没有合适的资源?快使用搜索试试~ 我知道了~
乳腺癌和子宫内膜癌核心基因和分子通路生物信息学研究
医学信息学解锁17(2019)100274乳腺癌和子宫内膜癌核心基因和分子通路的生物信息学研究Md Foyzur Rahmana,1,Md Rezanur Rahmana,1, *,Tania Islamb,1,Toyfiquz Zaman a, Md Abu Hena Shuvoc,Md Tofazzal Hossain d,Md RafiqulIslam e,Md Rezaul Karim a,Mohammad Ali Monif,**a孟加拉国Sirajgonj Enayetpur Khwaja Yunus Ali大学生物医学学院生物化学和生物技术系b孟加拉国库什蒂亚伊斯兰大学生物技术和遗传工程系c孟加拉国拉杰沙希工程技术大学计算机科学与工程系d孟加拉国拉杰沙希拉杰沙希大学生物化学和分子生物学系e孟加拉国Jashore,Jashore科技大学生物科学和技术学院药学系f孟加拉国Pabna科技大学计算机科学与工程系,Pabna,6600A R T I C L EI N FO关键词:子宫内膜癌乳腺癌差异表达基因分子途径A B S T R A C T子宫内膜癌(Endometrial cancer,EC)是发生于子宫内膜的一种常见的绝经后女性生殖道恶性肿瘤。乳腺癌(BC)是EC的危险因素之一,但这两种疾病共有的分子通路和核心基因尚未阐明。在这项研究中,我们试图确定共同的分子途径和预后枢纽蛋白在EC和BC,可用于预测的进展。我们使用统计方法Limma对从Gene EXpression Omnibus下载的EC和BC的转录组进行差异分析。通过基因本体(GO)和途径富集分析进行基因功能注释。使用STRING数据库从蛋白质-蛋白质相互作用(PPI)网络分析鉴定中枢蛋白,并使用SurvEX press对中枢蛋白进行存活分析以评估预后值。我们分别分析了EC和BC转录组学数据集,并确定了EC和BC共有的57个共同差异表达基因。GO和通路分析显示57个常见的失调基因涉及几个改变的分子通路,包括蛋白质消化和吸收、半胱氨酸和蛋氨酸代谢、ECM-受体相互作用和药物代谢。基于PPI网络的拓扑分析,我们检测了在EC和BC的进展和调节中起重要作用的关键枢纽蛋白(CDC 20,EZH2,TOP2A,SPTBN1)。枢纽基因的生存分析表明,它们与EC和BC的生存结局显著相关。在本研究中,我们已经确定了新的途径,共同EC和BC在分子水平上,也确定了可能的基因表达EC和BC之间的联系。1. 介绍子宫内膜癌(EC)是女性中最致命的妇科恶性肿瘤之一,并且通常是腺癌。EC是美国女性常见的癌症[1]。全世界每年约有76,000例患者死于EC [2]。考虑到EC死亡率和新诊断EC数量的增加,需要生物标志物或治疗靶点来改善女性的治疗和健康。乳腺癌(BC)是一种异质性浸润性癌症,在美国女性中是一种高度流行的癌症[3]。新出现的证据表明,BC是EC的主要风险因素之一[4,5]。然而,EC的根本原因,以及BC如何影响EC的发生和发展,尚不清楚。Liu等人使用与我们相同的数据集确定了EC中的DEG和途径,* 通讯作者。** 通讯作者。电子邮件地址:rezanur12@kyau.edu.bd(M.R. Rahman),mohammad. sydney.edu.au(M.A. Moni)。1 这些作者做出了同等的贡献,应该被视为这项工作的联合第一作者https://doi.org/10.1016/j.imu.2019.100274接收日期:2019年10月22日;接收日期:2019年11月20日;接受日期:2019年11月21日在线发售2019年2352-9148/© 2019由Elsevier Ltd.发布这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表医学信息学期刊主页:http://www.elsevier.com/locate/imuM.F. Rahman等人医学信息学解锁17(2019)1002742Fig. 1. 本研究的工作流程。首先,从GEO数据库下载乳腺癌和子宫内膜癌的微阵列基因表达数据集(分别为GSE 42568和GSE 17025),并通过差异基因表达分析鉴定来自两个数据集的DEG。其次,揭示了疾病之间的共同DEG。此后,用优选的GO和途径数据库的基因注释揭示了由所鉴定的DEG富集的显著GO术语和途径,并且蛋白质-蛋白质相互作用分析的拓扑分析揭示了中枢蛋白。最后,进行枢纽蛋白的交叉验证和存活分析已用于揭示EC肿瘤发生和进展的潜在分子机制[6]。在另一项研究中,Kusonmano等人确定了EC中侵袭性原发性肿瘤和转移性病变之间的几个高度连接和DEG子网络[7]。在他们的研究中,Wang等人使用机器学习算法揭示了 BC [8]。因此,许多研究试图使用转录组学数据集来解码分子特征或生物分子,例如EC和BC中的差异表达基因。然而,EC和BC之间的共同基因或途径目前尚未确定。确定EC和BC的共同基因和/或通路将有助于理解EC和BC共同/共享的分子机制,这将有助于进一步的临床研究。从转录组学数据集(RNA-Seq和微阵列)中鉴定候选生物标志物通常用于各种复杂疾病(包括癌症和神经退行性疾病)的生物医学研究[9转录组学数据集的生物信息学综合分析有助于识别/筛选与各种癌症进展模式相关的基因,并开发用于管理疾病的新治疗策略[6,18]。在本研究中,我们采用了一种全面的生物信息学-matics的方法来解码EC和BC之间的共同基因和途径,以阐明它们潜在的共享机制(图1)。①的人。2. 材料和方法2.1. BC和EC差异表达基因的鉴定我们从NCBI-GEO数据库中获得了BC和EC的基于阵列的高通量分析数据集[19]。BC数据集(GEO登录号GSE 42568)包含使用AffymetriX微阵列的104个乳腺癌和17个正常乳腺活检的基因表达谱。EC数据集(GEO登录号GSE 17025)是91个异质等级的I期EC和12个萎缩性子宫内膜样品的全局基因表达谱。通过Affymetri x平台生成基因表达谱。通过log2转换将数据集标准化,以处理BC和EC相对于其各自匹配对照的微阵列数据中的噪声。然后,我们应用统计学方法Limma来识别差异表达基因(DEG),并进行Benjamini-Hochberg校正以控制假阳性,发现率分类显著DEG的截止标准是p值0.01和绝对log2倍数变化(FC)>1。<图二. 应用Limma软件对乳腺癌(BC)和子宫内膜癌(EC)的基因表达数据集进行分析,以确定BC和EC之间共同的差异表达基因(DEG)。57个基因被认为是BC和EC之间的共同DEG2.2. 基因本体和途径富集分析为了使用DAVID [20]鉴定GO和KEGG途径,我们进行了基因过度表达分析,认为调整后的p值0.05对于所有富集分析均具有显著性。<2.3. 蛋白质相互作用分析我们查询STRING数据库以构建由EC和BC共享的共同DEG编码的蛋白质的蛋白质-蛋白质相互作用网络[21]。然后,我们使用NetworkAnalyst工具分析网络[22]。2.4. 枢纽基因通过SurvEX press使用来自癌症基因组图谱(TCGA)的BC和EC的独立RNA测序数据集交叉验证中心基因的差异表达分析[23]。通过box图证明了高风险和低风险类别患者之间的枢纽基因的差异表达水平。采用学生t检验评估显著性水平。我们将患者分为低风险组和高风险组,并通过SurvEX press进行多变量COX回归分析和对数秩p值0.05被视为统计学显著性。<对预后评估有重要意义。BC和EC RNA-Seq数据集由962个样本和322个具有临床信息的样本组成。3. 结果3.1. BC和EC利用Limma软件对EC和BC的基因表达高通量数据集进行统计分析,以检测差异表达基因(DEG)。我们对每个数据集进行了单独分析,M.F. Rahman等人医学信息学解锁17(2019)1002743表1EC和BC中相互差异表达的基因丰富了重要的基因本体论术语(前五名)类别GO IDGO术语Adj. p值基因生物过程GO:0014842骨骼肌卫星细胞增殖1.19E-04成纤维细胞生长因子2GO:0031325GO:0051931细胞代谢过程感觉知觉1.43E-042.21E-04ANGPT1; UHRF1;INHBA; ACACBTMEM100; SPXGO:0051930痛觉调节2.84E-04TMEM100; SPXGO:0002040出芽式血管生成2.86E-04ANGPT1; FGF2; GPLD1细胞组分GO:0043202溶酶体腔0.001OGN,SDC1,GYG2GO:0014704闰盘0.003DSP; FXYD 1GO:0005764溶酶体0.007OGN; SDC1; GYG2; GPLD1; AP1M2GO:0005882中间丝0.007DSP; EPPK1GO:0005775空泡腔0.011OGN,SDC1,GYG2分子功能GO:0005080蛋白激酶C结合0.006TOP2A; DSPGO:0008270锌离子结合0.010抗利尿激素1B;BHMT2GO:0045296钙粘蛋白结合0.012 ANLN; BAIAP 2L 1; S100 P; SPTBN 1GO:0004024乙醇脱氢酶活性,锌依赖性0.016ADH1bGO:0008083生长因子活性0.017成纤维细胞生长因子2表2乳腺癌(BC)和子宫内膜癌(EC)共同差异表达基因途径Adj. p值基因蛋白质消化吸收0.002MME; COL6A6; ATP 1A2半胱氨酸和蛋氨酸代谢0.007BHMT 2; CDO 1疟疾0.008六溴代二苯ECM-受体相互作用0.022SDC1; COL6A6牛磺酸和亚牛磺酸代谢0.030CDO1脂肪酸生物合成0.036ACACB药物代谢0.038抗利尿激素1BDEG,然后我们匹配EC和BC数据集的DEG,以识别两个数据集之间的共同DEG。发现57个基因在EC和BC数据集之间是共同的(图2)。然后,我们考虑了这57个DEG进行进一步研究。为了了解相互DEG的功能和生物学意义,我们进行了基因集富集分析,以获得生物学过程,分子功能,和细胞组分富集的DEG。重要的富集生物过程(BP)是骨骼肌卫星细胞增殖的调节、细胞代谢过程的正调节、感觉抑制的调节、疼痛感觉的调节和萌芽血管生成(表1)。重要的细胞成分被鉴定为溶酶体腔、闰盘、溶酶体、中间丝和空泡腔(表1)。DEG显著富集的分子功能是蛋白激酶C结合、锌离子结合、钙粘蛋白结合、醇脱氢酶活性、锌依赖性和生长因子活性(表1)。然后, 我们 分析 的 途径 到 获得 富集分子考虑到DEG的参与,重要的分子途径是蛋白质消化和吸收、半胱氨酸和蛋氨酸代谢、疟疾、ECM-受体相互作用和药物代谢,参与EC和BC的发病机制(表2)。3.2. 中枢蛋白生物系统中的生物分子通过相互作用发挥作用;因此,为了深入了解DEG的功能相互作用,我们围绕BC和EC的共同蛋白质重建了PPI网络(图3)。通过采用拓扑分析,我们已经检测到关键枢纽蛋白,即CDC20、EZH2、T0P2A和SPTBN1(表3)。图三. BC和EC的共同差异表达基因(DEG)与其他基因的蛋白质-蛋白质相互作用所有节点表示DEG,边表示两个基因之间的相互作用。四个大节点表示枢纽蛋白。3.3. 枢纽基因枢纽基因的差异表达与TCGA乳腺癌和子宫内膜癌数据集交叉验证。与在BC和EC中观察到的非肿瘤/对照相比,肿瘤组织中的中枢基因(CDC 20、EZH 2、T0 P2 A、SPTBN 1)的统计学显著差异表达(图1B)。 4 a和b)。进行了中心基因/蛋白的预后评估,以评估其作为癌症中的生物标志物和药物靶标的效用以及BC和EC中治疗策略的开发预后M.F. Rahman等人医学信息学解锁17(2019)1002744表3本研究中为BC和EC提出的共同生物标志物候选物列表。评价显示中枢基因即,CDC 20、EZH2和T0P2A在BC的预后中是统计学显著的,对数秩p值为0.024,风险比为1.49(图1B)。 5 a)。中枢蛋白(CDC 20,枢纽蛋白名称生物分子的作用参考文献EZH2、TOP2A、SPTBN1)在EC的预后中显示出显著性,对数秩p值为0.0096,风险比为2.66(图1B)。 5 b)。细胞分裂周期蛋白20EZH2 zeste增强子同源物2拓扑异构酶2-αSPTBN 1血影蛋白β,非红细胞1在子宫内膜和乳腺癌的乳腺癌在乳腺癌进展中起重要作用,是肿瘤发生的有效调节剂[24日][25日][26日][27日]4. 讨论在本研究中,我们研究了BC和EC的基因表达谱,其中我们确定了在这两种疾病中应该失调的基因,并且可能被视为候选疾病生物标志物和潜在的治疗靶点。研究BC和EC的微阵列数据集,通过一种新的方法探索候选生物标志物基因,该方法现在常用于鉴定包括癌症在内的复杂疾病之间的相互作用,即,神经胶质瘤、结直肠癌、头颈癌、卵巢癌和神经退行性疾病[9通过见图4。 TCGA乳腺癌和子宫内膜癌数据集中差异表达的交叉验证。M.F. Rahman等人医学信息学解锁17(2019)1002745图五. 枢纽基因的存活分析。a.乳腺癌的显著预后评估(长秩p值0.05)。
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功