论文部分内容阅读
目的:应用生物信息学方法分析阿尔茨海默病(Alzheimer’s disease,AD)不同病情程度的差异表达基因(differentially expressed genes,DEGs),在分子水平上探讨AD的发病制,为研究AD提供新思路。方法:从基因表达综合数据库(gene expression omnibus,GEO)下载基因芯片数据集GSE28146,使用在线分析工具GEO2R分别筛选AD轻度组、中度组和重度组与正常对照组比较的DEGs。运用DAVID数据库对筛选出的DEGs进行基因本体(gene ontology,GO)富集分析和京都基因与基因百科全书(Kyoto encyclopedia of genes and genomes,KEGG)通路分析,通过STRING数据库构建蛋白相互作用网络,并采用Cytoscape软件筛选关键基因。结果:AD轻度组、中度组和重度组分别筛选出881、896和1142个DEGs。GO功能富集显示:轻度组与凋亡相关过程的激活、调节免疫反应、蛋白质磷酸化等生物过程密切相关,中度组与炎症反应、凋亡调节、钙离子的释放等生物过程密切相关,重度组与NF-κB的激活、蛋白质磷酸化和去磷酸化、细胞外基质的降解等生物过程密切相关。KEGG分析显示:轻度组主要富集到p53和TGF-β等信号通路,中度组主要富集到癌症途径、自然杀伤细胞介导的细胞毒性、细胞黏附分子等信号通路,重度组主要富集到细胞周期、Hippo信号通路、神经活性配体-受体相互作用等信号通路。蛋白互作网路分析各组富集程度最高的前5个关键基因:轻度组为GART、EHMT2、KRAS、ESR1、CD44;中度组为CBLB、HERC1、UBE2G1、UBE2M、HECW2;重度组为UBE2C、SOCS3、FBXW7、UBE3B、UBA6。结论:采用生物信息学方法分析不同病情程度的AD,所富集的信号通路和筛选出的关键基因可能在AD发生发展过程中起重要作用,为进一步深入研究AD提供了依据和思路。