XiaoMi-AI文件搜索系统
World File Search SystemCytoscape
基于生物信息学探讨肥胖基因与疾病发生的关联性
方法：网络药理学和蛋白质 - 蛋白质相互作用网络可视化和富裕分析技术用于找到肥胖基因与其相互作用小的RNA和疾病之间的关联。disgenet，Genecards，TTD和OMIM数据库用于搜索与肥胖，糖尿病和乳腺癌相关的基因靶标，然后与UNIPROT数据库结合使用，用于基因去除和映射，肥胖和各种疾病的关键基因数据。使用Venny在线数据处理平台来获得肥胖和各种疾病之间的关联基因。相关基因是通过使用字符串在线分析平台构建目标蛋白质相互作用网络图和topoolosogogogogogopogogogogogogogogogogogogogogogogogogogogogogogogogogogogogogogogical构建基因，并通过Cytoscape软件进一步筛选了结果，以获得各种疾病与肥胖症之间具有牢固关联的核心目标基因。使用David在线数据库和微生物症的在线分析平台，通过GO和KEGG富含所获得的核心靶基因。结果：有460个肥胖胸癌交叉基因，607个肥胖糖果交叉基因，23个肥胖乳腺癌核心基因和24个肥胖糖核心核心基因。在此基础上，总共获得了与肥胖和乳腺癌有关的138个核心基因或miRNA。有144个与肥胖和糖尿病有关的核心基因或miRNA。本研究使用生物信息学方法来研究肥胖与糖尿病和乳腺癌的关系和潜在机制，然后为我们提供了一种新的观点，可以通过对miRNA的研究来了解与肥胖相关并发症的机制，并为我们提供了新的想法，以探索和改善治疗方法。
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。
研究论文评估多胺代谢产物在血液中的作用以及结核分枝杆菌的DNA甲基化对多药物的患者
背景：结核病（TB）是中国第二大传染病杀手，耐药性结核病患者的患病率不断增加，使治疗工作变得复杂并增加了相关成本。对耐药结核病的机制和特征的研究有助于发现新药物靶标和新的抗结核药物的发展。方法：在这项研究中，使用高性能液相色谱（HPLC）来检测多胺代谢产物的含量，而蛋白质印迹，qPCR和ELISA被用来检测与多胺代谢相关酶的表达。牛津纳米孔技术（ONT）测序被应用于耐多药结核分枝杆菌（MTB）中的剖面DNA甲基化。基因本体论（GO）分析和基因和基因组（KEGG）途径富集分析的京都百科全书在筛选的差异性高甲基化基因上进行。此外，使用字符串和细胞尺度软件用于构建蛋白质 - 蛋白质相互作用（PPI）网络以识别关键基因。结果：结果表明，在结核病患者的外周血中，精子（SPD）和多胺代谢相关酶的升高升高。此外，多胺和代谢相关的酶的产生在多药耐药性结核病（MDR-TB）患者的外周血中增加。GO和KEGG分析表明，差异甲基化基因主要富含精氨酸代谢。PPI网络分析确定了最高程度的前五位关键基因：MoAx，vapc49，vapb49，higha3和nuoc。结论：MDR-TB患者的外周血中多胺代谢产物增加。多种耐药的MTB中差异性高甲基化基因参与精氨酸生物合成过程，差异甲基化基因可能在MTB的多药耐药性中起重要的生物学作用。
槲皮素抗膝骨关节炎的潜在靶点及分子机制
摘要 目的基于网络药理学和分子对接，阐明槲皮素抗膝骨关节炎（KOA）的潜在作用机制。方法 通过PubChem和Swiss Target Prediction数据库预测槲皮素的靶点，通过DisGeNET、OMIM和GeneCards数据库获取KOA的靶点，然后将槲皮素与KOA的靶点进行交集，寻找槲皮素抗KOA的潜在靶点。通过STRING数据库构建蛋白质-蛋白质相互作用网络，筛选核心靶点。利用DAVID数据库进行基因本体（GO）功能富集分析和京都基因和基因组百科全书（KEGG）通路富集分析。用Cytoscape软件构建药物-靶点-通路-疾病网络，并用Vina进行分子对接验证。结果槲皮素抗KOA潜在靶点49个，其中核心靶点10个。GO功能富集分析显示槲皮素抗KOA的生物学过程主要涉及对细胞凋亡过程、胶原分解过程、细胞外基质解体等的负调控。KEGG通路富集分析显示槲皮素抗KOA与PI3K-Akt信号通路、Rap-1信号通路、FoxO信号通路、Ras信号通路、TNF信号通路、ErbB信号通路密切相关。分子对接结果显示配体与受体之间的结合能小于5kcal•mol-1。结论槲皮素抗KOA的分子机制涉及多个靶点和通路，能够调控软骨细胞的增殖与凋亡、细胞外基质的降解以及炎症反应。槲皮素可以稳定地与核心靶蛋白的活性口袋结合，从而发挥对抗KOA的功效。
格列美脲与 chandraprabha vati 中植物化学物质之间的药物相互作用的网络药理学分析：确定共同靶点和分子机制
网络药理学是一种多靶点药物发现方法，用于探索药物与生物网络之间的相互作用。它有助于了解草药的治疗机制，特别是对于糖尿病等复杂疾病。Chandraprabha Vati 是一种经典的阿育吠陀配方，含有 37 种成分，其中许多成分具有抗糖尿病作用。本研究旨在研究 Chandraprabha Vati 的植物化学物质与抗糖尿病药物格列美脲之间的相互作用。使用 IMPPAT 选择 Chandraprabha Vati 的生物活性成分。使用 Swiss ADME 进行药代动力学预测，并使用 Way2Drug 预测药物间相互作用。使用 STRING 数据库构建蛋白质-蛋白质相互作用 (PPI)，并在 Cytoscape 中进行网络分析。使用 DAVID 数据库进行基因本体和 KEGG 富集分析。药代动力学分析确定了 11 种关键植物化学物质，它们对参与格列美脲代谢的酶 CYP2C9 具有不同的影响。靶标重叠分析显示格列美脲和植物化学物质之间存在 34 个共同的枢纽基因，包括 EGFR、ESR1、PIK3CA、CYP2C9 和 SRC。这些基因与药物相互作用有关，其中 EGFR 成为关键因素。Chandraprabha Vati 中的植物化学物质，特别是 20-羟基孕-4-烯-3-酮、β-石竹烯和豆固醇，可能通过抑制 CYP2C9 与格列美脲相互作用。这可能会改变格列美脲代谢，增加不良反应的风险。需要进一步的临床研究来证实这些发现并指导安全的联合用药。
RCMB633CORR 396..402研究文章
化学疗法诱导的周围神经病（CIPN）是抗癌治疗的常见侧面影响，这可能会影响其成功完成。te huang-qi-gui-zhi-wu-wu汤（HQGZWWD）已被广泛用于治疗中国的CIPN，尽管涉及的药理机制尚未得到澄清。使用网络药理学方法，本研究研究了CIPN的潜在发病机理以及CIPN中HQGZWWD草药配方施加的治疗机制。TE目标，并且CIPN的基因是由Disgenet，GeneCard和文献搜索来收集的。通过使用Cytoscape构建了草药配方和疾病之间的常见目标相互作用网络。基因和基因组（KEGG）途径富集分析的基因本体（GO）功能（GO）功能和京都百科全书用于揭示HQGZWWD在治疗CIPN中的机制和效应。筛选了总共153个与CIPN相关的基因，并构建了具有96个节点和424个边缘的蛋白质 - 蛋白质相互作用（PPI）网络。从HQGZWWD中检索了63个活性组件，其中具有Herb-Composite化合物网络，其中包括748个节点和5448个边缘。四十一个目标属于上述两个网络。TE分析表明，CIPN的主要病理过程可能是炎症反应和神经损伤，而HQGZWWD在CIPN中起着治疗作用，通过调节弱弹性反应和修复神经损伤，从而验证该草药疗法的可靠效果。此外，我们发现了两个新的潜在治疗靶标（CDK7和GSTM2）需要进一步研究。TIS研究充分说明了TCM具有多重补充，多毒和多道路处理的特征，这是研究草药配方的治疗效果的重要意义。
生物信息学洞察途径和基因关联
摘要简介：鼻咽癌的发病机理（NPC）是复杂的，受宿主遗传学，病毒感染和环境因素在内的因素的影响，导致遗传和表观遗传修饰。尽管对早期患者的预后呈阳性，但大多数NPC病例都在高级阶段被诊断出，这突出了增强对早期诊断和治疗的可及性的紧迫性。驱动NPC进展的潜在分子途径仍然难以捉摸。本研究的重点是使用生物信息学技术和数据库进行研究，以了解对NPC中基因相关性和潜在应用的见解。材料和方法：从2017年1月至2024年6月以英文发表的搜索，利用了“鼻咽癌”，“生物信息学”，“基因表达”和“基因微阵列”等关键字，跨越了PubMed，Medline和Scopuss。基因表达综合（GEO）数据库用于访问NPC Messenger RNA（mRNA）表达分析研究。结果：大多数研究都利用GEO数据库来鉴定正常组织和NPC组织之间差异表达的基因（DEG），然后使用基因和基因组（KEGG）途径的基因本体论（GO）和京都百科全书进行功能分析。蛋白质蛋白质相互作用（PPI）的DEG网络通常是使用字符串构建的，并使用Cytoscape软件可视化。GO和KEG途径分析与PPI网络构建以及NPC发病机理下的失调途径和分子机制的有价值的见解。微阵列分析，尤其是GSE12452，GSE64634和GSE34573等数据集，已实现了与NPC相关的DEG的识别。PPI网络分析确定了与NPC发病机理有关的轮毂基因，例如DNALI1，DNAI2和RSPH9。通过GEPIA等平台和oncomine验证基因表达模式验证了已鉴定的生物标志物的临床相关性。 此外，采用RNA测序和生物信息学方法的研究发现了与NPC无线电抗性和预后有关的新型基因，为个性化的治疗策略铺平了道路。通过GEPIA等平台和oncomine验证基因表达模式验证了已鉴定的生物标志物的临床相关性。此外，采用RNA测序和生物信息学方法的研究发现了与NPC无线电抗性和预后有关的新型基因，为个性化的治疗策略铺平了道路。
利用网络药理学和分子药物设计研究硝唑尼特治疗肝细胞癌的分子靶点和途径
硝唑尼特已被研究用于治疗结直肠癌和乳腺癌。然而，其分子靶点和途径尚未被探索用于治疗肝细胞癌 (HCC)。利用网络药理学方法，研究了硝唑尼特治疗 HCC 的潜在靶点和分子途径。从 GeneCards 数据库中提取 HCC 靶点。使用 Swiss Target Prediction 和 Super Pred 预测硝唑尼特的潜在靶点。使用 VENNY 在线工具分析相交靶点。使用 Cytoscape 构建了蛋白质-蛋白质相互作用 (PPI)、聚类和核心靶点-途径网络。使用注释、可视化和集成发现数据库 (DAVID)、基因本体 (GO) 和京都基因和基因组百科全书 (KEGG) 进行途径富集分析。使用 Auto Dock Vina 将硝唑尼特与抗 HCC 核心靶点进行分子对接。共鉴定出硝唑尼特168个潜在靶点、13,415个HCC相关靶点和153个交叉靶点。鉴定出前8个抗HCC核心靶点：SRC、EGFR、CASP3、MMP9、mTOR、HIF1A、ERBB2和PPARG。GO富集分析表明，硝唑尼特可能通过影响参与多个生物过程（BP）（蛋白质磷酸化、跨膜受体蛋白酪氨酸激酶（RTKs）信号通路、MAP激酶活性的正向调控等）的基因靶点而发挥抗HCC作用。KEGG通路和核心靶点-通路网络分析表明，癌症中的通路和癌症中的蛋白聚糖是两条对硝唑尼特抗HCC作用有显著贡献的关键通路。分子对接结果显示，抗HCC八大核心靶点与硝唑尼特之间存在活性相互作用的潜力。我们的研究为硝唑尼特可能对HCC具有独特的治疗效果这一观点提供了理论基础，而所确定的药理学靶点和途径可能作为HCC治疗的生物标志物。
天花粉-当归-乳香-没药治疗乳腺癌的药物-靶点-疾病网络分析杨金清 1 ,†
摘要 本研究旨在利用网络药理学和分子对接方法探讨瓜蒌-当归-乳香-没药（TAFM）治疗乳腺癌的关键活性成分、潜在靶点及其分子机制。利用中药系统药理学数据库与分析平台（TCMSP）数据库获取TAFM的化学成分和相关靶点；利用GeneCards、OMIM、Drugbank和治疗靶点数据库（TTD）等数据库识别乳腺癌相关靶点；利用Cytoscape 3.9.1软件和STRING（Search Tool for the Retrieval of Interaction Gene/Proteins）数据库可视化药物成分-靶点-疾病和蛋白质相互作用网络，筛选核心成分和关键靶点。使用DAVID（Database for Annotation, Visualization and Integrated Discovery）数据库进行基因本体论（GO）和京都基因和基因组百科全书（KEGG）分析，使用AutoDock和PyMOL软件进行分子对接。发现TAFM在治疗乳腺癌中的关键活性成分包括β-谷甾醇、豆固醇、鞣花酸、天竺葵素和矮牵牛素，共鉴定出ESR1、VEGFA、PTGS2、HSP90AA1、CASP3等38个关键靶点和枢纽基因。分子对接结果证实豆固醇和胱天蛋白酶3（CASP3）是相关最密切的靶点。GO富集分析显示，参与的生物学过程主要包括药物反应、凋亡过程的正向调控和基因表达双向调控等。KEGG通路分析揭示了与癌症、炎症及感染相关疾病相关的通路的参与。研究结果提供了支持性证据，表明β-谷甾醇、豆固醇、鞣花酸、天竺葵素和矮牵牛素代表TAFM的关键生物活性成分，通过调节雌激素受体α（ESR1）、血管内皮生长因子A（VEGFA）、前列腺素-内过氧化物合酶2（PTGS2）、热休克蛋白90α（HSP90AA1）和CASP3在治疗乳腺癌中表现出抗乳腺癌活性。
使用生物信息学和下一代测序数据分析筛选和鉴定与子宫内膜异位相关的关键生物标志物
子宫内膜异位症是子宫内膜型粘膜在子宫腔外的常见原因，如疼痛时期，慢性骨盆疼痛，性交和不育的疼痛等症状。但是，还限制了子宫内膜异位症的早期诊断。本研究的目的是识别和验证子宫内膜异位症的关键生物标志物。下一代测序（NGS）数据集GSE243039是从基因表达综合（GEO）数据库中获得的，并确定了子宫内膜异位症和正常对照样品之间差异表达的基因（DEGS）。进行了DEG，基因本体（GO）和Reactome途径富集分析后。此外，构建了蛋白质蛋白质相互作用（PPI）网络，并使用人类积分蛋白质蛋白相互作用参考（HIPIE）数据库和Cytoscape软件分析模块，并鉴定出集线器基因。随后，使用miRNET和网络分析员工具构建了miRNA和集线器基因之间的网络，并预测了可能的关键miRNA和TFS。最后，使用接收器工作特性曲线（ROC）分析来验证集线器基因。在子宫内膜异位和正常对照样品之间筛选了总共958摄氏度，其中包括479个高度调节的基因和479个下调的基因。go and reactome途径富集分析的958摄氏度表明它们主要参与多细胞生物过程，发育过程，GPCR和肌肉收缩的信号传导。这项研究使用了生物信息学技术来探索潜在和新颖的生物标志物。对PPI网络和模块的进一步分析确定了10个中心基因，包括VCAM1，SNCA，PRKCB，ADRB2，FOXQ1，MDFI，ACTBL2，PRKD1，DAPK1和ACTC1。可能的目标miRNA，包括HSA-MIR-3143和HSA-MIR-2110以及包括TCF3和时钟在内的目标TFS。这些生物标志物可能会为子宫内膜异位症的早期诊断，治疗和监测提供新的想法和方法。