10.16781/j.0258-879x.2017.07.0877
基于高通量芯片和生物信息学挖掘多发性骨髓瘤的发病差异基因
目的 筛选多发性骨髓瘤(MM)患者与正常人群之间的差异表达基因(DEGs),探究MM的发病机制,为MM的基因诊断和治疗提供导向.方法 从GE数据库中检索获取MM患者的芯片数据,通过Morpheus在线工具进行芯片数据质量控制和DEGs的筛选,运用DAVID数据库对筛选获得的DEGs行基因富集和通路分析,通过STRING数据库构建蛋白相互作用网络,并采用Cytoscape软件行模块分析.结果 共获得16 211个DEGs,包括7 586个上调基因和8 625个下调基因(P<0.05).基因本体(GO)分析结果表明,生物学过程中上调DEGs主要涉及鞘糖脂代谢等30个功能簇,下调DEGs涉及细胞分裂等163个功能簇;分子功能中上调DEGs主要涉及蛋白质结合等29个功能簇,下调DEGs主要涉及组蛋白结合等59个功能簇;细胞成分中上调DEGs主要集中在细胞溶质等27个功能簇中,而下调DEGs主要集中在核质等78个功能簇中.京都基因与基因组百科全书(KEGG)分析结果表明,上调DEGs主要涉及溶酶体相关通路等26条通路,下调DEGs主要涉及DNA复制等27条通路.蛋白互作网络分析示CDK1、TOP2A、A URKB、BRCA1、CHEK1、PTEN、RAD51、GMPS、CDC45和CDKN2A 10个基因为富集程度最高的核心DEGs,模块分析显示得分最高的3个基因模块主要与核分裂、DNA复制和核酸代谢过程相关.结论 通过多种生物信息学方法筛选获得了MM患者和健康对照组的DEGs,并从不同角度阐释了MM发病机制的相关基因及其表达特征,为MM特异性诊断标志和靶向治疗等提供了依据.
多发性骨髓瘤、差异表达基因、高通量基因芯片、生物信息学
38
R733.3(肿瘤学)
2017-09-01(万方平台首次上网日期,不代表论文的发表时间)
共8页
877-884