论文部分内容阅读
研究目的通过数据挖掘对cc RCC的发病机制进一步的了解,同时可以为cc RCC的诊断及提供潜在的新的靶向药物提供新的方向。研究方法GEO下载数据集GSE53000、GSE53757、GSE66272中的cc RCC患者的基因芯片信息,然后通过GEO2R在线网站对上述数据集进行处理,并筛选出差异表达基因。应用R软件中的Venn Diagram软件包绘制韦恩图筛选出重叠差异表达基因。随后我们进行GO功能富集分析和KEGG通路富集分析,然后利用在线数据库String和Cytoscape软件进行蛋白-蛋白交互作用网络分析及HUB基因网络筛选,在最后使用UALCAN数据库筛查肿瘤和正常样品的相对表达,然后利用生存分析,来明确基因与肾透明细胞癌患者的生存率相关性。研究结果1.通过对数据集GSE53000、GSE53757和GSE66272在GEO-2R在线网站上进行处理,筛选出肾透明细胞癌与正常肾组织中差异基因的表达。然后通过韦恩分析得到了三个数据集之间的重叠差异表达基因,共筛选出了230个共同差异表达基因。2.GO功能富集分析和KEGG途径富集分析通过GO功能富集分析我们可以分析出这230个共同差异表达基因参与富集的生物过程主要包括anion transport、active transmembrane transporter activity、ion homeostasis、potassium ion import across plasma membrane、sodium ion homeostasis、kidney development、monovalent inorganic cation homeostasis、positive regulation of lipid localization。growth factor receptor binding主要参与了其分子功能。细胞成分的变化主要与brush border membrane、apical plasma membrane与质膜有关。差异表达基因KEGG通路富集分析表明这些DEG参与glycolysis gluconeogenesis、PPAR signaling pathway、complement and coagulation cascades、等信号通路。3.蛋白-蛋白交互作用网络分析及HUB基因网络筛选:通过利用在线数据库String和Cytoscape软件分析出差异表达基因之间的PPI网络图见图。通过cyto Hubba来获得PPI网络中连接度最高的前20个hub基因,设定置信度>0.4,Degree>5为截选标准。结果为:C3、KNG1、ALB、CP、IGFBP3、ENAM、GPC3、TC2、KCNJ1、AQP2、SCNN1A、CNN1B、WNK4、SCNN1G、SLC12A1、SLC12A3、CLCNKB、SLC26A4、PLG、EGF。4.利用UALCAN筛选并验证得出PLG、CP在肾透明细胞癌和正常肾组织中表达差异性,同时这些基因与肾透明细胞癌的预后明显相关。研究结论我们的这项研究筛选出了PLG和CP两个潜在的cc RCC的核心差异表达基因,以及相关的信号通路,这两个靶基因在cc RCC的发生与发展中起重要的作用,它们有望成为cc RCC潜在的生物标志物及靶点,但cc RCC的发病机制与发展过程复杂,本研究中的基因只涉及其中一部分,但可以为未来的研究提供一个新的思路。