期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于生物信息学对心肌缺血再灌注损伤关键基因的筛选及实验验证 被引量:3
1
作者 王建茹 李兴渊 +4 位作者 谢世阳 程彦玲 郭红鑫 朱明军 于瑞 《中国病理生理杂志》 CAS CSCD 北大核心 2024年第3期473-483,共11页
目的:运用生物信息学分析方法挖掘参与心肌缺血再灌注损伤(MIRI)的关键基因。方法:首先,从数据库中下载大鼠MIRI相关数据集GSE122020、E-MEXP-2098和E-GEOD-4105。其次,一方面利用微阵列数据线性模型(limma)包筛选各数据集中的差异表达... 目的:运用生物信息学分析方法挖掘参与心肌缺血再灌注损伤(MIRI)的关键基因。方法:首先,从数据库中下载大鼠MIRI相关数据集GSE122020、E-MEXP-2098和E-GEOD-4105。其次,一方面利用微阵列数据线性模型(limma)包筛选各数据集中的差异表达基因(DEGs),再用稳健排序整合(RRA)方法筛选稳健DEGs;另一方面,利用替代变量分析(SVA)包将各数据集合并为1个数据集,再利用limma包筛选合并DEGs;将2种渠道的DEGs取交集获取共同DEGs。接着,构建共同DEGs的蛋白相互作用(PPI)网络,利用最大邻域组件密度(DMNC)算法筛选关键基因,并绘制关键基因的受试者工作特征(ROC)曲线,以评价其诊断效能。然后,构建MIRI大鼠模型,检测关键基因的mRNA和蛋白表达情况;并对关键基因参与MIRI的研究开展文献回顾分析。最后,对关键基因开展基因集富集分析(GSEA),进一步揭示其介导MIRI可能的机制。结果:共鉴定出143个稳健DEGs,48个合并DEGs,两者取交集后,获得48个共同DEGs。在共同DEGs的PPI网络中,共筛选出了5个关键基因,即MYC原癌基因bHLH转录因子(MYC)、前列腺素内过氧化物合酶2(PTGS2)、血红素加氧酶1(HMOX1)、胱天蛋白酶3(CASP3)和尿激酶型纤溶酶原激活物受体(PLAUR)。这些关键基因的ROC曲线下面积均大于0.8。在MIRI大鼠心肌组织中MYC、PTGS2、CASP3和PLAUR的mRNA和蛋白高表达,而HMOX1的mRNA和蛋白表达无显著差异。回顾文献,5个关键基因中仅PLAUR未被报道参与MIRI。PLAUR的GSEA结果显示,PLAUR的功能富集主要集中在NOD样受体信号通路、P53信号通路、Toll样受体信号通路、细胞凋亡和脂肪酸代谢等途径。结论:MYC、PTGS2、CASP3、HMOX1和PLAUR参与了MIRI的病理过程。PLAUR为潜在的关键基因,其可能通过调控NOD样受体信号通路、P53信号通路、Toll样受体信号通路、细胞凋亡和脂肪酸代谢等途径介导MIRI,结果可为进一步探讨MIRI的分子机制和治疗靶点提供参考。 展开更多
关键词 心肌缺血再灌注损伤 生物信息学分析 稳健排序整合 关键基因 差异表达基因
在线阅读 下载PDF
面向PCP-MS数据的PPI网络推断算法 被引量:1
2
作者 陈征 田博 何增有 《计算机科学》 CSCD 北大核心 2019年第12期313-321,共9页
随着蛋白质组学的发展,研究者们开始聚焦于人类的全部蛋白质相互作用(Protein-Protein Interaction,PPI)网络的建立,质谱分析技术已成为预测蛋白质相互作用的代表方法。质谱技术是构建蛋白质相互作用网络的主要实验手段之一,基于质谱技... 随着蛋白质组学的发展,研究者们开始聚焦于人类的全部蛋白质相互作用(Protein-Protein Interaction,PPI)网络的建立,质谱分析技术已成为预测蛋白质相互作用的代表方法。质谱技术是构建蛋白质相互作用网络的主要实验手段之一,基于质谱技术产生了大量的蛋白质纯化数据,如AP-MS数据和PCP-MS数据等。这些数据为PPI网络的构建提供了重要的数据支持,但是通过人工的手段来构建PPI网络不仅低效,而且很不现实。因此,面向PCP-MS数据的网络推断算法是生物信息学研究的一个热点问题。文中针对一类主流的质谱(PCP-MS)数据的PPI网络构建算法问题开展研究,从解决目前存在的瓶颈问题出发,达到构建高质量PPI网络的目的。现有的面向PCP-MS数据的PPI网络推断算法的研究还处于初级阶段,相关方法较少。同时,算法结果的质量还存在着一些问题:1)很多错误的相互作用被包含在不同的推断算法结果中,同时一些正确的相互作用在结果中被遗漏;2)不同的推断算法在同一数据集上的表现差异较大;3)对于不同的数据集,同一算法表现性能的波动方差较大。因此,为了从PCP-MS数据中推断出结构可靠、质量较高的PPI网络,文中提出一种基于相关性分析与排序整合的PPI评分方法。该方法基于无监督学习,包括以下两个步骤:1)计算蛋白质之间的相关系数,得到多组相关性结果;2)采用排序整合的方法对多组结果进行整合,得到整合后的PPI分数。实验结果表明,所提方法在不使用参考标准的情况下,可以达到与有监督学习方法接近的结果。 展开更多
关键词 MS数据 PPI网络 蛋白质直接相互作用 相关性分析 排序整合
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部