其涉及的机制可能是通过炎癌途径进而促进O S的转移.另外,本研究也具有一定局限性:１)由于在G E O数据库中,O S芯片数据多为不同种属㊁不同干预方式㊁O S 细胞系测序及缺少配对正常组织的表达谱测序数据,本研究未能做到多个G E O数据库芯片联合分析,仅有单数据集分析,但数据集G S E１４３５９涵盖正常㊁癌变组织以及转移灶组织信息,代表性较强,并且目前有高分值的G E O单数据集分析研究,因此认为此数据集仍具有一定的代表性;２)本研究仅是通过高通量测序结果进行大数据分析,未有相关组织及细胞学实验验证GM F G在O S中的促癌作用,以及是否通过预测的炎癌途径促进O S的转移,后续将进一步完善相关内容,使研究结果更有说服力.综上所述,通过对O S表达谱进行一系列的生物信息学分析,锁定了在O S进展中扮演着促癌的作用的关键分子GM F G,并且推测GM F G可能参与O S侵袭转移过程,可作为O S治疗的新靶点.参考文献[１]L i n d s e y B A,M a r k e l JE,K l e i n e r m a nES．O s t e o s a r c o m aOＧv e r v i e w[J]．R h e u m a t o lT h e r,２０１７,４(１):２５Ｇ４３ [２]C h e nZ,W u H,W a n g G H,e ta l．I d e n t i f i c a t i o no f p o t e n t i a lc a nd i d a te g e n e sf o r h y p e r t e n s i v e n e p h r o p a t h y b a s e do ng e n e e xＧp r e s s i o n p r o f i l e[J]．B m cN e p h r o l o g y,２０１６,１７(１):１４９ [３]G a n d h i M,S m i t h B A,B o v e l l a n M,e ta l．GM Fi sac o f i l i n４１１福建医药杂志２０２０年４月第４２卷第２期㊀F u j i a n M e d J,A p r i l２０２０,V o l ４２,N o ２h o m o l o g t h a tb i n d sA r p ２/３c o m p l e xt os t i m u l a t ef i l a m e n td e Ｇb r a n c h i n g a n d I n h i b i t a c t i nn u c l e a t i o n [J ]．C u r r B i o l ,２０１０,２０(９):８６１Ｇ８６７[４]L i p p e r t DN．G l i am a t u r a t i o n f a c t o r g a mm a r e g u l a t e s t h em i gr a Ｇt i o na n d a d h e r e n c e o fh u m a nTl y m p h o c y t e s [J ]．B m c I mm u Ｇn o l o g y,２０１２,１３(１０):２１ [５]A e r b a ji n a iW ,L i uL ,C h i n K ,e ta l ．G l i a m a t u r a t i o nf a c t o r Ｇγm e d i a t e s n e u t r o p h i l c h e m o t a x i s [J ]．J o u r n a l o f L e u k o c yt eB i o l Ｇo g y,２０１１,９０(３):５２９Ｇ５３８ [６]T a k e s h iO ,Y u k iK ,Y u i c h iA ,e t a l ．C O X P R E S d bv ７:a g e n ec o e x p r e s s i o nd a t a b a sef o r １１a n i m a l s p e c i e s s u p p o r t e db y ２３c o Ｇe x p r e s s i o n p l a t f o r m sf o rt e c h n i c a le v a l u a t i o na n de v o l u t i o n a r y i n f e r e n c e [J ]．N u c l e i c A c i d s R e s e a r c h ,２０１９,４７(D １):D ５５ＧD ６２[７]M a h l a m ãk i E H ,K a u r a n i e m i P ,M o n n i O ,e t a l ．H i gh Ｇr e s o l u t i o n g e n o m i c a n d e x p r e s s i o n p r o f i l i n g r e v e a l s １０５p u t a t i v e a m p l i f i c a t i o n t a r g e t g e n e s i n p a n c r e a t i cc a n c e r [J ]．N e o pl a s i a ,２００４,６(５):４３２Ｇ４３９[８]R i i n aK ,K i mm oS ,A z o r s aDO ,e t a l ．I n t e r s e x Ｇl i k e (I X L )i s ac e l l s u r v i v a l r e g u l a t o r i n p a n c r e a t i c c a n c e rw i t h １９q １３a m pl i f i c a Ｇt i o n [J ]．C a n c e rR e s e a r c h ,２００７,６７(５):１９４３Ｇ１９４９[９]L iYL ,Y eF ,C h e n g X D ,e t a l ．I d e n t if i c a t i o no fg l i am a t u r a Ｇt i o n f a c t o r b e t a a s a n i n d e p e n d e n t p r o g n o s t i c p r e d i c t o r f o r s e r o u s o v a r i a nc a n c e r [J ]．E u r o p e a n J o u r n a lo f C a n c e r ,２０１０,４６(１１):２１０４Ｇ２１１８[１０]W a n g H ,C h e n Z ,C h a n g H ,e t a l ．E x pr e s s i o n o f g l i a m a t u r a t i o n f a c t o r γi s a s s o c i a t e d w i t h c o l o r e c t a l c a n c e r m e t a s t a s i s a n di t sd o w n r e g u l a t i o ns u p pr e s s e sc o l o r e c t a lc a n c e r c e l lm i g r a t i o na n di n v a s i o ni nv i t r o [J ]．O n c o l o gy R e p o r t s ,２０１７,３７(２):９２９Ｇ９３６[１１]S z c z e r b aBM ,C a s t r o ＧG i n e r F ,V e t t e rM ,e t a l ．N e u t r o ph i l s e s Ｇc o r t c i r c u l a t i n g t u m o u r c e l l s t o e n a b l e c e l l c y c l e p r o gr e s s i o n [J ]．N a t u r e ,２０１９,５６６(７７４５):５５３Ｇ５５７基础研究H O Ｇ１过表达抑制N L R P １通路活化在脊髓损伤中发挥保护作用的实验研究福建医科大学附属第二医院急诊科(泉州３６２０００)㊀陈炳基㊀蒋小燕㊀杨建胜１基金项目:福建省卫生计生青年科研项目(２０１７Ｇ１Ｇ５９)１㊀通信作者ʌ摘㊀要ɔ㊀目的㊀探讨血红素加氧酶Ｇ１(HO Ｇ１)在脊髓损伤(S C I)中的保护作用及其机制.方法㊀采用压迫损伤法构建S C I 模型,将大鼠随机分为假手术组(S h a m 组)㊁单纯S C I 组(V e h i c l e 组)㊁腺相关病毒感染S C I 大鼠组(A ＧC 组)和过表达HO Ｇ１的腺相关病毒感染S C I 大鼠组(A ＧHO Ｇl 组).W e s t e r nb l o t 检测HO Ｇ１㊁N L R P １㊁N L R P ３㊁N L R C ４和c a s pa s e Ｇ１的表达,免疫荧光检测HO Ｇ１和MA P ２的表达定位,原位缺口末端标记法(T U N E L )检测脊髓组织细胞凋亡,后肢行为学(B a s s o ＧB e a t t i e ＧB r e s n a h a n ,B B B )评分评估大鼠后肢运动功能.结果㊀S C I 后HO Ｇ１表达增加,差异有统计学意义(P ＜００５).与A ＧC 组相比,A ＧHO Ｇ１组中HO Ｇ１水平明显升高,N L R P １㊁p r o Ｇc a s p a s e Ｇ１㊁c a s p a s e Ｇ１中p ２０表达水平和凋亡细胞数显著降低,差异有统计学意义(P ＜００５).损伤后３㊁７㊁１４㊁２１d ,A ＧHO Ｇ１组大鼠B B B 评分较V e h i c l e 组和A ＧC 组显著升高,差异有统计学意义(P ＜００５).结论㊀过表达HO Ｇ１通过抑制N L R P １炎性复合物激活而减少S C I 后细胞凋亡和改善大鼠后肢运动功能,对S C I 大鼠起保护作用.ʌ关键词ɔ脊髓损伤;血红素加氧酶Ｇ１;炎性小体;基因治疗ʌ中图分类号ɔR ６８㊀ʌ文献标识码ɔA㊀ʌ文章编号ɔ１００２Ｇ２６００(２０２０)０２Ｇ０１１５Ｇ０５E x p e r i m e n t a l s t u d y o n t h e p r o t e c t i v e e f f e c t o fH D Ｇ１o v e r e x p r e s s i o n o nN L R P １p a t h w a y a c t i v a t i o n i n s pi n a l c o r d i n j u r y㊀㊀C H E N B i n g j i ,J I A N G X i a o y a n ,Y A N GJ i a n s h e n g ．E m e r g e n c y D e p a r t m e n t ,t h eS e c o n d A f f i l i a t e d H o s p i t a l o f F u j i a n M e d i c a lU n i v e r s i t y ,Q u a n z h o u ,F u ji a n ３６２０００,C h i n a ʌA b s t r a c t ɔ㊀O b je c t i v e ㊀T o i n v e s t i g a t e t h e p r o t e c t i v e ef f e c t o f h e m e o x yg e n a s e Ｇ１(HO Ｇ１)o ns p i n a l c o r d i n j u r y (S C I )a n d i t sm e ch a ni s m．M e t h o d s ㊀S C Im o d e lw a se s t a b l i s h e db y c o m p r e s s i o ni nj u r y ,a n dt h er a t s w e r er a n d o m l y di v i d e di n t os h a m g r o u p ,s i m p l eS C I g r o u p (V e h i c l e g r o u p ),a d e n o Ｇa s s o c i a t e dv i r u s i n f e c t e dS C I g r o u p (A ＧC g r o u p )a n da d e n o Ｇa s s o c i a t e dv i r u s o v e r e x p r e s s i n g HO Ｇ１i n f e c t e dS C I g r o u p (A ＧHO Ｇl g r o u p )．T h e e x p r e s s i o no fHO Ｇ１,N L R P １,N L R P ３,N L R C ４a n dc a s pa s e Ｇ１w a s d e t e c t e db y W e s t e r nb l o t ,HO Ｇ１a n d MA P ２e x p r e s s i o nw e r e d e t ec t e db y i mm u n o f l u o r e s c e n c e ,c e l l a p o p t o s i s o f s pi n a l c o r d t i s s u e sw a sm e a s u r e d b y T U N E L ,a n dm o t o r f u n c t i o n o f h i n d l i m b sw a s e v a l u a t e d b y Ba s s o ＧB e a t t i e ＧB r e s n a h a n (B B B )s c o r e ．R e Ｇs u l t s ㊀T h e e x p r e s s i o no fHO Ｇ１w a s i n c r e a s e d s i g n i f i c a n t l y a f t e r S C I (P ＜００５)．C o m p a r e dw i t hA ＧC g r o u p ,t h e e x pr e s s i o no f HO Ｇ１i n c r e a s e d s i g n i f i c a n t l y ,t h e e x p r e s s i o no fN L R P １㊁p r o Ｇc a s p a s e Ｇ１㊁c a s p a s e Ｇ１p ２０a n d t h e p r o p o r t i o no f a p o pt o t i c c e l l s d e Ｇ５１１福建医药杂志２０２０年４月第４２卷第２期㊀F u j i a n M e d J ,A pr i l ２０２０,V o l ４２,N o ２。

骨肉瘤与尤文肉瘤关键基因CDC5L及其生物学功能的生物信息学分析

骨肉瘤与尤文肉瘤关键基因CDC5L及其生物学功能的生物信息学分析冯娜;宋文霞;邵立平;高宇航;赵承武【期刊名称】《中国骨伤》【年(卷),期】2022(35)3【摘要】目的:利用生物信息学方法筛选骨肉瘤(osteosarcoma,OS)和尤文肉瘤(Ewing's sarcoma,EWS)关键基因及通路预测。

方法:检索GEO数据库OS(GSE16088)及EWS(GSE45544)数据集,利用GEO2R分析差异基因,韦恩图筛选共同参与两者发生的关键基因,对该基因进行GO、KEGG通路分析及蛋白质-蛋白质相互作用(protein-protein interaction,PPI)网络分析,并利用UCSC进行该基因的转录因子预测,GEPIA分析转录因子与目的基因之间相关性。

结果:通过对OS 及EWS数据集差异性及维恩图分析,结果显示细胞分裂周期5样蛋白(cell division cycke 5-like,CDC5L)基因为参与OS及EWS发病的关键基因。

该基因主要参与有丝分裂过程,与RNA代谢、Pre-mRNA内含子的处理、mRNA及Pre-mRNA的剪接等信号通路。

结论:CDC5L作为关键基因,在OS及EWS进展中发挥促癌基因的作用,可能是两种原发恶性肿瘤可靠的诊疗靶点。

【总页数】5页(P276-280)【关键词】骨肉瘤;尤文肉瘤;生物信息学分析;CDC5L【作者】冯娜;宋文霞;邵立平;高宇航;赵承武【作者单位】吉林大学第一医院骨关节外科及运动医学护理平台;吉林大学第一医院病理科;吉林大学第一医院骨关节外科;吉林大学第一医院运动医学科【正文语种】中文【中图分类】R738.1【相关文献】1.髂骨原发骨肉瘤和尤文肉瘤的影像学分析2.HER2/neu癌基因在骨肉瘤和骨骼尤文氏肉瘤中表达缺失3.基于GEO数据库发现骨肉瘤关键基因GMFG及其生物学功能4.基于生物信息学分析尤文肉瘤的差异基因表达及功能预测5.基于生物信息学分析尤文肉瘤的差异基因表达及功能预测因版权原因，仅展示原文概要，查看原文内容请购买。

基于高通量测序分析骨肉瘤发生和转移的分子特征

基于高通量测序分析骨肉瘤发生和转移的分子特征许明贤;李瑞希;郭伟堂;程鸣哲;邹昌业【期刊名称】《中山大学学报:医学科学版》【年(卷),期】2022(43)6【摘要】【目的】本研究通过第二代高通量测序(NGS)检测配对骨肉瘤转移灶和原发灶标本,分析骨肉瘤原发灶与转移灶的基因图谱差异,以期发现促进骨肉瘤发生和转移的相关分子及可能机制。

【方法】12例转移患者的原发灶与转移病灶肿瘤组织样本,使用第二代高通量测序(NGS)进行检测,其中9对panel检测(678个基因)以及3对全外显子检测(WES),分析比较骨肉瘤原发灶与转移灶的基因图谱差异:基因拷贝数变异通过EXCAVATOR检测;DNA层面的融合突变通过Lumpy检测;RNA层面的融合突变通过Defuse+STAR-Fusion,并通过Circos图显示突变的分布;Metascape用于分析差异基因的GO和KEGG信号通路富集;使用Pyclone+Citup/LICHEE进行克隆进化分析。

【结果】骨肉瘤基因总体突变模式主要以基因扩增为主,主要包括FLCN(37.5%),GID4(37.5%),TP53(33.3%),ATRX(25%),CALR(25%),CCND3(25%) ,CCNE1(25%),NOCR1(25%),TFEB(25%),VEGFA(25%)等基因。

GO聚类结果提示细胞周期通路突变频率最高。

KT1、PLCG2、EGFR这3个基因在转移灶显著富集的信号通路中多次出现,可能与骨肉瘤的转移密切相关。

转移灶肿瘤负荷突变(TMB)频率显著高于原发灶(P=0.013)。

3例进行WES检测的转移患者均呈现线性克隆进化,提示骨肉瘤转移基因的突变可能呈次序性累积。

同时我们确定了可能在骨肉瘤进展中发挥作用的新候选基因,包括PLCG2、MYO15A与PEX6。

【结论】骨肉瘤发生与转移的基因突变模式主要以基因扩增为主,骨肉瘤患者肿瘤负荷突变频率在转移灶中显著高于原发灶,转移患者存在相互关联的线性基因克隆进化。

基于骨肉瘤核心驱动基因筛选的生物信息学分析和患者生存期预测基因模型的构建

第47卷第6期2021年11月吉林大学学报（医学版）Journal of Jilin University（Medicine Edition）Vol.47No.6Nov.2021DOI：10.13481/j.1671‑587X.20210631基于骨肉瘤核心驱动基因筛选的生物信息学分析和患者生存期预测基因模型的构建李苇航1,丁子毅1,王栋1,潘益凯2,刘玉辉3,张世磊1,李靖1,闫铭1（1.中国人民解放军空军军医大学西京医院骨科，陕西西安710032；2.中国人民解放军空军军医大学航空航天医学系航空航天医学训练教研室，陕西西安710032；3.中国人民解放军空军军医大学航空航天医学系航空航天临床医学中心教育部航空航天医学重点实验室，陕西西安710032）［摘要］目的目的：筛选骨肉瘤（OS）发生发展的核心驱动基因，从分子水平探讨OS的致病机制，并构建基因模型用于患者生存期的预测。

方法方法：采用基因表达汇编（GEO）数据库下载OS芯片对应矩阵数据GSE12865、GSE14359和GSE36001。

采用生物信息学方法筛选OS与正常组织的差异表达基因（DEGs）。

通过基因本体论（GO）、京都基因和基因组百科全书（KEGG）分析全面了解DEGs富集的分子功能及通路，采用STRING数据库构建蛋白-蛋白相互作用（PPI）网络，采用Cytoscape软件对DEGs进行相关性分析，找出与OS进展最相关的基因集，明确OS核心致病基因。

采用肿瘤基因组图谱（TCGA）数据库下载OS的379个样本相关的临床记录信息和转录组数据，进行Kaplan-Meier （K-M）生存分析以进一步明确和验证核心基因与OS患者预后之间的关系，并寻找性别和种族等与预后相关的因素。

对6个基因特征集的表达量进行建模以预测OS患者的生存时间。

结果结果：MCC算法获得的排名前十的DEGs为TYROBP、LAPTM5、FCER1G、CD74、HCLS1、ARHGDIB、HLA-DPA1、CD93、GIMAP4和LYZ，其表达水平在骨肉瘤患者与正常患者中比较差异有统计学意义（P<0.05）。

骨肉瘤基因表达谱芯片的生物信息学分析

第48卷第3期第281页2019年6月㊀㊀㊀㊀华中科技大学学报(医学版)A c t aM e dU n i vS c iT e c h n o lH u a z h o n g㊀㊀㊀㊀V o l .48㊀N o .3㊀P .281J u n .㊀2019∗甘肃省自然科学基金资助项目(N o .17J R 5R A 189)冯晓飞,男,1990年生,住院医师,医学硕士,E -m a i l :312606206@q q.c o m ә通讯作者,C o r r e s p o n d i n g a u t h o r ,E -m a i l :z h o u h y@l z u .r d u .c n 骨肉瘤基因表达谱芯片的生物信息学分析∗冯晓飞1,2,㊀马㊀遥3,㊀赵舒煊1,2,㊀沈㊀伟1,2,㊀刘㊀正1,2,㊀袁文华1,2,㊀周海宇1,2ә兰州大学第二医院1骨科3检验科,兰州㊀7300302兰州大学甘肃省骨关节疾病研究重点实验室,兰州㊀730030摘要:目的㊀应用生物信息学的方法对骨肉瘤(o s t e o s a r c o m a ,O S )基因表达谱芯片进行分析,从分子水平探讨O S 的发病机制㊂方法㊀从G E O 数据库下载O S 基因芯片数据集的原始数据,应用生物信息学方法筛选差异表达基因(d i f f e r -e n t i a l l y e x p r e s s e d g e n e s ,D E G s ),并利用R 语言e n r i c h p l o t 软件包对差异基因进行基因本体论(G e n eo n t o l o g y ,G O )及通路富集(K E G G )分析,通过S T R I N G 在线软件㊁C y t o s c a p e 及其插件c y t o H u b b a ㊁N e t w o r kA n a l y z e r 对O S 的显著差异基因进行蛋白质-蛋白质相互作用网络分析(P P I 分析),寻找关键(H u b )基因㊂结果㊀共筛选出408个D E G s,其中包括274个上调基因和134个下调基因㊂对其进行生物信息学分析发现,S P P 1㊁H L A -D P A 1㊁MA F B ㊁P R AM E ㊁R P S 11㊁F O S L 1㊁S 100A 2㊁P P I D ㊁D H R S 2等基因及P I 3K -A k t 信号通路㊁趋化因子信号通路㊁T o l l 样受体信号通路㊁p 53信号通路在O S 的发生发展中起着重要作用㊂通过S T R I N G 分析发现,包括G I N S 2㊁R F C 3㊁T R I P 13等在内的10个基因处于核心节点位置㊂结论㊀C D C 6㊁F E N 1㊁O I P 5㊁G I N S 2和R F C 3可能在O S 的发生发展中起重要作用,为研究O S 的发病机制提供了新线索㊂关键词:骨肉瘤;㊀分子机制;㊀差异表达基因;㊀生物信息学中图分类号:R 738.1㊀㊀D O I :10.3870/j.i s s n .1672-0741.2019.03.006B i o i n f o r m a t i c sA n a l y s i s o fG e n eE x pr e s s i o nP r o f i l e o fO s t e o s a r c o m a F e n g Xi a o f e i 1,2,M aY a o 3,Z h a oS h u x u a n 1,2e t a l 1D e p a r t m e n t o f O r t h o p a e d i c s ,3C l i n i c a lL a b o r a t o r y ,S e c o n dH o s p i t a l o f L a n z h o uU n i v e r s i t y ,L a n z h o u 730030,C h i n a 2K e y L a b o r a t o r y o f O s t e o a r t h r i t i s o f G a n s uP r o v i n c e ,L a n z h o uU n i v e r s i t y ,La n z h o u 730030,C h i n a Ab s t r ac t ㊀O b je c t i v e ㊀T o a n a l y z e t h e g e n e e x p r e s s i o n p r of i l e o f o s t e o s a r c o m a (O S )u s i ng b i o i n f o r m a t i c sm e th o d s a n d t o e x -p l o r e t h e p a t h o g e n e si s o fO S f r o mt h em o l e c u l a r l e v e l .M e t h o d s ㊀T h e r a wd a t ao f t h eO S m i c r o a r r a y da t a s e tw a sd o w n l o a d e d f r o mt h e G E O d a t ab a s e .D e f e r e n t i a l l y e x p r e s s e d g e n e s (D E G s )w e r esc r e e n e du s i n g b i o i n f o r m a t i c s m e t h od s .Ge n e O n t o l o g y(G O )a n a l y s i s a n d p a t h w a y e n r i c h m e n t a n a l y s i s (K E G G )w a s p e r f o r m e du s i n g t h eRl a n g u a g e e n r i c h p l o t p a c k a ge f o r d i f f e r e n t i a l g e n e s .T h r o u g h t h eS T R I N Go n l i n e s o f t w a r e ,C y t o s c a p e a n d i t s p l u g -i nc y t o H u b b a ,N e t w o r kA n a l y z e r ,p r o t e i n -pr o t e i n i n t e r a c -t i o nn e t w o r ka n a l y s i s (P P I a n a l y s i s )w a s p e r f o r m e d f o r s i g n i f i c a n t d i f f e r e n t i a l g e n e s o fO S ,i no r d e r t o s e e k t h e k e y (Hu b )g e n e .R e s u l t s ㊀At o t a l o f 408D E G sw e r e s c r e e n e d ,i n c l u d i n g 274u p -r e g u l a t e d g e n e s a n d 134d o w n -r e gu l a t e d g e n e s .B i o i n f o r m a t i c s a -n a l y s i s f o u n d t h a t S P P 1,H L A -D P A 1,MA F B ,P R AM E ,R P S 11,F O S L 1,S 100A 2,P P I D ,D H R S 2a n dP I 3K -A k t s i g n a l i n gpa t h -w a y s ,c h e m o t a c t i c f a c t o r s i g n a l i n gp a t h w a y s ,T o l l -l i k e r e c e p t o r s i g n a l i n gp a t h w a y s ,p 53s i g n a l i n gp l a y e d i m po r t a n t r o l e s i nt h e d e v e l o p m e n t o fO S .T h r o u g h t h eS T R I N Ga n a l y s i s ,i tw a s f o u n d t h a t 10g e n e s i n c l u d i n g G I N S 2,R F C 3,a n dT R I P 13w e r e l o c a -t e d a t t h e c o r e n o d e p o s i t i o n .C o n c l u s i o n ㊀C D C 6,F E N 1,O I P 5,G I N S 2a n dR F C 3m a yp l a y a n i m p o r t a n t r o l e i n t h e d e v e l o pm e n t o fO Sa n d p r o v i d en e wc l u e s f o r t h e s t u d y o f t h e p a t h o ge n e s i s o fO S .K e y wo r d s ㊀o s t e o s a r c o m a ;㊀m o l e c u l a rm e c h a n i s m ;㊀d i f f e r e n t i a l l y e x p r e s s e d g e n e s ;㊀b i o i n f o r m a t i c s ㊀㊀骨肉瘤(o s t e o s a r c o m a ,O S )是儿童和青少年最常见的原发性恶性骨肿瘤[1],它来自间充质起源的原始转化细胞,表现出成骨细胞分化并产生恶性类骨质[2]㊂O S 的主要症状是局部疼痛和肿胀,主要发生于四肢长骨,特别是膝关节[3-4]㊂O S 具有高度侵袭性,进展迅速,预后不良,大约20%的O S 患者在诊断时已发生远处转移[5],对公众健康造成了严重威胁㊂到目前为止,O S 的病因及发病机制尚不明确,但有研究表明,其发病机制与基因及遗传因素密切相关[6-7],因此,从分子水平去阐明其发病机制是O S 研究领域的又一次机遇与挑战㊂随着基因表达谱芯片技术的快速发展,利用生物信息学方法进行大数据挖掘分析[8-10],可为疾病的发生发展提供可能的分子机制依据,为实验研究提供可行的思路㊂本研究应用生物信息学的方法分析O S 中的基因表达谱芯片数据,通过筛选得到O S 与正常组织的差异表达基因(d i f f e r e n t i a l l y e x pr e s s e d g e n e s ,D E G s ),并对D E G s 进行基因本体论(ge n eo n t o l o -g y ,G O )及通路富集(K y o t oe n c y c l o pe d i aofg e n e s a n d g e n o m e s ,K E G G )分析,此外,还构建了蛋白质-蛋白质相互作用分析(P P I 分析),其目的是探究O S 发生发展的可能分子机制及潜在的治疗靶点㊂1㊀材料与方法1.1㊀芯片数据芯片数据G S E 16088的基因表达谱来源于美国国立生物技术信息中心(N C B I )的G E O (G e n eE x pr e s s i o n O m n i b u s )数据库(h t t p ://w w w .n c b i .n l m .n i h .go v /ge o /),该芯片从17例样本中提取了表达谱,其中包括14例O S 样本和3例正常对照组织样本㊂本研究中,原始数据和注释文件是基于G P L 96平台(H G -U 133A )A f f y m e t r i x H u m a n G e n o m e U 133A A r r a y [t r a n s c r i p t (ge n e )v e r s i o n ],表达数据类型为E x p r e s s i o n p r of i l i ng b y a r r a y ,种属H o m o s a p i e n s ㊂1.2㊀数据处理及D E G s 分析原始数据用R 语言a f f y 软件包[11]分析,将原始的C E L 文件通过R MA 算法对原始数据进行背景校正㊁b o o t s t r a p 校正㊁质量控制和标准化处理,并转化为探针表达矩阵,R 语言l i m m a 工具包[12]输出D E G s ,然后根据G P L 96平台文件所对应的R 语言h u g e n e 10s t t r a n s c r i p t c l u s t e r .d b 包将探针名转化为基因名;D E G s 同时满足|l o g 2f o l d c h a n g e (l o g 2FC )|>2且P <0.01㊂利用g p l o t s :h e a t m a p .2工具包里对前100个显著差异基因(以|l o g 2F C |为标准)绘制热图,直观地展示每个差异基因在每个样本中的表达情况㊂1.3㊀G O 及K E G G 分析K E G G 是系统分析基因功能和酶途径,并将基因组信息与高阶功能信息连接起来的知识库[13];G O 是用于整合来自所有物种的基因及其产物特性的强大工具[14],主要用来整合不同物种的蛋白组数据㊁归类不同的蛋白㊁预测特定蛋白结构域的功能㊁鉴定参与特定疾病的基因,有利于集中研究感兴趣的方向,发现新的现象㊂本研究利用R 语言e n r i c h -pl o t 包[15]对D E G s 进行G O 和K E G G 通路富集分析,将P <0.01和F D R<0.05设定为显著性基因富集的临界值㊂1.4㊀蛋白质-蛋白质相互作用网络分析S T R I N G 是一个检索蛋白质之间相互作用的在线数据库[16],既包括蛋白质之间的直接物理相互作用,也包括蛋白质之间的间接功能相关性,它除了包含有实验数据㊁从P u b M e d 摘要中挖掘的结果和综合其他数据库数据外,还有利用生物信息学的方法预测的结果㊂通过S T R I N G 10.5在线软件[17](h t t p s ://s t r i n g -d b .o r g/)对O S 的D E G s 进行蛋白质-蛋白质相互作用网络分析(P P I 分析),将所得原始结果数据输出并导入C y t o s c a p e3.6.1软件[18](h t t p ://c y t o s c a p e w e b .c y t o s c a p e .o r g/),利用插件c y t o H u b b a 和N e t w o r k A n a l yz e r 寻找关键基因(H u b 基因)㊂2㊀结果2.1㊀D E G s 筛选结果对2组D E G s 数据进行标准化处理,标准化处理后的结果以小提琴图呈现(图1A ),R 软件共筛选408个D E G s (O S 组/正常对照组),其中包括274个上调基因和134个下调基因(图1B )㊂D E G s 的热图如图2所示,可见两组样本基因表达具有显著差异,上调基因主要包括S P P 1㊁S E L E N O P ㊁H L A -D P A 1㊁E N P P 2㊁MA F B ㊁L UM ㊁C T S K ㊁C O L 1A 2㊁A 2M ㊁I B S P 等,下调基因包括K R T 18㊁P C L O ㊁P R AM E ㊁R P S 11㊁F O S L 1㊁N Q O 1㊁E E F 1A 2㊁S 100A 2㊁P P I D ㊁D H R S 2等㊂图1㊀校正后样本表达量小提琴图(A )及差异表达基因火山图(B )F i g.1V i o l i n p l o t s o f s a m p l e e x p r e s s i o na f t e r c o r r e c t i o n (A )a n dv o l c a n i c p l o t s o f d i f f e r e n t i a l e x p r e s s e d g e n e s (B )㊃282㊃华中科技大学学报(医学版)㊀㊀2019年6月第48卷第3期图2㊀差异基因热图分析F i g.2H e a tm a p a n a l y s i s o f d i f f e r e n t i a l g e n e s 2.2㊀G O 和K E G G 通路富集分析G O 分析可分为生物过程(b i o l o gi c a l p r o c e s s ,B P )㊁细胞组成(c e l l u l a rc o m po n e n t ,C C )和分子功能(m o l e c u l a r f u n c t i o n ,M F )等3个部分,蛋白质或者基因可以通过I D 对应或者序列注释的方法找到与之对应的G O 号,而G O 号可对应到T e r m ,即功能类别或者细胞定位㊂本研究采用R 语言e n r i c h -pl o t 软件包[15]分别对408个D E G s 进行G O 分析,选取前8位的功能富集类别,结果如图3所示,D E G s 主要涉及有丝分裂的核分裂㊁姐妹染色单体分离㊁染色体分离㊁有丝分裂的微管细胞骨架组织㊁细胞器裂变等生物学过程,所涉及的分子功能包括组蛋白激酶活性㊁趋化因子受体结合㊁微管运动㊁微管蛋白结合㊁趋化因子活性㊁R A G E 受体结合等,D E G s 基因产物主要富集于染色体区域㊁纺锤体微管㊁着丝点㊁着丝粒区域㊂K E G G 通路富集分析结果显示D E G s 主要参与P I 3K -A k t 信号通路㊁趋化因子信号通路㊁T 细胞受体信号通路㊁T o l l 样受体信号通路㊁T N F 信号通路㊁p 53信号通路及N F -κB 信号通路等经典信号通路㊂图3㊀差异基因G O 分析及K E G G 通路富集分析F i g.3G Oa n a l y s i s a n d p a t h w a y e n r i c h m e n t a n a l y s i s o f d i f f e r e n t i a l g e n e s 2.3㊀差异表达基因P P I 分析S T R I N G 是一个由已知和预测的蛋白质相互作用数据组成的数据库,本研究将408个显著差异基因输入S T R I N G 工具,然后将所得数据导入C y-t o s c a p e 3.6.1软件中,利用插件c yt o H u b b a 找出H u b 基因,按照M C C 方法排名前10位的H u b 基因分别为C D C 6㊁F E N 1㊁O I P 5㊁G I N S 2㊁R F C 3㊁T R I P 13㊁M C M 10㊁A U R K A ㊁T I P I N ㊁D T YMK ,差异表达基因P P I 分析结果见图4㊂㊃382㊃冯晓飞等.骨肉瘤基因表达谱芯片的生物信息学分析图4㊀差异表达基因P P I分析图F i g.4P P I a n a l y s i s o f d i f f e r e n t i a l l y e x p r e s s e d g e n e s3㊀讨论O S是一种高度侵袭性的骨原发性肿瘤,在年轻人中发病率较高[19]㊂近年来,尽管医疗水平不断提高,新辅助化疗方案也不断完善,但是O S患者的生存率仍然没有提高,5年生存率仍ɤ20%[20],其中转移被认为是生存率改善不理想的主要原因之一[21]㊂为了寻找潜在的药物治疗靶点及新的肿瘤标志物,需要进一步研究探讨O S的发病机制㊂随着基因芯片技术的快速发展,其被广泛应用于疾病的诊断㊁治疗和预后评估,而生物信息学作为近年来生命科学领域的新兴交叉学科,可以对基因表达谱芯片数据进行深入挖掘,为探讨疾病发生的分子机制提供一种新的研究技术手段㊂本研究利用生物信息学的方法对从G E O数据库下载的O S和正常骨组织的基因芯片数据集G S E16088进行D E G s筛选,然后对筛选出的D E G s进行G O分析㊁K E G G富集分析及P P I分析㊂通过O S组和正常骨组织组的比较,共筛选出408个D E G s,其中包括274个上调基因和134个下调基因,其中上调基因主要包括S P P1㊁S E L E N O P㊁H L A-D P A1㊁E N P P2㊁MA F B㊁L UM㊁C T S K㊁C O L1A2㊁A2M㊁I B S P等,下调基因主要包括K R T18㊁P C L O㊁P R AM E㊁R P S11㊁F O S L1㊁N Q O1㊁E E F1A2㊁S100A2㊁P P I D㊁D H R S2等㊂G O分析显示,D E G s主要涉及有丝分裂的核分裂㊁姐妹染色单体分离㊁有丝分裂的微管细胞骨架组织㊁细胞器裂变等生物学过程,介导组蛋白激酶活性㊁趋化因子受体结合㊁微管运动㊁微管蛋白结合等分子功能,D E G s 基因产物主要富集于染色体区域㊁纺锤体微管㊁着丝点㊁着丝粒区域㊂K E G G通路富集分析结果表明, D E G s在P I3K-A k t信号通路㊁趋化因子信号通路㊁p53信号通路㊁N F-κB信号通路等信号通路中富集㊂这些结果与M a[22],I h n[23],A o[24],W a n g[25]等的研究结果基本一致,预示着这些D E G s及信号通路可能参与O S的发生过程,监测这些基因与通路可能有助于预测O S的发生与进展㊂通过S T R I N G在线数据库对O S差异表达基因进行P P I分析,选取排名前10位的H u b基因进行分析,其分别为C D C6㊁F E N1㊁O I P5㊁G I N S2㊁R F C3㊁T R I P13㊁M C M10㊁A U R K A㊁T I P I N㊁D T YMK㊂人类C D C6基因位于染色体17q21.3,其㊃482㊃华中科技大学学报(医学版)㊀㊀2019年6月第48卷第3期表达受E2F家族转录因子的调控[26-27]㊂C D C6对D N A复制的启动至关重要,有研究证明,当G1期细胞中C D C6水平下调时,细胞不能进入S期,后来有研究发现通过R N A干扰(R N A i)技术下调C D C6水平可防止细胞增殖并促进细胞凋亡[28-30]㊂近年来,很多学者将C D C6的转录调控与人类癌症的发展联系起来,O h t a等[31]研究表明,55%的脑肿瘤中C D C6蛋白处于高表达水平,另有研究报道,约50%的非小细胞肺癌和一部分套细胞淋巴瘤中C D C6也过表达[31]㊂但C D C6是否参与O S的发生发展,至今尚未见相关研究报道㊂上述研究揭示了C D C6基因在人类癌症发生发展中的重要作用,阐明C D C6在转录水平上调控O S的相关分子作用机制,将对O S的早期诊断和及时有效的治疗具有极其重要的意义㊂F E N1是R a d2结构特异性核酸酶家族的成员, F E N1具有F E N㊁5ᶄ-外切核酸酶和缺口内切核酸酶活性㊂之前已有学者提出F E N1的功能缺陷可以导致基因组不稳定性和癌症易感性,最近相关研究进一步表明了F E N1在预防肿瘤发生中具有重要作用[32]㊂F E N1在增生组织中均可检测到高表达,而在静止细胞中表达量非常低[33]㊂此外,与正常细胞相比,F E N1不仅在培养的肺癌细胞中的表达升高,而且在包括O S在内的许多癌症组织中都过表达,且肿瘤组织中F E N1表达水平与肿瘤分级和侵袭性增强密切相关[34-36]㊂尽管F E N1在O S发生机制中的作用尚不明确,但其与O S有着密切相关性,因此,可从F E N1基因出发,对O S发生的分子机制进行进一步探索㊂A U R K A是一种丝氨酸/苏氨酸激酶,通过在体内与中心体结合来调控有丝分裂,在多种癌症中都发现A U R K A过表达㊂J i a n g等[37]使用A U R K A 特异性慢病毒递送的s h R N A沉默人O S细胞S A O S-2和U2O S中的内源性A U R K A的表达,并通过流式细胞仪检测进一步评估了沉默A U R K A 对细胞活力的影响,研究结果表明A U R K A通过抑制细胞凋亡和推动细胞周期在O S生长中起关键作用,通过慢病毒递送的特异性s h R N A抑制A U R-K A,为O S的治疗提供新的思路㊂侵袭和转移是O S的重要生物学特性,也是O S 患者生存率低下的主要原因之一,严重威胁公众健康,因此深入探讨肿瘤侵袭转移的分子机制就显得十分紧迫㊂W a n g等[38]的研究指出,O I P5通过抑制m i R-378a-3p的功能,在肺癌中起到促进生长的作用,O I P5和m i R-378a-3p之间的相互作用可为肺癌提供潜在的治疗靶点㊂另有研究表明,O I P5可以促进肝癌的进展和转移,而O I P5基因敲减后可以抑制其增殖转移[39]㊂通过上述研究可知,O I P5是肿瘤发生和转移的关键调控基因,研究O S侵袭转移的分子机制可以从O I P5基因出发,为解决O S这一临床难题提供新途径㊂另外,很多研究都表明G I N S2㊁R F C3㊁T R I P13㊁M C M10是与肿瘤发生发展密切相关的基因,在O S中也高度表达,表明其可能参与了O S发生的分子机制[40]㊂对上述基因进一步的实验验证,有助于阐明O S发生的分子机制及寻找新的抗肿瘤治疗靶点㊂综上所述,本研究采用生物信息学的方法对O S 基因芯片数据进行进一步挖掘,发现了408个D E G s及其相关通路,分析结果表明,O S差异基因涉及了核分裂㊁微管细胞骨架组织㊁组蛋白激酶活性㊁微管运动等多个生物学过程和分子功能,参与了P I3K-A k t信号通路㊁趋化因子信号通路㊁p53信号通路及N F-κB信号通路等经典信号通路㊂而C D C6㊁F E N1㊁O I P5㊁G I N S2及R F C3等在O S中高表达可能在其发生发展中起重要作用,为探究O S 的分子机制及寻找新的治疗靶点提供了新思路㊂参㊀考㊀文㊀献[1]㊀O t t a v i a n iG,J a f f eN.T h ee p i d e m i o l o g y o fo s t e o s a r c o m a[J].C a n c e rT r e a tR e s,2009,152:3-13.[2]㊀Güm b e lD,B e k e s c h u sS,G e l b r i c h N,e ta l.C o l da t m o s p h e r i cp l a s m a i nt h e t r e a t m e n to fo s t e o s a r c o m a[J].I n tJ M o lS c i,2017,18(9).p i i:E2004.d o i:10.3390/i j m s1*******. [3]㊀X i L,Z h a n g Y,K o n g S,e t a l.m i R-34i n h i b i t s g r o w t h a n d p r o-m o t e s a p o p t o s i s o f o s t e o s a r c o m a i nn u d em i c e t h r o u g h t a r g e t-l y r e g u l a t i n g T G I F2e x p r e s s i o n[J].B i o s c iR e p,2018,38(3).p i i:B S R20180078.d o i:10.1042/B S R20180078.[4]㊀G o s l i n g LCC,R u s h t o nAB.I d e n t i f i c a t i o no f a d u l tk n e e p r i-m a r y b o n e t u m o u r s y m p t o m p r e s e n t a t i o n:A q u a l i t a t i v e s t u d y[J].M a nT h e r,2016,26:54-61.[5]㊀G d o w s k iAS,R a n j a n A,V i s h w a n a t h aJK.C u r r e n t c o n c e p t si nb o n e m e t a s t a s i s,c o n t e m p o r a r y t h e r a p e u t i cs t r a t e g i e sa n do n g o i n g c l i n i c a l t r i a l s[J].JE x p C l i n C a n c e rR e s,2017,36(1):108.[6]㊀F uY,Y uW,C a iH,e t a l.F o r e c a s t o f a c t i n-b i n d i n g p r o t e i n s a st h e o n c o t a r g e t i n o s t e o s a r c o m a-a r e v i e wo fm e c h a n i s m,d i a g-n o s i sa n dt h e r a p y[J].O n c o T a r g e t s T h e r,2018,11:1553-1561.[7]㊀L i nY H,J e w e l lBE,G i n g o l dJ,e t a l.O s t e o s a r c o m a:m o l e c u-l a r p a t h o g e n e s i sa n di P S C m o d e l i n g[J].T r e n d s M o l M e d,2017,23(8):737-755.[8]㊀Y a n g X,Z h uS,L iL,e t a l.I d e n t i f i c a t i o no f d i f f e r e n t i a l l y e x-p r e s s e d g e n e s a n d s i g n a l i n gp a t h w a y s i no v a r i a n c a n c e r b y i n-t e g r a t e d b i o i n f o r m a t i c s a n a l y s i s[J].O n c o T a r g e t s T h e r,2018,11:1457-1474.[9]㊀C h e nF,S h e nC,W a n g X,e ta l.I d e n t i f i c a t i o no f g e n e sa n dp a t h w a y s i nn a s o p h a r y n g e a lc a r c i n o m ab y b i o i n f o r m a t i c sa-n a l y s i s[J].O n c o t a r g e t,2017,8(38):63738-63749. [10]㊀L i u M,X uZ,D uZ,e t a l.T h e i d e n t i f i c a t i o no f k e yg e n e s a n dp a t h w a y s i n g l i o m ab y b i o i n f o r m a t i c s a n a l y s i s[J].J I m m u n o lR e s,2017,2017:1278081.[11]㊀G a u t i e rL,C o p eL,B o l s t a dB M,e t a l.A f f y-a n a l y s i s o fA f f y-m e t r i xG e n e C h i p d a t aa t t h e p r o b e l e v e l[J].B i o i n f o r m a t i c s,㊃582㊃冯晓飞等.骨肉瘤基因表达谱芯片的生物信息学分析2004,20(3):307-315.[12]㊀R i t c h i eM E,P h i p s o nB,W uD,e t a l.L i m m a p o w e r s d i f f e r e n-t i a l e x p r e s s i o na n a l y s e s f o rR N A-s e q u e n c i n g a n d m i c r o a r r a ys t u d i e s[J].N u c l e i cA c i d sR e s,2015,43(7):e47. [13]㊀D u J,Y u a nZ,M aZ,e t a l.K E G G-P A T H:K y o t oe n c y c l o p e d i ao f g e n e s a n d g e n o m e s-b a s e d p a t h w a y a n a l y s i s u s i n g a p a t h a-n a l y s i sm o d e l[J].M o l B i o s y s t,2014,10(9):2441-2447.[14]㊀H a r r i s M A,C l a r kJ,I r e l a n d A,e ta l.T h e G e n e O n t o l o g y(G O)d a t a b a s ea n di n f o r m a t i c sr e s o u r c e[J].N u c l e i c A c i d sR e s,2004,32(D a t a b a s e i s s u e):D258-D261.[15]㊀Y uG,W a n g LG,H a nY,e t a l.C l u s t e r P r o f i l e r:a nR p a c k a g ef o rc o m p a r i ng b i o l o g i c a lth e m e sa m o n g g e n ec l u s t e r s[J].OM I C S,2012,16(5):284-287.[16]㊀S z k l a r c z y kD,F r a n c e s c h i n iA,K u h n M,e ta l.T h eS T R I N Gd a t a b a se i n2011:f u n c t i o n a l i n t e r a c t i o nn e t w o r k s o f p r o t e i n s,g l o b a l l y i n t e g r a t e d a n d s c o r e d[J].N u c l e i cA c i d sR e s,2011,39(D a t a b a s e i s s u e):D561-D568.[17]㊀v o n M e r i n g C,H u y n e n M,J a e g g iD,e ta l.S T R I N G:ad a t a-b a s e o f p r e d ic t ed f u n c t i o n a l a s s o c i a t i o n s be t w e e n p r o t e i n s[J].N u c l e i cA c i d sR e s,2003,31(1):258-261.[18]㊀K o h lM,W i e s eS,W a r s c h e i dB.C y t o s c a p e:s o f t w a r e f o rv i s u-a l i z a t i o na n d a n a l y s i s o fb i o l o g ic a l n e t w o r k s[J].M e t h od sM o lB i o l,2011,696:291-303.[19]㊀M i r a b e l l oL,Y e a g e r M,M a iPL,e t a l.G e r m l i n eT P53v a r i-a n t sa n ds u s c e p t ib i l i t y t oo s t e o s a rc o m a[J].J N a t lC a n c e rI n s t,2015,107(7).p i i:d j v101.d o i:10.1093/j n c i/d j v101.[20]㊀L u s s i e rD M,J o h n s o nJL,H i n g o r a n iP,e ta l.C o m b i n a t i o ni m m u n o t h e r a p y w i t ha l p h a-C T L A-4a n da l p h a-P D-L1a n t i-b o d y b l oc k ade p r e v e n t s i m m u n e e s c a p e a n d l e a d s t o c o m p l e t ec o n t r o l o fm e t a s t a t i c o s t e o s a r c o m a[J].J I m m u n o t h e rC a n c e r,2015,3:21.[21]㊀任娟,徐叶峰,匡唐洪,等.104例骨肉瘤肺转移患者的预后及其影响因素[J].中华肿瘤杂志,2017,39(4):263-268. [22]㊀M aSX,B a iZF,W a n g W,e ta l.E f f e c t so fm i c r o r n a-93o nm o u s ec a r d i a c m i c r o v a s c u l a re n d o t h e l i a lc e l l s i n j u r y a n di n-f l a m m a t o r y r e s p o n s e b y m e d i a t i ng S P P1th r o u g h t h eN F-k a p-p a B p a t h w a y[J].JC e l l B i o c h e m,2019,120(3):2847-2858.[23]㊀I h n H J,K i m J A,C h o H S,e ta l.D i p h l o r e t h o h y d r o x y c a r-m a l o l f r o mi s h i g e o k a m u r a e s u p p r e s s e so s t e o c l a s t d i f f e r e n t i a-t i o nb y d o w n r e g u l a t i n g t h eN F-k a p p a B s i g n a l i n g p a t h w a y[J].I n tJ M o l S c i,2017,18(12).p i i:E2635.d o i:10.3390/i j m s1*******[24]㊀A oR,G u a nL,W a n g Y,e ta l.S i l e n c i n g o fC O L1A2,C O L6A3,a n dT H B S2i n h i b i t s g a s t r i cc a n c e rc e l l p r o l i f e r a t i o n,m i-g r a t i o n,a n d i n v a s i o n w h i l e p r o m o t i n g a p o p t o s i s t h r o u g ht h eP I3K-A k t s i g n a l i n gp a t h w a y[J].JC e l lB i o c h e m,2018,119(6):4420-4434.[25]㊀W a n g F,W a n g N,G a oY,e t a l.b e t a-C a r o t e n e s u p p r e s s e so s-t e o c l a s t o g e n e s i s a n db o n e r e s o r p t i o nb y s u p p r e s s i n g N F-k a p-p a Bs i g n a l i n gp a t h w a y[J].L i f eS c i,2017,174:15-20. [26]㊀H a t e b o e rG,W o b s tA,P e t e r s e nB O,e t a l.C e l l c y c l e-r e g u l a-t e d e x p r e s s i o no fm a m m a l i a nC D C6i s d e p e n d e n t o nE2F[J].M o l C e l l B i o l,1998,18(11):6679-6697.[27]㊀K o m o r iH,G o t o Y,K u r a y o s h iK,e ta l.D i f f e r e n t i a l r e q u i r e-m e n t f o r d i m e r i z a t i o n p a r t n e rD Pb e t w e e nE2F-d e p e n d e n t a c-t i v a t i o no f t u m o r s u p p r e s s o r a n d g r o w t h-r e l a t e d g e n e s[J].S c iR e p,2018,8(1):8438.[28]㊀B o r l a d oL R,M e n d e z J.C D C6:f r o m D N Ar e p l i c a t i o nt oc e l lc y c l e c h e c k p o i n t sa n do n c o g e n e s i s[J].C a r c i n o g e n e s i s,2008,29(2):237-243.[29]㊀F e n g D,T uZ,W u W,e t a l.I n h i b i t i n g t h e e x p r e s s i o no fD N Ar e p l i c a t i o n-i n i t i a t i o n p r o t e i n s i n d u c e s a p o p t o s i s i n h u m a nc a n c e r c e l l s[J].C a n c e rR e s,2003,63(21):7356-7364.[30]㊀L e e I,K i m GS,B a eJS,e t a l.T h eD N Ar e p l i c a t i o n p r o t e i nC d c6i n h i b i t st h e m i c r o t u b u l e-o r g a n i z i n g a c t i v i t y o f t h ec e n-t r o s o m e[J].JB i o l C h e m,2017,292(39):16267-16276. [31]㊀O h t aS,K o i d e M,T o k u y a m aT,e ta l.C D C6e x p r e s s i o na sam a r k e r o f p r o l i f e r a t i v e a c t i v i t y i n b r a i n t u m o r s[J].O n c oR e p, 2001,8(5):1063-1066.[32]㊀K u c h e r l a p a t iM,Y a n g K,K u r a g u c h i M,e ta l.H a p l o i n s u f f i-c i e n c y o fF l a p e nd o n u c le a s e(F e n1)l e a d s t or a p i dt u m o r p r o-g r e s s i o n[J].P r o cN a t lA c a dS c iU S A,2002,99(15):9924-9929.[33]㊀F i n g e rL D,A t a c kJ M,T s u t a k a w aS,e t a l.T h ew o n d e r so ff l a p e n d o n u c l e a s e s:s t r u c t u r e,f u n c t i o n,m e c h a n i s m a n dr eg u-l a t i o n[J].S u b c e l l B i o c h e m,2012,62:301-326. [34]㊀L a mJS,S e l i g s o n D B,Y u H,e ta l.F l a p e n d o n u c l e a s e1i so v e r e x p r e s s e d i n p r o s t a t e c a n c e r a n d i s a s s o c i a t e dw i t h a h i g hG l e a s o n s c o r e[J].B J UI n t,2006,98(2):445-451.[35]㊀S a t oM,G i r a r dL,S e k i n e I,e t a l.I n c r e a s e de x p r e s s i o na n dn om u t a t i o n o f t h e F l a p e n d o n u c l e a s e(F E N1)g e n e i nh u m a n l u n gc a n c e r[J].O n c o g e n e,2003,22(46):7243-7246.[36]㊀Z h a n g K,K e y m e u l e nS,N e l s o n R,e ta l.O v e r e x p r e s s i o no fF l a p e n d o n u c l e a s e1c o r r e l a t e s w i t h e n h a n c e d p r o l i f e r a t i o na n d p o o r p r o g n o s i so fn o n-s m a l l-c e l l l u n g c a n c e r[J].A m JP a t h o l,2018,188(1):242-251.[37]㊀J i a n g Z,J i a n g J,Y a n g H,e t a l.S i l e n c i n g o fA u r o r ak i n a s eAb y R N Ai n t e r f e r e nc e i n h i b i t s t u m o r g r o w t h i nh u m a no s t e o-s a r c o m a c e l l sb y i n d u c i n g a p o p t o s i sa n dG2/M c e l l c y c l ea r-r e s t[J].O n c oR e p,2014,31(3):1249-1254.[38]㊀W a n g M,S u nX,Y a n g Y,e t a l.L o n g n o n-c o d i n g R N A O I P5-A S1p r o m o t e s p r o l i f e r a t i o no f l u n g c a n c e rc e l l sa n dl e a d s t op o o r p r o g n o s i s b y t a r g e t i n g m i R-378a-3p[J].T h o r a cC a n c e r, 2018,9(8):939-949.[39]㊀H e J,Z h a oY,Z h a oE,e t a l.C a n c e r-t e s t i s s p e c i f i c g e n eO I P5:a d o w n s t r e a m g e n e o fE2F1t h a t p r o m o t e s t u m o r i g e n e s i s a n dm e t a s t a s i s i n g l i o b l a s t o m ab y s t a b i l i z i n g E2F1s i g n a l i n g[J].N e u r oO n c o l,2018,20(9):1173-1184.[40]㊀黄欣,师德尧,邵增务.自噬在骨肉瘤中作用的研究进展[J].华中科技大学学报:医学版,2018,47(3):367-371.(2018-11-07㊀收稿)㊃682㊃华中科技大学学报(医学版)㊀㊀2019年6月第48卷第3期。

基于生物信息学分析的骨肉瘤关键生物标记物的筛选

[收稿日期]2019-09-10　[修回日期]2019-11-29[作者单位]1.蚌埠医学院研究生院,安徽蚌埠233030;2.东部战区总医院骨科,江苏南京210002[作者简介]康治理(1990-),男,硕士研究生,住院医师.[文章编号]1000⁃2200(2022)03⁃0386⁃05㊃医学信息学㊃基于生物信息学分析的骨肉瘤关键生物标记物的筛选康治理1,2,刘晓伟2,武振方2,何　鹏2,赵建宁2,许　斌2[摘要]目的:应用生物信息学的方法分析骨肉瘤基因表达谱芯片中具有差异性表达的基因,找出参与骨肉瘤发生㊁发展的关键基因㊂方法:从GEO 数据库中下载表达谱基因芯片数据,应用生物信息学方法筛选差异表达基因(DEGs)㊂利用DAVID 在线数据库对DEGs 进行GO 及KEGG 通路富集分析㊂通过STRING 在线软件㊁Cytoscape 的MCODE 插件㊁cytoHubba 插件对骨肉瘤的显著差异表达的基因进行蛋白质-蛋白质相互作用网络分析,寻找关键基因㊂结果:共筛选出95个DEGs,主要富集在细胞黏附分子㊁抗原处理和呈递等信号通路,通过分析发现CD74㊁LAPTM5㊁CD163㊁MS4A6A㊁HLA⁃DRA㊁CD86㊁FCER1G㊁C1QB㊁TYROBP㊁AIF1等10个基因处于核心位置㊂结论:CD74㊁LAPTM5㊁CD163㊁MS4A6A㊁HLA⁃DRA㊁CD86㊁FCER1G㊁C1QB㊁TYROBP㊁AIF1可能在骨肉瘤的发生㊁发展中起重要作用㊂[关键词]骨肉瘤;生物信息学;差异表达基因[中图法分类号]R 681.5 [文献标志码]A DOI :10.13898/ki.issn.1000⁃2200.2022.03.028Screening of key biomarkers of osteosarcoma based on bioinformatics analysisKANG Zhi⁃li 1,2,LIU Xiao⁃wei 2,WU Zhen⁃fang 2,HE Peng 2,ZHAO Jian⁃ning 2,XU Bin 2(1.School of Graduate ,Bengbu Medical College ,Bengbu Anhui 233030;2.Department of Orthopaedics ,General Hospital of Eastern Theater Command ,Nanjing Jiangsu 210002,China )[Abstract ]Objective :To analyze the differentially expressed genes (DEGs)in osteosarcoma gene expression profiling chips using bioinformatics methods to identify the key genes involved in the development of osteosarcoma.Methods :The expression profile gene chip data was downloaded from the GEO database,and the DEGs were screened using bioinformatics methods.The gene GO and KEGG pathway enrichment analysis of DEGs were performed on differentially expressed genes using the DAVID online database.The protein⁃protein interaction network analysis of DEGs of osteosarcoma was implemented using the STRING online software,MCODE plug⁃in of Cytoscape and cytoHubba plug⁃in to find the key gene.Results :A total of 95DEGs were screened,which were mainly enriched in cell adhesion molecules,antigen processing and presentation signaling pathways.The CD74,LAPTM5,CD163,MS4A6A,HLA⁃DRA,CD86,FCER1G,C1QB,TYROBP and AIF1genes located at the core.Conclusions :CD74,LAPTM5,CD163,MS4A6A,HLA⁃DRA,CD86,FCER1G,C1QB,TYROBP and AIF1may play an important role in the development of osteosarcoma.[Key words ]osteosarcoma;bioinformatics;differentially expressed gene 骨肉瘤是最常见的恶性骨肿瘤,常发生于儿童和青少年[1]㊂骨肉瘤起源于间充质细胞,常表现为成骨细胞及软骨细胞分化,主要特征为肿瘤细胞产生的类骨质[2]㊂骨肉瘤常为单发病变㊁症状隐匿,表现为局部疼痛和肿胀㊂在病变早期,病人有间歇性疼痛,尤其是在夜间,随着病情的恶化,持续性疼痛频繁发生㊂骨肉瘤常起源于长骨的干骺端,如股骨远端和肱骨近端[3]㊂有研究[4-5]显示,病人在确诊时有40%已发生远处转移,预后较差㊂目前关于骨肉瘤的发病机制尚未完全阐明,但有较多的研究表明其发病机制与基因和遗传因素密切相关,且目前主要治疗方式除手术外,大多需要接受药物化疗㊂基于阐明其发病机制及寻找更有效的化疗药物的需要,筛选和鉴定骨肉瘤生物标志物成为目前研究的热点㊂近年来随着基因芯片及高通量测序技术的发展,应用生物信息学的方法预测疾病靶标基因,分析其可能的分子机制,为后续试验提供更加可行思路及方案,以期探明疾病的发病机制及研究出新的靶标药物㊂本研究利用GEO (Gene Expression Omnibus)数据库中的基因芯片数据,通过生物信息学方法分析骨肉瘤组织中的关键(Hub)基因,提高对骨肉瘤各种病理生理学要素及其众多遗传变异的认识,有助于推进病人的个性化治疗策略,为早期发现和改善预后提供了可靠的分子标志及防治骨肉瘤远处转移的有效药物靶点㊂1　资料与方法1.1　基因芯片数据　GEO 数据库( /geo)是一个主要由基因表达的微683J Bengbu Med Coll ,March 2022,Vol.47,No.3阵列和芯片研究产生的公共数据库,隶属于美国国立卫生研究院的NCBI[6]㊂从GEO上下载基因芯片GSE14359㊁GSE16088㊁GSE32964的数据,根据平台中的注释信息,将探针转换成相应的基因符号㊂GSE14359数据包含10个骨肉瘤组织样本和2个非肿瘤组织样本㊂GSE16088含有3份骨肉瘤标本和14份非肿瘤样本㊂GSE32964含有31个骨肉瘤样本和1个非癌样本㊂1.2　筛选差异表达基因(DEGs)　用GEO2R (/geo/geo2r)在线分析工具对骨肉瘤和非肿瘤组织标本进行DEGs筛查㊂GEO2R是一个交互式的在线工具,可用于比较一个GEO系列中的两个或多个数据集,从而识别出DEGs㊂错误发现率和P值被用来平衡假阳性的局限性和发现有统计学意义的基因㊂通过数据筛选除去没有相应基因名称的探针集或具有多个探针集的基因,logFC(fold change)≥1和P≤0.01具有统计学意义㊂1.3　DEGs的KEGG和GO分析　DAVID6.8 ()是一个集成了生物数据和分析工具,并提供了一套完整的基因和蛋白质功能注释信息供用户提取的生物信息数据库[7]㊂KEGG是一个用于从高通量实验技术生成的大规模分子数据集中了解高级功能和生物途径的数据库资源[8]㊂GO是一种用于注释基因和分析这些基因的生物学过程的重要生物信息学工具[9]㊂DAVID在线数据库被用于分析这些DEGs的生物学信息,P≤0.05认为具有统计学意义㊂1.4　PPI网络构建　蛋白-蛋白相互作用(PPI)网络用STRING(http://string⁃)在线分析工具构建[10]㊂通过分析蛋白质之间的功能相互作用,深入了解疾病的发生或发展机制㊂在本研究中,选择置信度>0.4来构建PPI网络㊂Cytoscape3.6.1是一个开源的用来可视化分子相互作用网络的生物信息学工具[11],其中的MCODE插件是从Cytoscape在线安装用来对查找出的作用紧密的基因集合聚类分析的工具㊂本研究中PPI网络是使用Cytoscape绘制的,其中最显著的基因模块使用MCODE和cytoHubba识别㊂2　结果2.1　DEGs筛选　通过GEO2R在线分析及在线作Venn图,在筛选GSE19345㊁GSE16088㊁GSE32964中具有统计学意义的探针后,取三者基因集合共计95个DEGs(见图1)㊂2.2　GO分析和KEGG分析　对95个DEGs进行GO功能注释KEGG通路富集分析,发现差异基因的生物学过程(biological process,BP)主要富集在免疫应答㊁正向调节细胞分化㊁细胞黏附的调节等过程;细胞成分(cellular component,CC)主要集中在细胞质膜㊁细胞基底外膜㊁黏着斑等部分;分子功能(molecular function,MF)主要富集在蛋白结合㊁蛋白质异源二聚物活性㊁GTP酶激活剂活性等㊂KEGG 主要富集在细胞黏附分子㊁抗原处理和呈递等信号通路(见图2)㊂2.3　PPI网络构建和Hub基因筛选　将95个显著差异表达的基因导入STRING在线工具,将所得数据结果输入Cytoscape3.6.1软件进行可视化,利用Mcode插件筛选出作用最紧密的基因模块,然后使用cytoHubba插件按照MCC算法找出排名前10的Hub基因,分别为CD74㊁LAPTM5㊁CD163㊁MS4A6A㊁HLA⁃DRA㊁CD86㊁FCER1G㊁C1QB㊁TYROBP㊁AIF1 (见图3)㊂3　讨论骨肉瘤是好发于儿童和青少年的最常见的恶性骨肿瘤,预后极差,5年生存率仅有60%~70%[12]㊂临床上很多骨肉瘤病例失去了早期治疗的机会,因此,发现潜在的诊断标志物和推进精准治疗的进行是目前亟待解决的问题,而这些发现能为骨肉瘤提供新的见解和潜在的治疗目标㊂近年来兴起的基因芯片技术使得我们能够探索骨肉瘤的基因改变,并已在其他疾病中被证明是一种识别新的生物标记物的有效方法㊂本研究分析了3个mRNA芯片数据集,获得骨肉瘤组织与非癌组织间的差异,共鉴定出95个DEGs㊂GO和KEGG富集分析探讨DEGs之间的相互作用㊂GO功能注释发现生物学过程主要富集在免疫应答㊁细胞黏附㊁蛋白结合㊁蛋白质异源二聚物活性㊁GTP酶激活剂活性等过程,这些过程和肿瘤的783蚌埠医学院学报2022年3月第47卷第3期发生㊁发展㊁复发及转移密切相关,如免疫应答已在既往研究[13]中被证实与肿瘤的发生发展及在治疗中发挥作用㊂KEGG 结果显示主要富集在细胞黏附分子㊁抗原处理和呈递等信号通路,与GO 功能注释结果基本一致㊂对95个DEGs 进行PPI 网络分析和Hub 基因筛选得到链接度最高的前10个基因,分别是CD74㊁LAPTM5㊁CD163㊁MS4A6A㊁HLA⁃DRA㊁CD86㊁FCER1G㊁C1QB㊁TYROBP㊁AIF1㊂CD74是主要组织相容性复合物Ⅱ类的恒定链,也是巨噬细胞游走抑制因子的受体,为一种Ⅱ型跨膜蛋白,可在多种及癌前病变恶性肿瘤组织中表达[14-15]㊂有研究[16]表明,CD74为人胶质母细胞瘤中表达上调最明显的分子,可看作其阳性预后标志物,成为治疗人胶质母细胞瘤的有吸引力的靶标㊂有学者[17]认为CD74在乳腺癌组织的细胞膜和细胞质中比在对照组乳腺组织中表达升高,CD74下调减少了乳腺癌细胞的侵袭和迁移,提出针对CD74的新药物和抗体可能是乳腺癌治疗的有效策略的结论㊂但CD74是否参与骨肉瘤的发生㊁发展及复发转移中,至今未有此类报道㊂既往很多研究揭示了CD74基因在人类恶性肿瘤演变进程中的重要作用,证明了CD74在转录水平上调控骨肉瘤的相关分子作用机制,将对骨肉瘤的早期诊断和及时有效的治疗以及治疗方式的转变具有极其重要的意义㊂LAPTM5是一种溶酶体膜蛋白,主要表达于淋巴系和髓系来源的细胞,在免疫细胞和造血细胞中优先表达[18]㊂LAPTM5的异位过表达导致溶酶体靶向并诱导人HeLa 细胞中凋亡蛋白家族成员Mcl⁃1下调,Bak 活化和线粒体依赖性细胞凋亡[19]㊂LAPTM5降低引起G 0/G 1期的细胞周期停滞,从而导致膀胱癌细胞生长延迟,且下调LAPTM5的膀胱癌细胞中凋亡情况没有明显改变及显著减少细胞转移[20]㊂尽管LAPTM5在骨肉瘤的发生机制及进展中的作用尚不明确,但从基因芯片分析的结果可以推测其与骨肉瘤有着密切相关性,因此,可从LAPTM5基因出发,对骨肉瘤发生的分子机制和治疗靶点进行深入探索㊂其他Hub 基因如FCER1G,为IgE 高亲和力受体,在上调异位抗原提呈细胞fcεRI 中起着重要作用[21]㊂FCER1G 启动子去甲基化导致特应性皮炎883J Bengbu Med Coll ,March 2022,Vol.47,No.3病人单核细胞FcεRI过度表达[22],且有证据表明该基因表达失控可能在癌症发展中起重要作用[23]㊂很多骨肉瘤病人发现时已经发生远处转移,尤其是肺部转移,因此深入研究骨肉瘤转移㊁侵袭的分子机制显得尤为重要,对提高骨肉瘤的治疗效果有极大的影响㊂LIN等[24]通过前瞻性研究分析指出CD163阳性表达与较差的5年生存率显著相关, pSTAT1/CD163表达状态是肺癌5年生存率的唯一独立预测因子㊂另外一项研究[25]中,肺癌病人的恶性胸腔积液中CD163+肿瘤相关巨噬细胞(TAMs)高表达,经治疗后的胸腔积液中CD163+TAMs表达明显降低,研究证明肺癌引起的恶性胸腔积液中CD163+TAMs的积累与预后不良密切相关㊂通过上述研究可知,CD163是肿瘤发生和转移的关键调控基因,研究骨肉瘤侵袭㊁转移的分子机制可以从CD163基因出发,为解决骨肉瘤转移这一临床难题提供新途径㊂虽然近年来医疗水平不断提高,治疗方案不断完善,但是骨肉瘤病人的生存率仍然没有较大提高, 5年生存率≤20%[26],其早期转移及缺乏前体病变[27]等特点被认为是导致病人高死亡率的主要原因㊂为了应对其早期转移,目前临床上常早期发现骨肉瘤的时候即行胸部CT扫描,但是当病人肺部转移病灶较小时则难以检出,从而延误诊治[28],且复发性肺转移常需进行多次肺部侵入性检查或手术,使得病人预后极差[29]㊂此外,骨肉瘤无明确的癌前病变,基于以上两点,更加灵敏且特异的筛查方法就显得尤为重要㊂随着基因芯片和二代测序技术等的广泛开展,使研究人类癌症的基因表达谱变得更加方便,为分子靶标预测及分子靶向治疗提供更加明确的方向[30]㊂本研究通过生物信息学相关分析方法利用基因芯片数据和在线数据分析网站,得到与骨肉瘤发生机制有关系的Hub基因,但是缺乏相应的实验数据作为支持验证,存在一定的局限性,故Hub基因的具体作用机制及在骨肉瘤发生㊁发展中的作用仍需进一步研究证实㊂[参考文献][1]　TANG Y,JI F.lncRNA HOTTIP facilitates osteosarcoma cellmigration,invasion and epithelial⁃mesenchymal transition byforming a positive feedback loop with c⁃Myc[J].Oncol Lett,2019,18(2):1649.[2]　ABARRATEGI A,TORNIN J,MARTIBEZ⁃CRUZADO L,et al.Osteosarcoma:Cells⁃of⁃origin,cancer stem cells,and targetedtherapies[J].Stem Cells Int,2016,2016:3631764.[3]　XI L,ZHANG Y,KONG S,et al.miR⁃34inhibits growth andpromotes apoptosis of osteosarcoma in nude mice through targetlyregulating TGIF2expression[J].Biosci Rep,2018,38(3):BSR20180078.[4]　VOS HI,COENEN MJ,GUCHELAAR HJ,et al.The role ofpharmacogenetics in the treatment of osteosarcoma[J].DrugDiscov Today,2016,21(11):1775.[5]　陈晓东,周新社,李昭程,等.STAT3在骨肉瘤中的表达及其与肿瘤微血管密度的关系[J].蚌埠医学院学报,2013,37(10):1260.[6]　EDGAR R,DOMRACHEV M,LASH AE.Gene ExpressionOmnibus:NCBI gene expression and hybridization array datarepository[J].Nucleic Acids Res,2002,30(1):207. [7]　HUANG DW,SHERMAN BT,TAN Q,et al.The DAVID GeneFunctional Classification Tool:A novel biological module⁃centricalgorithm to functionally analyze large gene lists[J].GenomeBiol,2007,8(9):R183.[8]　KANEHISA M.The KEGG database[J].Novartis Found Symp,2002,247:91.[9]　ASHBURNER M,BALL CA,BLAKE JA,et al.Gene ontology:Tool for the unification of biology.The Gene Ontology Consortium[J].Nat Genet,2000,25(1):25.[10]　FRANCESCHINI A,SZKLARCZYK D,FRANKILD S,et al.STRING v9.1:Protein⁃protein interaction networks,with increasedcoverage and integration[J].Nucleic Acids Res,2013,41:D808.[11]　SMOOT ME,ONO K,RUSCHEINSKI J,et al.Cytoscape2.8:New features for data integration and network visualization[J].Bioinformatics,2011,27:431.[12]　LUETKE A,MEYERS PA,LEWIS I,et al.Osteosarcomatreatment⁃where do we stand A state of the art review[J].CancerTreat Rev,2014,40(4):523.[13]　WIERECKY J,MULLER MR,WIRTHS S,et al.Immunologic andclinical responses after vaccinations with peptide⁃pulsed dendriticcells in metastatic renal cancer patients[J].Cancer Res,2006,66(11):5910.[14]　IMAOKA M,TANESE K,MASUGI Y,et al.Macrophage migrationinhibitory factor⁃CD74interaction regulates the expression ofprogrammed cell death ligand1in melanoma cells[J].Cancer Sci,2019,110(7):2273.[15]　CHENG SP,LIU CL,CHEN MJ,et al.CD74expression and itstherapeutic potential in thyroid carcinoma[J].Endocr RelatCancer,2015,22(2):179.[16]　ZEINER PS,PREUSSE C,BLANK AE,et al.MIF receptor CD74is restricted to microglia/macrophages,associated with a M1⁃polarized immune milieu and prolonged patient survival in gliomas[J].Brain Pathol,2015,25(4):491.[17]　LIU Z,CHU S,YAO S,et al.CD74interacts with CD44andenhances tumorigenesis and metastasis via RHOA⁃mediatedcofilin phosphorylation in human breast cancer cells[J].Oncotarget,2016,7(42):68303.(下转第393页)拥有高被引论文的数量越多,则表示这个学科的研究水平和学术影响力越高[11-12]㊂本研究发现, NSFC资助对几乎所有样本高校ESI高被引论文产出均有重要促进作用,尤其是临床医学和基础医学等医学院校的龙头学科和支撑学科㊂但是,这种促进作用在一所高校的表现却并不十分突出㊂通过进一步分析6所高校对外科研合作情况发现,该校可能通过加强与更高水平科研机构的科研合作,部分弥补了NSFC资助ESI高被引论文产出的不足㊂综上所述,本研究证实NSFC资助可显著提升省属医学院校高水平科研论文产出和学术影响力㊂相关院校应通过加强人才引进和科研平台建设,推动对外科技合作,提升学术研究能力等,大力提高获取NSFC资助的竞争力,通过争取更多的NSFC资助,推动学校科技长足发展,提升学校核心竞争力㊂[参考文献][1]　秦长江,张红敏.河南省高校国家自然科学基金资助论文产出力和影响力的计量分析研究基于InCites TM视角[J].创新科技,2017(9):35.[2]　付贺龙,廖世容,尚玮姣,等.基于2010 2019年木材科学国际高水平论文的文献计量分析[J].木材科学与技术,2021,35(1):1.[3]　王艳.基于ESI的免疫学领域研究的影响力分析[J].江苏科技信息,2020,37(19):69.[4]　倪慧群,韩雨辰,唐家林,等.NSFC资助产出ESI论文的文献计量和学科发展分析以华南农业大学为例[J].科技管理研究,2019,39(14):109.[5]　刘烜贞.基于InCites数据库的学术机构科研竞争力分析[J].医学信息,2019,32(20):14.[6]　周洋,姜思羽,姚仁斌.基于ESI和InCites数据库的高校学科发展规划分析以蚌埠医学院为例[J].蚌埠医学院学报,2020,45(7):933.[7]　陈秋怡,刘海波.科研基金资助投入与高水平国际论文产出研究基于六国SCI论文的实证分析[J].中国科技论坛,2018(1):158.[8]　禾雪瑶,马廷灿,岳名亮,等.国家自然科学基金资助论文的高被引率变化研究[J].数据分析与知识发现,2021,5(2):61.[9]　张晓娜.基于ESI数据库的南京医科大学学科发展态势分析[J].山西科技,2020,35(6):83.[10]　钟永恒,芦楚屹,刘佳,等. 双一流”高校基础研究竞争力分析基于国家自然科学基金[J].科技管理研究,2019,39(20):85.[11]　王辉,刘佳,钟永恒,等.国家自然科学基金资助现状与效果分析基于国家重点实验室的视角[J].科技管理研究,2020,40(18):29.[12]　薛万新.河南省高校优势学科国际竞争趋向及提升对策[J].中国科技信息,2020(21):102.(本文编辑　刘璐)(上接第389页)[18]　PAK Y,GLOWACKA WK,BRUCE MC,et al.Transport ofLAPTM5to lysosomes requires association with the ubiquitinligase Nedd4,but not LAPTM5ubiquitination[J].J Cell Biol,2006,175(4):631.[19]　JUN DY,KIM H,JANG WY,et al.Ectopic overexpression ofLAPTM5results in lysosomal targeting and induces Mcl⁃1down⁃regulation,Bak activation,and mitochondria⁃dependent apoptosisin human HeLa cells[J].PLoS One,2017,12(5):e0176544.[20]　CHEN L,WANG G,LUO Y,et al.Downregulation of LAPTM5suppresses cell proliferation and viability inducing cell cyclearrest at G0/G1phase of bladder cancer cells[J].Int J Oncol,2017,50(1):263.[21]　ZHANG K,GAO J,NI Y.Screening of candidate key genesassociated with human osteosarcoma using bioinformatics analysis[J].Oncol Lett,2017,14(3):2887.[22]　LIANG Y,WANG P,ZHAO M,et al.Demethylation of theFCER1G promoter leads to FcεRI overexpression on monocytes ofpatients with atopic dermatitis[J].Allergy,2012,67(3):424.[23]　ELLIS L,ATADJA PW,JOHNSTONE RW.Epigenetics in cancer:Targeting chromatin modifications[J].Mol Cancer Ther,2009,8(16):1409.[24]　LIN MW,YANG CY,KUO SW,et al.The prognostic significanceof pSTAT1and CD163expressions in eurgically resected stage1pulmonary squamous cell carcinomas[J].Ann Surg Oncol,2016,23(9):3071.[25]　YANG L,WANG F,WANG L,et al.CD163+tumor⁃associatedmacrophage is a prognostic biomarker and is associated withtherapeutic effect on malignant pleural effusion of lung cancerpatients[J].Oncotarget,2015,6(12):10592.[26]　HE JP,HAO Y,WANG XL,et al.Review of the molecularpathogenesis of osteosarcoma[J].Asian Pac J Cancer Prev,2014,15(15):5967.[27]　LIU Y,ZHU ST,WANG X,et al.MiR⁃200c regulate tumor growthand chemosensitivity to cisplatin in osteosarcoma by targetingAKT2[J].Sci Rep,2017,7(1):13598.[28]　ISAKOFF MS,BIELACK SS,MELTZER P,et al.Osteosarcoma:Current treatment and a collaborative pathway to success[J].JClin Oncol,2015,33(27):3029.[29]　BRICCOLI A,ROCCA M,SALONE M,et al.Resection ofrecurrent pulmonary metastases in patients with osteosarcoma[J].Cancer,2005,104(8):1721.[30]　PETRYSZAK R,BURDETT T,FIORELLI B,et al.Expressionatlas update a database of gene and transcript expression frommicroarray and sequencing⁃based functional genomics experiments[J].Nucleic Acids Res,2014,42(D1):D926.(本文编辑　赵素容)。

利用生物信息学技术对肿瘤基因进行分析和研究

利用生物信息学技术对肿瘤基因进行分析和研究作为一种严重的疾病，肿瘤在全球范围内造成了无数人的死亡和痛苦。

在对抗肿瘤的过程中，科学家们一直在寻找更好的方法来研究和理解这种疾病的发生和发展机理。

生物信息学技术是一种先进的工具，可以对肿瘤基因进行全面的分析和研究。

本文将就利用生物信息学技术对肿瘤基因进行分析和研究做一些探讨。

1. 基因组学和转录组学随着技术的进步，人类基因组计划（Human Genome Project）在2003年完成，我们对人类基因组有了更多的了解。

人类基因组计划的完成不仅为我们了解人类基因组提供了基础，也为肿瘤的研究提供了重要的支持。

基因组学可以帮助我们确定哪些基因和蛋白质与肿瘤的发生和发展相关。

通过基因组学技术，科学家可以对肿瘤细胞与正常细胞进行比较，以确定肿瘤细胞中的变异和突变。

这些变异和突变可以用来确定哪些基因在肿瘤中起着关键作用。

转录组学则探究基因在特定环境下的表达方式，并通过对不同组织和细胞的比较来研究基因调控的方式。

转录组学可以帮助我们寻找与肿瘤发展有关的基因，并了解这些基因的作用原理。

通过转录组学技术，我们还可以对肿瘤细胞中的特定基因进行测量，以便更好地了解它们是如何对癌症发展产生影响的。

2. 蛋白质组学蛋白质组学则关注将单个基因转化为特定蛋白质的过程。

为了研究肿瘤中的特定蛋白质，科学家可以使用质谱法（Mass Spectrometry）来分离和鉴定蛋白质。

质谱法可以对肿瘤细胞和正常细胞进行比较，以确定哪些蛋白质在肿瘤中的表达有所改变。

这些蛋白质可以作为药物靶点以及疾病的标志物。

3. 生物信息学技术在肿瘤研究中的应用生物信息学技术在肿瘤研究中的应用十分广泛。

通过大规模的基因组测序和功能分析，科学家可以确定与肿瘤发展相关的基因，并探索这些基因在癌症中扮演的角色。

同时，生物信息学技术也可以将医疗数据的巨大量转化为可视化的成果，从而帮助科学家和医生更好地理解癌症的发展和治疗方式。

生物信息学方法分析癌症基因标记

生物信息学方法分析癌症基因标记生物信息学已经成为生物医学研究领域中不可或缺的一部分。

通过生物信息学方法可以对大量的生物数据进行挖掘和分析，为人类健康和疾病研究带来了很大的帮助。

癌症作为一种重要的疾病，也不例外地受到了生物信息学方法的研究。

本文将介绍一些利用生物信息学方法分析癌症基因标记的研究进展。

定位基因突变癌症是一种遗传疾病，其中许多突变导致了癌症的发生和进展。

通过生物信息学方法，可以找到癌症相关的基因，并识别这些基因中的突变。

其中一种广泛应用的方法是全外显子测序。

全外显子测序可以检测所有编码区域的突变，因此可以识别许多与癌症相关的基因。

神经母细胞瘤是一种儿童神经肿瘤，全外显子测序分析证实了ALK基因在神经母细胞瘤中是一个重要的靶标。

有些人存在ALK基因的遗传突变，这种突变会导致ALK基因表达异常，并促进神经母细胞瘤的发生。

上述的例子显示了全外显子测序和其他生物信息学方法可以识别癌症基因标记。

寻找基因调控因子癌症发生的原因不仅仅是基因突变。

许多其他因素也影响了基因的表达，从而促进了癌症的进展。

因此，生物信息学方法也用于寻找基因调控因子。

RNA测序是一种广泛应用的方法，可以检测细胞中所有基因的表达量。

通过将癌细胞RNA 测序数据与正常细胞数据进行比较，可以找到在癌细胞中表达偏高或偏低的基因。

然后，使用转录因子结合位点预测方法可以预测这些基因的调控因子。

转录因子结合位点预测方法可以预测基因的上游区域中的转录因子结合位点。

然后可以检查这些位点是否出现在已知的转录因子调控区域中，并预测这些转录因子是否调控了特定的基因。

这种方法可以预测许多转录因子与癌症相关的基因调控。

例如，前列腺癌的RNA测序数据显示FN1基因在前列腺癌中高表达。

通过分析FN1基因上游的转录因子结合位点，预测了一个与前列腺癌相关的转录因子，并进一步验证了这个预测。

基因表达分析癌症的发生和进展通常涉及多种基因的变化，并可能导致基因网络中不同模块的表达异常。

骨肉瘤肺转移相关基因的最新研究进展

doi:10.3969/j.issn.1671-1971.2010.04.023骨肉瘤是源于间叶组织以能产生骨样组织的梭形基质细胞为特征的恶性肿瘤，占原发性骨的恶性肿瘤的首位。

随着手术、放疗以及化疗水平的提高，骨肉瘤患者的５年生存率已明显提高，但仍有大部分患者死于肺转移。

骨肉瘤的肺转移涉及一系列过程，包括肿瘤细胞从原发瘤成功地进入循环系统、在循环系统的存活、定居转移灶、浸润周围的组织、转移灶肿瘤血管的生成、肿瘤的生长等[1]。

因此，成功转移的肿瘤细胞必然有别于非转移的肿瘤细胞。

近年来随着肿瘤转移基因调控下的多阶段、多因素、多步骤理论的不断完善，人们对于肿瘤转移这一极为复杂的病理过程有了更进一步的认识。

发现并证实与肿瘤转移过程高度相关的基因已成为肿瘤转移机制研究领域的热点，因为基因研究不但使我们可以更深入了解肿瘤转移机制，更重要的是，这些基因及其产物有可能成为抗肿瘤转移的靶点或观察肿瘤患者预后、转移的指标。

治疗现状和面临难题骨肉瘤是儿童和青少年最常见的原发恶性骨肿瘤。

按照加拿大每年50～75例和美国1000例新发病例计算，中国每年有6000～7000例新病例。

骨肉瘤好发于骨增长时期，起病时无典型临床症状，极易与外伤或生长痛混淆，恶性程度高，早期极有可能发生肺转移，死亡率高，是家庭的灾难，同时也给社会带来极大的负担。

在20世纪70年代化疗出现之前，肢体骨肉瘤虽然以截肢为主，但80%的患者仍不可避免的死于肺转移。

1979年美国纽约纪念医院癌症中心的Rosen提出了新辅助化疗概念，成为骨肉瘤治疗史上的重要里程碑。

新辅助化疗强调大剂量术前化疗消灭潜在的全身微小转移灶，根据术后病理化疗后组织坏死率指导术后化疗，因此保肢代替了大部分截肢，就诊时无肺转移患者五年生存率也由20%升高到50%～60%。

但近30年来，骨肉瘤的治疗没有大的突破，就诊早期出现肺转移的患者，５年生存率仍低于20%；就诊早期无肺转移的患者，５年生存率没有明显提高，且25%～50%的患者在化疗过程中出现了肺转移。

基于高通量数据的骨肉瘤相关核心基因的挖掘和鉴定分析

基于高通量数据的骨肉瘤相关核心基因的挖掘和鉴定分析刘磊;刘梦媛;闫复利;高尚【期刊名称】《临床医学进展》【年(卷),期】2022(12)8【摘要】背景:骨肉瘤是源于间充质细胞的恶性肿瘤,起病隐匿,好发于青少年,早期症状仅表现为关节肿胀和疼痛,且进展迅速,出现远处转移时其生存率大幅降低。

为了筛选骨肉瘤发生发展的潜在基因,本研究从GEO数据库中获得GSE99671和GSE197158进行生物信息学分析。

方法:首先,利用R包进行去批次处理,再利用R 包“limma”识别差异表达基因(DEGs),通过GO (Gene Ontology)和KEGG (Kyoto Encyclopedia of Genes and Genomes)分析对差异表达基因(DEGs)进行功能注释。

利用STRING工具构建蛋白–蛋白相互作用(PPI)网络,挖掘出最重要的模块和核心基因。

结果:共鉴定出275个差异表达基因。

差异表达基因的定位主要集中在细胞外基质和细胞外骨架中,主要定位于细胞外基质胶原纤维中和分泌小泡内,功能变化主要集中在细胞识别,细胞膜、骨架等结构形成和多种酶或转运体如糖胺聚糖结合和无机阳离子跨膜转运体活性等方面。

CTSG、MPO、ELANE、DEFA4、CAMP、LTF、PRTN3、MMP8、LCN2、BPI基因被鉴定为核心基因。

结论:综上所述,本研究中发现的差异表达基因和核心基因有可能成为潜在的诊断和治疗靶点。

【总页数】10页(P7598-7607)【作者】刘磊;刘梦媛;闫复利;高尚【作者单位】易县中医医院保定;吉林大学化学学院长春;保定泰和康复医院保定;吉林大学白求恩第二临床医学院长春【正文语种】中文【中图分类】R73【相关文献】1.数据库挖掘法高通量筛选分析前列腺癌相关基因2.基于文本挖掘的高通量癌症基因组数据注释3.基于微阵列数据的胃癌相关核心基因的挖掘和鉴定分析4.基于微阵列数据的肺癌相关核心基因的挖掘和鉴定分析5.基于高通量测序的青稞产量相关性状的基因定位及候选基因挖掘因版权原因，仅展示原文概要，查看原文内容请购买。

骨肉瘤组织差异表达基因筛选及其与患者预后的关系

骨肉瘤组织差异表达基因筛选及其与患者预后的关系张晋煜【摘要】目的采用生物信息学的方法筛选骨肉瘤组织差异表达基因,并探讨其与患者预后的关系.方法收集骨肉瘤组织及其配对癌旁正常组织标本各4例份,采用转录组测序技术筛选两种组织中的差异表达基因,并进行基因本体(GO)功能显著性富集分析.在癌症和肿瘤基因图谱骨肉瘤数据库中选择258例份骨肉瘤组织标本,采用Kaplan-Meier曲线分析富集于生物学过程的差异表达基因对患者生存时间的影响.结果骨肉瘤及其癌旁正常组织存在差异表达基因875个,其中表达上调的基因346个、表达下调的基因529个.GO功能显著性富集分析共识别出14个有意义的类型;在6个生物学过程类型中,差异表达基因主要富集于外源性代谢过程、细胞黏附、细胞外基质组成、类固醇代谢过程等;在8个细胞成分类型中,差异表达基因主要富集于细胞外体、细胞外空间、胶原三聚体、核小体等.258例份骨肉瘤组织中,还原酶1(NQO1)基因高表达233例份、低表达25例份,NQO1基因高表达、低表达患者生存时间分别为(2 763±15)、(1 568±13)d,二者比较P<0.01;醛脱氢酶3族A1(ALDH3A1)基因高表达233例份、低表达25例份,ALDH3A1基因高表达、低表达患者生存时间分别为(2 725±11)、(1 421±14)d,二者比较P<0.01;其余基因表达情况对患者的生存时间均无明显影响(P均>0.05).结论采用生物信息学的方法筛选出骨肉瘤组织差异表达基因875个,主要富集于生物学过程和细胞成分类型;其中NQO1、ALDH3A1基因低表达提示患者预后不良.%To screen out the differentially expressed genes in osteosarcoma tissues by bioinformatics and to investigate its relationship with the prognosis of patients.Methods We performed RNA-Seq to screen out the differentially expressed genes (DEGs)in osteosarcoma and matched normal tissues of four osteosarcomapatients followed by the Gene Oncology (GO) enrichment.In addition, we selected 258 cases of osteosarcoma tissue specimens in the Cancer Genome Atlas (TCGA) HCC data to analyze the influence of DEGs on survival time of patients by using based on Kaplan-Meier curve analysis.Results In total, 875 DEGs were identified in four pairs of osteosarcoma specimens, including down-regulated 529 genes and 346 up-regulated genes.According to GO enrichment, 14 significant GO terms in the biological process were identified.In the six biological process types, the DEGs were mainly enriched in exogenous metabolic processes, cell adhesion, extracellular matrix composition, and steroid metabolism process;in the 8 cell composition types, the DEGs were mainly enriched in the extracellular domain, extracellular space, collagen trimer, nucleosome and so on.Two novel genes (NQO1 and ALDH3A1) were significantly associated with poor prognosis in the TCGA osteosarcoma cohort(n=258).The average survival time in 233 cases with over-expression and 25 cases with low-expression of NQO1 was (2763±15) and (1568±13) days, respectively.The average survival time in 233 cases with over-expression and 25 cases with low-expression of ALDH3A1 was (2725±11) and (1421±14) days, respective ly.The expression of other genes had no significant effect on the survival time of the patients (allP>0.05).Conclusion We identified 875 DEGs that mainly enrich in biological process and cellular component and the low-expression of NQO1 and ALDH3A1 is significantly associated with poor prognosis for osteosarcoma.【期刊名称】《山东医药》【年(卷),期】2017(057)032【总页数】3页(P10-12)【关键词】骨肉瘤;基因本体功能显著性富集分析;基因筛选;转录组测序;生物信息学;生存时间【作者】张晋煜【作者单位】云南省肿瘤医院,昆明 650000【正文语种】中文【中图分类】R738.1Abstract:To screen out the differentially expressed genes in osteosarcoma tissues by bioinformatics and to investigate its relationship with the prognosis of patients. Methods We performed RNA-Seq to screen out the differentially expressed genes (DEGs)in osteosarcoma and matched normal tissues of four osteosarcoma patients followed by the Gene Oncology (GO) enrichment. In addition, we selected 258 cases of osteosarcoma tissue specimens in the Cancer Genome Atlas (TCGA) HCC data to analyze the influence of DEGs on survival time of patients by using based on Kaplan-Meier curve analysis. Results In total, 875 DEGs were identified in four pairs of osteosarcoma specimens, including down-regulated 529 genes and 346 up-regulated genes. According to GO enrichment, 14 significant GO terms in the biological process were identified. In the six biological process types, the DEGs were mainly enriched in exogenous metabolic processes, celladhesion, extracellular matrix composition, and steroid metabolism process; in the 8 cell composition types, the DEGs were mainly enriched in the extracellular domain, extracellular space, collagen trimer, nucleosome and so on. Two novel genes (NQO1 and ALDH3A1) were significantly associated with poor prognosis in the TCGA osteosarcoma cohort (n=258). The average survival time in 233 cases with over-expression and 25 cases with low-expression of NQO1 was (2763±15) and (1568±13) days, respectively. The average survival time in 233 cases with over-expression and 25 cases with low-expression of ALDH3A1 was (2725±11) and (1421±14) days, respectively. The expression of other genes had no significant effect on the survival time of the patients (all P>0.05). Conclusion We identified 875 DEGs that mainly enrich in biological process and cellular component and the low-expression of NQO1 and ALDH3A1 is significantly associated with poor prognosis for osteosarcoma.Key words: osteosarcoma; Gene Oncology enrichment; gene screening; transcriptome sequencing; bioinformatics; survival time骨肉瘤好发于青少年，75%的患者发病年龄为15～25岁。

矿产

矿产资源开发利用方案编写内容要求及审查大纲
矿产资源开发利用方案编写内容要求及《矿产资源开发利用方案》审查大纲一、概述
㈠矿区位置、隶属关系和企业性质。

如为改扩建矿山, 应说明矿山现状、
特点及存在的主要问题。

㈡编制依据
(1简述项目前期工作进展情况及与有关方面对项目的意向性协议情况。

(2 列出开发利用方案编制所依据的主要基础性资料的名称。

如经储量管理部门认定的矿区地质勘探报告、选矿试验报告、加工利用试验报告、工程地质初评资料、矿区水文资料和供水资料等。

对改、扩建矿山应有生产实际资料, 如矿山总平面现状图、矿床开拓系统图、采场现状图和主要采选设备清单等。

二、矿产品需求现状和预测
㈠该矿产在国内需求情况和市场供应情况
1、矿产品现状及加工利用趋向。

2、国内近、远期的需求量及主要销向预测。

㈡产品价格分析
1、国内矿产品价格现状。

2、矿产品价格稳定性及变化趋势。

三、矿产资源概况
㈠矿区总体概况
1、矿区总体规划情况。

2、矿区矿产资源概况。

3、该设计与矿区总体开发的关系。

㈡该设计项目的资源概况
1、矿床地质及构造特征。

2、矿床开采技术条件及水文地质条件。

肺腺癌预后相关关键基因的生物信息学分析

肺腺癌预后相关关键基因的生物信息学分析温海燕;朱玉坤;曹立宇【期刊名称】《现代医药卫生》【年(卷),期】2022(38)12【摘要】目的利用生物信息学方法对人类肺腺癌肿瘤组织与正常癌旁组织的差异表达基因(DEGs)进行筛选和分析,筛选出肺腺癌发生、发展的关键基因——Hub基因,并为后续研究提供候选基因。

方法从GEO数据库中下载肺腺癌基因芯片数据集——GSE63459和GSE27262,利用GEO2R筛选人类肺腺癌肿瘤组织与正常癌旁组织的DEGs,然后利用DAVID数据库对DEGs进行基因本体富集分析,KOBAS数据库进行KEGG通路富集分析,利用STRING数据库、Cytoscape软件构建蛋白互作网络并筛选Hub基因,再利用Oncomine数据库对Hub基因进行进一步筛选,最后使用Kaplan-Meier plotter数据库进行生存分析。

结果共筛选出22个明显上调的DEGs,筛选出E-钙黏蛋白1、人类表皮生长因子受体、细胞酪氨酸激酶3个Hub基因,3个Hub基因与肺腺癌患者总体生存期明显相关。

结论E-钙黏蛋白1、人类表皮生长因子受体、细胞酪氨酸激酶3个Hub基因可能与人类肺腺癌的发生、发展密切相关,可能是肺腺癌发病机制、预后判断和治疗研究的新靶点。

【总页数】5页(P2000-2004)【作者】温海燕;朱玉坤;曹立宇【作者单位】安徽医科大学附属阜阳医院病理科【正文语种】中文【中图分类】R318.04;R734.2【相关文献】1.基于生物信息学分析的肺腺癌诊断及预后相关基因筛选2.基于生物信息学方法识别肺腺癌预后相关基因3.基于生物信息学方法识别肺腺癌预后相关基因4.基于生物信息学探索肺腺癌预后相关基因及免疫浸润分析5.基于生物信息学方法识别肺腺癌预后相关基因及预后风险模型的构建因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。