目的利用生物信息学方法对中枢神经系统性原始神经外胚层瘤(central nervous system primitive neuroectodermal tumors,CNS-PNETs)基因表达谱芯片进行分析,从分子水平探讨CNS-PNETs可能的发病机制。方法从GEO数据库下载CNS-PNETs的基...目的利用生物信息学方法对中枢神经系统性原始神经外胚层瘤(central nervous system primitive neuroectodermal tumors,CNS-PNETs)基因表达谱芯片进行分析,从分子水平探讨CNS-PNETs可能的发病机制。方法从GEO数据库下载CNS-PNETs的基因表达谱芯片数据集GSE35493和GSE74195,利用GEO2R在线分析工具以及Venn软件筛选出差异表达基因(differentially expressed genes,DEGs),并利用DAVID数据库在线分析工具对DEGs进行基因本体论(Gene ontology,GO)和通路富集(Kyoto Encyclopedia of Genes and Genomes,KEGG)分析,通过STRING在线分析工具、Cytoscape软件及其插件cytoHubba对CNS-PNETs的DEGs进行蛋白相互作用(proteinprotein interaction,PPI)网络分析,寻找关键基因。结果本研究共获得262个DEGs,包括49个上调基因和213个下调基因。GO功能和KEGG信号通路富集分析结果显示,DEGs涉及了DNA转录和有丝分裂核分裂、细胞分裂、运动行为、学习记忆和突触信号传递等生物过程,参与了细胞周期、肿瘤相关通路及p53信号通路、突触相关信号通路、cAMP信号通路及钙离子信号通路等。通过STRING分析筛选出10个关键基因:CDK1,CDC20,MAD2L1,KIF11,ASPM,TOP2A,TTK,NDC80,NUSAP1,DLGAP5。结论包括CDK1在内的10个关键基因可能在CNS-PNETs发生发展中起重要作用。本研究为探索CNS-PNETs的发病机制提供新的线索。展开更多
文摘目的利用生物信息学方法对中枢神经系统性原始神经外胚层瘤(central nervous system primitive neuroectodermal tumors,CNS-PNETs)基因表达谱芯片进行分析,从分子水平探讨CNS-PNETs可能的发病机制。方法从GEO数据库下载CNS-PNETs的基因表达谱芯片数据集GSE35493和GSE74195,利用GEO2R在线分析工具以及Venn软件筛选出差异表达基因(differentially expressed genes,DEGs),并利用DAVID数据库在线分析工具对DEGs进行基因本体论(Gene ontology,GO)和通路富集(Kyoto Encyclopedia of Genes and Genomes,KEGG)分析,通过STRING在线分析工具、Cytoscape软件及其插件cytoHubba对CNS-PNETs的DEGs进行蛋白相互作用(proteinprotein interaction,PPI)网络分析,寻找关键基因。结果本研究共获得262个DEGs,包括49个上调基因和213个下调基因。GO功能和KEGG信号通路富集分析结果显示,DEGs涉及了DNA转录和有丝分裂核分裂、细胞分裂、运动行为、学习记忆和突触信号传递等生物过程,参与了细胞周期、肿瘤相关通路及p53信号通路、突触相关信号通路、cAMP信号通路及钙离子信号通路等。通过STRING分析筛选出10个关键基因:CDK1,CDC20,MAD2L1,KIF11,ASPM,TOP2A,TTK,NDC80,NUSAP1,DLGAP5。结论包括CDK1在内的10个关键基因可能在CNS-PNETs发生发展中起重要作用。本研究为探索CNS-PNETs的发病机制提供新的线索。
