基于生物信息学分析的抑郁症诊断标志物筛选

• 作者: 刘珏 肖晗 邓志芳 邓艾平 高雯琪
• 来源期刊: 巴楚医学
• 学科: 医学
• 关键词: 重度抑郁症 生物信息学 诊断标志物
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 论著
• 页码范围: 47-52,96
• 页数: 7页
• 分类号: R749
• 语种: 中文
• DOI: 10.3969/j.issn.2096-6113.2020.04.010

摘要

目的:本研究旨在筛选重度抑郁症(MDD)的外周血潜在诊断标志物.方法:首先,从GEO数据库下载基因表达谱数据集GSE32280.通过R软件筛选MDD与正常对照外周血样本的差异表达基因(DEGs).对筛选出来的DEGs进行GO功能注释以及KEGG通路富集分析;然后,采用Cytoscape软件构建蛋白质-蛋白质相互作用(PPI)网络,并从中筛选出关键(hub)基因.采用R软件对hub基因进行ROC分析,进而鉴定出具有诊断价值的hub基因.结果:从GSE32280数据集中共筛选出104个DEGs,其中上调基因47个,下调基因57个.GO功能注释显示,104个DEGs主要涉及细胞增殖、炎症反应、转运调控等功能.KEGG通路富集分析结果显示,DEGs主要富集在NK细胞介导的细胞毒性、细胞因子与其受体相互作用和趋化因子信号通路.从PPI网络中获取16个hub基因.对hub基因进行ROC分析结果显示,CXCL1、EGF、IFNG和CXCL8在MDD中具有较高的诊断价值.结论:CXCL1、EGF、IFNG和CXCL8是MDD重要的诊断标志物.