XiaoMi-AI文件搜索系统
World File Search SystemCCNB1
2025; 16（6）：2026-2040。 doi：10.7150/jca.104472研究论文识别轮毂基因的诊断和预后三重阴性乳房C
简介：三阴性乳腺癌（TNBC）的特征是没有雌激素受体（ER），孕酮受体（PR）和人表皮生长因子受体2（HER2）表达。它具有高度侵入性和侵略性，使其成为预后最差的乳腺癌的亚型。目前，全身化疗是主要的治疗选择，但靶向疗法仍然无法使用。因此，迫切需要确定新型的生物标志物来早期诊断和治疗TNBC。方法：我们对转录组和甲基化数据进行了综合分析，以鉴定甲基化调节的差异表达基因（MDEGS）。基因本体论（GO）分析，基因和基因组（KEGG）途径分析的京都百科全书，以及蛋白质 - 蛋白质相互作用（PPI）网络分析，以研究HUB基因对TNBC诊断和预后的影响。随后，使用逆转录定量PCR（RT-QPCR）和定量甲基化特异性PCR（QMSP），在TNBC细胞系MDA-MB-231和正常乳腺上皮细胞系MCF-10A中验证了关键基因的表达水平和DNA甲基化模式。结果：通过转录组分析积分分析确定了98个上调和87个下调基因。通过融合甲基化数据，我们进一步鉴定了22种具有高甲基化表达（甲基甲基甲基化）和32个基因，而高甲基化表达较低（高甲基化）。Kaplan-Meier生存分析表明，KIF11，CCNB1和PLK1与TNBC中较高的危险比（HR> 1，p <0.05）相关。低位级主要参与核分裂，细胞器裂变，纺锤体形成，染色体和动孔发育以及蛋白质结合。KEGG途径分析表明，这些基因富含孕酮介导的卵母细胞成熟，细胞周期调节和卵母细胞减数分裂。超高与细胞增殖，激素反应，疼痛，细胞外基质组成以及与硫化合物，肝素和糖胺聚糖的结合有关。PPI网络分析确定了七个中心基因-EXO1，KIF11，FOXM1，CENPF，CCNB1，PLK1和KIF23 - 它们在TNBC组织中都显着过表达并彼此正相关（p <0.05）。接收器的工作特性曲线分析表明，曲线下的面积（AUC）的所有七个基因都超过0.9（p <0.05），表明诊断潜力很强。体外验证实验表明，与MCF-10A细胞相比，MDA-MB-231细胞表现出较高的KIF11，CCNB1和PLK1的mRNA表达水平，而其DNA甲基化水平较低。结论：这项研究确定了七个少量级，包括EXO1，KIF11，FOXM1，CENPF，CCNB1，PLK1和KIF23，它们参与了细胞周期和有丝分裂过程的调节，并且具有TNBC的诊断生物标志物的重要性。值得注意的是，KIF11，CCNB1和PLK1的表达升高与TNBC患者的预后不良有关。这些发现有助于提高对表观遗传学分子机制的理解
医学®
摘要 为探讨COVID-19与白塞氏病（BD）关系的潜在作用，寻找相关的生物标志物。采用生物信息学方法下载COVID-19患者外周血单核细胞（PBMCs）和BD患者PBMCs的转录组数据，筛选COVID-19与BD之间的共同差异基因，进行基因本体（GO）和通路分析，构建蛋白质-蛋白质相互作用（PPI）网络，筛选枢纽基因并进行共表达分析。此外，还构建了基因-转录因子（TFs）-miRNA网络、基因-疾病网络和基因-药物网络，以深入了解两种疾病之间的相互作用。我们使用了GEO数据库（GSE152418、GSE198533）中的RNA测序数据集。通过交叉分析获得461个上调的共同差异基因和509个下调的共同差异基因，绘制PPI网络，并利用Cytohubba筛选出关联最强的15个基因作为枢纽基因（ACTB、BRCA1、RHOA、CCNB1、ASPM、CCNA2、TOP2A、PCNA、AURKA、KIF20A、MAD2L1、MCM4、BUB1、RFC4、CENPE）。筛选出具有统计学意义的枢纽基因，发现ACTB在BD和COVID-19中均处于低表达状态，ASPM、CCNA2、CCNB1、CENPE在BD中处于低表达状态，而在COVID-19中处于高表达状态。随后进行GO分析和通路分析，获得共同的通路和生物反应过程，提示BD与COVID-19之间存在共同的关联。基因-TFs-miRNA网络、基因-疾病网络和基因-药物网络也在两种疾病的相互作用中发挥重要作用。COVID-19和BD之间存在相互作用。ACTB、ASPM、CCNA2、CCNB1和CENPE是两种疾病的潜在生物标志物。
与疾病发展相关的乳腺癌生物标志物；一项基于计算机的研究
简介：乳腺癌 (BC) 是全球女性死亡的主要原因之一。通过与疾病发展相关的差异表达识别基因有助于我们更好地了解 BC 的分子机制。目的：我们的研究使用计算机模拟分析来识别可能引发 BC 发展的中心基因。材料和方法：在这项横断面计算机模拟研究中，我们在基因表达综合 (GEO) 数据库中确定了 GSE38959 和 GSE45827 为差异表达基因 (DEG)，调整后的 P < 0.05。在这两组中，在病例和正常 BC 样本中表达的 DEG 中均观察到 logFC ≥ 2 和 logFC ≤ -2。然后进行比较，使用 GEO2R 工具检测两个常见的 DEG 数据集。使用京都基因和基因组百科全书 (KEGG) 和基因本体数据库阐明途径。然后使用 Cytoscape 和 Gephi 分析蛋白质-蛋白质相互作用 (PPI)。最后进行 GEPIA 分析以验证目标基因。结果：使用 GEO，鉴定出 322 个常见 DEG 和 65 个中心基因作为 PPI。基于基因本体 (GO) 和 KEGG 通路分析，DEG 在与细胞分裂、染色体、着丝粒区域、微管结合和细胞周期相关的功能方面富集。通过 GEPIA 分析比较正常与肿瘤样本时，CDK1、CCNB1、TOP2A、CXCL12、IGF1 和 KIT 6 个基因的表达具有统计学意义。结论：本研究引入了六个高表达基因（CDK1、CCNB1、TOP2A、CXCL12、IGF1 和 KIT），可作为 BC 发展 (所有基因 P <0.05) 的生物标志物。需要进一步进行全面的体内实验研究来描述它们在 BC 中的作用。
网络药理学和生物信息学探索Fuzheng Xiaoliu颗粒的分子机制用于治疗肝素
背景和目的：肝细胞癌（HCC）是世界上十大最常见的恶性肿瘤之一，它是世界上一个主要问题。中医（TCM）在预防和治疗HCC方面具有许多优势，但其复杂的作用机理很难澄清，这限制了其研发。生物信息技术的持续发展为TCM研究提供了新的方法和机会。这项研究使用现代网络药理学和生物信息学方法来探索中草药化合物Fuzheng fuzheng fuzheng小颗粒（FZXLG）的可能分子机制，以治疗HCC，为其临床应用和基本研究提供理论基础，以促进TCM的现代化，以促进其世界化的应用。方法：通过TCMSP，BATMAN-TCM和其他数据库收集FZXLG的活性成分。通过PubChem和Swisstarget Prediction预测FZXLG的目标；通过Genecards，OMIM和其他疾病数据库获得了与HCC疾病相关的靶标，并筛选了FZXLG的潜在基因靶标。构建了用于治疗HCC的FZXLG的“处方-tcms-ingredients-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets”。分析了TCGA数据库中HCC肿瘤和非肿瘤邻近组织的差异表达基因（DEG），以获得HCC的预后基因。然后，筛选了影响HCC预后的FZXLG基因，并进一步筛选核心靶基因。研究了HCC患者的核心基因表达与预后，免疫细胞浸润和免疫组织化学变化之间的相关性。基因和基因组的百科全书（KEGG）富集分析和基因本体学富集分析，对影响HCC预后的FZXLG基因进行了使用David Database进行了。AutoDockTools软件随后用于分子对接验证。结果：用于HCC治疗的FZXLG的十种核心有效成分包括多种类黄酮成分，例如槲皮素，Luteolin和formononetin。11影响HCC预后的FZXLG的核心靶标被筛选，其中雌激素受体1（ESR1）和催化酶（CAT）是有利的预后因素，而EGF，MMP9，CCNA2，CCNB1，CCNB1，CDK1，CDK1，CHEK1，CHEK1，CHEK1和E2F1是不良的预测因素。MMP9和EGF与六个TIIC子集正相关。CAT，PLG，AR，MMP9，CCNA2，CCNB1，CDK1和E2F1的不同表达水平与正常肝癌和肝癌的免疫组织化学染色变化相关。KEGG途径富集分析产生了33个途径，包括细胞周期，p53，乙型肝炎和其他信号通路。分子对接证实了主要核心成分与保护性预后核心靶标ESR1和CAT具有良好的结合。结论：FZXLG可以通过多种成分，多个靶标和多种途径来治疗HCC，从而影响HCC的预后，免疫微环境和免疫组织化学变化。