XiaoMi-AI文件搜索系统
World File Search SystemCIBERSORT
研究论文膀胱癌免疫浸润特征及其临床意义：综合基因组分析
肿瘤浸润免疫细胞与膀胱癌预后密切相关。肿瘤浸润免疫细胞的分析通常基于免疫组织化学分析。由于许多免疫细胞标记蛋白对不同的免疫细胞并不具有特异性，这可能会引起误导或不完整。CIBERSORT 是一种使用基因表达数据估计混合细胞群中特定细胞类型的算法。在本研究中，CIBERSORT 算法用于识别免疫细胞浸润特征。基因表达谱、突变数据和临床数据均来自 Cancer Genome Atlas (TCGA) 数据库。使用无监督共识聚类根据 22 种免疫细胞类型的分数获得膀胱癌的免疫细胞浸润亚型。确定了四个具有不同免疫浸润和突变特征的免疫细胞簇。此外，这种分层具有预后相关性，其中簇 2 的结果最好，簇 1 最差。这些簇显示出不同的 mRNA 表达模式。亚型簇1中的特征基因主要参与细胞分裂，亚型簇2中的特征基因主要参与抗原加工和呈递，亚型簇3中的特征基因主要参与表皮细胞分化，亚型簇4中的特征基因主要参与体液免疫反应。这些差异可能影响膀胱癌的发展、对治疗的敏感性以及预后。通过进一步验证，本研究可能有助于个性化治疗和精准医疗的发展。
鉴定用于诊断 2 型糖尿病的生物标志物......
方法：对基因表达综合数据库中两种疾病的公开数据进行差异表达分析和加权基因相关网络分析（WGCNA），寻找与两种疾病相关的基因。利用蛋白质-蛋白质相互作用（PPI）、基因本体论和京都基因和基因组百科全书来识别与T2DM相关的MAFLD基因和潜在机制。利用机器学习算法结合12种cytoHubba算法筛选候选生物标志物，构建并评估T2DM相关MAFLD的诊断模型。采用CIBERSORT方法研究MAFLD中的免疫细胞滤过和中心基因的免疫学意义。最后，采集T2DM相关MAFLD患者、MAFLD患者和健康个体的全血，并采用高脂、高糖结合高脂细胞模型来验证中心基因的表达。
针对生物标志物和治疗性TAR鉴定的小细胞肺癌中氟胞菌相关基因的原始研究综合分析
背景：铁铁作用是一种依赖铁的编程细胞死亡模式，该模式是由磷脂过氧化的有毒积累引起的。尽管已知它会影响肿瘤的起始和生长，但尚未建立与铁毒相关基因（FRGS）（FRGS）（FRGS）（SCLC）之间的关联。方法：我们使用基因表达综合（GEO）和铁毒数据库（FERRDB）来获取有关SCLC及其相关FRG的信息。随后，使用最小绝对收缩和选择算子（LASSO）和支持向量机递归特征Eilmination（SVM-RFE）算法鉴定出标记基因，并分析单基因函数和途径富集。使用药物 - 基因相互作用数据库（DGIDB），我们确定了针对六个标记基因的40种药物。竞争性的内源性RNA（CERNA）网络揭示了基于标记基因的长期非编码RNA（LNCRNA） - microRNA（miRNA） - 梅纳（miRNA） - 梅纳（miRNA） - 通用RNA（mRNA）。结果：将六个差异表达的FRG（ATG3，MUC1，RRM2，IDH2，PARP1和EZH2）鉴定为具有准确诊断能力的标记基因。根据单基因功能和途径富集分析，这些标记基因可能与免疫调节和细胞周期有关，以及与肿瘤发生相关的许多途径，包括JAK-Stat和PPAR信号途径。此外，Cibersort分析表明，MUC1和PARP1表达可能会影响SCLC中的免疫微环境。现在必须在临床应用之前通过进一步的研究来确认这些结果的准确性。结论：我们使用逻辑回归模型确认了标记基因诊断SCLC的准确性，从而提供了进一步研究与SCLC相关机制的机会。
与预后和免疫浸润相关的草药配方的研究文章机制：转录组学分析和分子动态
背景。这项研究的目的是探索使用系统生物学方法的草药配方单体与其治疗靶标之间的相互作用，这可能是揭示其潜在机制的一种有希望的方法。shentao ruangan汤（Strgd）。方法。从传统的中药系统药理学数据库和分析平台和蝙蝠侠-TCM数据库中检索了StrGD的生物活性成分和药物靶标。LIHC相关的差异分歧基因（DEGS）和关键模块。te kaplan – Meier分析用于研究StrGD肿瘤靶标与患者存活之间的关系。te cibersort反卷积算法用于分析StrGD肿瘤靶标与内部免疫细胞之间的相关性。富集分析用于分析生物学功能。使用分子对接和MDS研究了StrGD化合物与LIHC-免疫相关基因之间的相互作用。结果。我们确定了24个StrGD肿瘤靶标，这与LIHC患者的生存和免疫细胞水平相关。免疫纤维化，基因集富集和基因和基因组分析的京都百科全书强调了T和B细胞亚群的作用，这些作用均与激活蛋白1（AP1）有关，在StrGD动作中都相关。结论。对接研究和HPLC表明，坦（Tanshinone IIA）是LIHC治疗中StrGD的主要化合物，MDS表明潜在的LIHC免疫相关靶标1FOS和1Junly与Tanshinone IIA结合。TE机制包括StrGD化合物与LIHC免疫相关靶标之间的相互作用。这项研究的发现可以指导研究研究研究对靶向1Jun和1fos治疗LIHC的药物的潜在有用性的研究。
SRC 家族激酶 (SFK) 抑制剂达沙替尼通过抑制 Treg 细胞转化和增殖来提高 NSCLC 模型中抗 PD-1 的抗肿瘤活性
摘要 简介 免疫检查点抑制剂的使用大大改善了非小细胞肺癌 (NSCLC) 患者的治疗，但先天和获得性耐药性是需要解决的障碍。可重振免疫细胞毒活性的免疫调节药物与抗程序性细胞死亡 1 (PD-1) 抗体相结合，是克服耐药性的巨大希望。我们评估了 SRC 家族激酶 (SFK) 对 NSCLC 预后的影响，以及 SFK 抑制剂达沙替尼与抗 PD-1 联合在临床相关的 NSCLC 小鼠模型中的免疫调节作用。 方法 使用来自纳瓦拉大学诊所的一组患者 (n=116) 通过多重免疫荧光 (mIF) 和肿瘤样本中的 YES1 蛋白表达来研究免疫浸润。利用公开资源（TCGA、Km Plotter 和 CIBERSORT）研究基于 SFK 表达和肿瘤浸润的患者生存期。同基因 NSCLC 小鼠模型 393P 和 UNSCC680AJ 用于体内药物测试。结果在 SFK 成员中，YES1 表达与不良预后关联最高。YES1 肿瘤水平高的患者也表现出 CD4+/FOXP3+ 细胞（调节性 T 细胞 (Tregs)）的高浸润，表明具有免疫抑制表型。在小鼠细胞系中测试 YES1 表达后，选择 393P 和 UNSCC680AJ 进行体内研究。在 393P 模型中，达沙替尼+抗 PD-1 治疗产生协同活性，87% 的肿瘤消退和免疫记忆的形成，当小鼠再次受到攻击时，免疫记忆会阻碍肿瘤生长。体内耗竭实验进一步表明，CD8+ 和 CD4+ 细胞是该组合治疗效果所必需的。抗肿瘤活性伴随着 Tregs 数量的非常显着的减少，这通过肿瘤切片中的 mIF 得到验证。在 UNSCC680AJ 模型中，达沙替尼 + 抗 PD-1 的抗肿瘤作用较温和，但与 393P 相似
原创研究 糖尿病肾病相关的铁死亡及免疫相关基因综合分析
目的：糖尿病肾病 (DKD) 是全球慢性肾病 (CKD) 的主要原因。阐明 DKD 中铁死亡和免疫的分子机制可能有助于开发潜在有效的治疗方法。本研究旨在对 DKD 中的铁死亡和免疫相关差异表达 mRNA (DEG) 进行综合分析。材料和方法：从基因表达综合 (GEO) 数据库下载 DKD 患者和对照样本的基因表达谱。使用 R 软件筛选潜在的差异表达基因 (DEG)，并从 DEG 中提取铁死亡免疫相关差异表达基因 (FIRDEG)。我们进行了功能富集分析，并构建了蛋白质-蛋白质相互作用 (PPI) 网络、转录因子 (TF)-基因网络和基因-药物网络，以探索它们的潜在生物学功能。相关性分析和受试者工作特征曲线用于评估 FIRDEG。我们使用CIBERSORT算法来检查免疫细胞的组成并确定FIRDEG特征与免疫细胞之间的关系。最后，使用RT-PCR在动物肾脏样本中验证了六种FIRDEG的RNA表达。结果：我们鉴定了80个FIRDEG并进行了功能分析。我们利用PPI网络鉴定了六个枢纽基因（Ccl5、Il18、Cybb、Fcgr2b、Myd88和Ccr2），并预测了潜在的TF基因网络和基因-药物对。DKD中的免疫细胞（包括M2巨噬细胞、静息肥大细胞和γ-delta T细胞）发生了改变；FIRDEG（Fcgr2b、Cybb、Ccr2和Ccl5）与M2巨噬细胞和γ-delta T细胞的浸润丰度密切相关。最后，在小鼠肾脏样本中验证了枢纽基因。结论：我们鉴定了 DKD 中的六个枢纽 FIRDEG（Ccl5、Il18、Cybb、Fcgr2b、Myd88 和 Ccr2），并预测了潜在的转录因子基因网络和未来研究的可能治疗靶点。关键词：糖尿病肾病、铁死亡、免疫、生物信息学
o r i g i n a l r e s a r c h prmt1在肝细胞癌的进展中整合了免疫微环境和脂肪酸代谢反应
背景：蛋白精氨酸甲基转移酶（PRMT）家族成员在癌症过程中具有重要作用。然而，它在调节肝细胞癌（HCC）的癌症免疫疗法中的功能尚不完全了解。这项研究旨在研究PRMT1在HCC中的作用。方法：获得单细胞RNA测序（SCRNA-SEQ）和临床病理数据，并用于探索HCC中PRMT1的免疫微环境调节中的诊断和预后价值，细胞功能以及在HCC中的PRMT1调节中的作用。使用基因和基因组（KEGG）和基因本体论（GO）以及基因集富集分析（GSEA）（GSEA）的基因和基因组（KEGG）和基因组学百科全书（GSEA）探索了PRMT1的功能。计时器和Cibersort用于分析PRMT1表达与免疫细胞浸润之间的关系。字符串数据库用于构建蛋白质 - 蛋白质相互作用（PPI）网络。结果：PRMT1在HCC中异常表达，高表达与HCC患者的肿瘤进展相关，总生存期（OS）和无病生存期（DFS）。PRMT1也与免疫细胞浸润有关。此外，它是在免疫细胞中特异性表达的，包括耗尽的CD8 T细胞，B细胞和单宏/宏观细胞。在HCC患者的高PRMT1表达组中，免疫检查点的表达显着增加。在PRMT1敲低HCC细胞中被抑制。此外，与PRMT1共表达的基因参与了脂肪酸代谢过程，并富含脂肪和药物诱导的肝病。结论：综上所述，这些结果表明PRMT1可能通过HCC中的免疫微环境调节和脂肪酸代谢发挥其致癌作用。我们的发现将为进一步的研究提供基础，并表明对肝癌的潜在临床治疗靶点。关键词：蛋白精氨酸甲基转移酶，PRMT1，预后，肿瘤浸润，脂肪酸代谢
单细胞和批量 RNA 测序综合分析揭示结直肠癌杯状凋亡相关基因的预后模型和肿瘤微环境重塑机制
背景：最近，人们对铜凋亡（一种由铜介导的程序性细胞死亡形式）产生了浓厚的兴趣。铜凋亡相关基因影响结直肠癌 (CRC) 发展的具体机制尚不清楚。方法：在这里，我们将批量 RNA 测序与 scRNA 测序相结合，以研究 CRG 在 CRC 中的功能。选择了 61 个铜凋亡相关基因进行进一步研究。通过 Lasso-Cox 确定了 9 个预后 CRG。创建了风险评分，并将患者分为两个不同的组，即低风险评分组和高风险评分组。使用 CIBERSORT、ESTIMATE、MCP-counter、TIDE 和 IPS 对 TME 进行评分，并使用 GSVA 和 GSEA 评估两组中的通路。此外，我们使用细胞通讯分析探索基于 scRNA 测序的 COX17 和 DLAT 的肿瘤微环境重塑机制。最后，我们使用 IHC 和 qPCR 来验证 COX17 和 DLAT 的表达。结果：AOC3、CCS、CDKN2A、COX11、COX17、COX19、DLD、DLAT 和 PDHB 被认为是 CRC 中的预后 CRG。高危组预后最差，免疫缺陷表型，并且对 ICB 治疗更具抵抗力。此外，scRNA-seq 分析显示 CD4-CXCL13Tfh 中 COX17 表达升高可能导致免疫逃避，而 DLAT 具有相反的作用，逆转 T 细胞耗竭并诱导细胞焦亡以促进 CD8-GZMKT 浸润。结论：本研究利用杯状凋亡相关基因开发了一个预后框架，该框架可有效预测 CRC 患者的预后、TME 类型和对免疫治疗的反应。此外，我们的研究揭示了一个新发现，即 CRC 中 CD4- CXCL13 T 细胞内 COX17 表达水平升高会介导 T 细胞耗竭和 Treg 浸润，而 DLAT 则被发现通过逆转 T 细胞耗竭和诱导细胞焦亡来促进抗肿瘤免疫激活。
o r i g i n a l r e s a r c h c h生物信息学和综合实验方法，用于识别和验证共表达的与铁毒相关的gen
目的：骨关节炎（OA）是全世界最常见的关节疾病，是老年人的残疾和慢性疼痛的主要原因。FROFROPTOSOS。是一种以异常的铁代谢和活性氧累积为特征的程序性细胞死亡。但是，它在OA中的作用尚不清楚。方法：为了确定来自OA患者的关节软骨和滑膜样品共表达的螺旋病标志物，进行了硅分析中进行分析。分析了签名基因，并使用ROC曲线预测模型对结果进行了评估。签名基因和铁凋亡表型。使用QRT-PCR确定来自OA患者的样品中非编码RNA的表达水平。CERNA网络分析结果已使用双葡聚糖酶测定确认。结果：JUN，ATF3和CDKN1A被鉴定为OA-和铁铁相关的签名基因。GSEA分析表明，这些基因在免疫和炎症反应中的富集以及氨基酸代谢。cibersort算法在软骨中显示T细胞与这些特征基因之间的负相关性，并且在滑膜中呈正相关。此外，RP5-894D12.5和FAM95B1通过竞争性结合与miR-1972，miR-665和miR-181a-2-3p来调节JUN，ATF3和CDKN1A的表达。此外，在小鼠和人OA滑膜和软骨组织中，JUN，ATF3和CDKN1A表达都被下调。在体内，在OA软骨和滑膜中都下调了GPX4。然而，GPX4和GSH被下调，而在患者OA软骨和滑膜样品中，亚铁离子被上调，表明铁铁蛋白酶与OA的发病机理有关。QRT-PCR恶魔表明，MiR-1972，RP5-894D12.5和FAM95B1在OA组织中差异表达。通过双速度左右分析证实了MiR-1972与JUN之间的相互作用，以及RP5-894D12.5，MiR-1972和JUN之间的CERNA调节机制。结论：这项研究确定JUN，ATF3和CDKN1A可能是关节滑膜炎和OA的诊断生物标志物和治疗靶标。此外，我们的发现表明RP5-894D12.5/miR-1972/jun是OA中潜在的CERNA调节轴，从而深入了解了铁毒性和OA之间的联系。关键词：骨关节炎，铁毒炎，滑膜炎，生物信息学，JUN，ATF3，CDKN1A，GPX4