基于生物信息学筛选浆液性卵巢癌的预后基因

• 作者: 何嘉欢 刘红彦 史菲菲 张明洁
• 来源期刊: 世界最新医学信息文摘（连续型电子期刊）
• 学科: 医学
• 关键词: 浆液性卵巢癌 生物信息学 预后不良基因
• 年，卷（期）: 2020,（52）
• 所属期刊栏目: 论著
• 页码范围: 7-12
• 页数: 6页
• 分类号: R73
• 语种: 中文
• DOI: 10.3969/j.issn.1671-3141.2020.52.003

摘要

目的 通过生物信息学分析初步鉴定浆液性卵巢癌的预后不良基因,为临床诊断提供一定的理论依据.方法 从GEO数据库下载浆液性卵巢癌相关基因数据集GSE36668、GSE54388及GSE38666,采用GEO2软件分别筛选差异表达基因(differentially expressed genes,DEGs),并通过Venny2.1.0工具重叠三个基因数据集的DEGs.随后采用DAVID数据库进行DEGs的GO功能和KEGG通路富集分析.应用STRING在线工具绘制DEGs的蛋白互作(PPI)网络,并通过Cytoscape软件筛选PPI网络的Hub基因,同时构建PPI网络的功能模块.随后采用GEPIA进行了Hub基因的表达分析,同时采用Kaplan-Meier方法分析Hub基因与浆液性卵巢癌患者总生存率之间的关系.结果 867个上调基因和616个下调基因被鉴定为DEGs.GO主要富集在细胞分裂、细胞增殖、转录正负调控、蛋白质结合、细胞的黏附、锌离子结合等生物学过程.KEGG通路富集在细胞周期、癌症、PI3K-Akt、蛋白聚糖和黏着斑等信号通路.筛选出10个Hub基因,其中CDC20、AURKB、CCNB1、AKT1和GAPDH基因与浆液性卵巢癌患者的预后差相关.结论 CDC20、AURKB、CCNB1、AKT1和GAPDH基因可能与患者的预后不良相关,进而为鉴定该疾病提供潜在的生物标记物.