10.13699/j.cnki.1001-6821.2023.16.027
基于生物信息学筛选非小细胞肺癌血小板RNA生物标志物及潜在治疗靶点
目的 通过生物信息学筛选非小细胞肺癌(NSCLC)血小板RNA关键基因,寻找潜在的癌症生物标志物及新的治疗靶点.方法 检索基因表达综合数据库获得来自NSCLC患者和健康对照的3个转录组数据集(GSE68086、GSE89843、GSE183634),对数据集GSE68086中的RNA进行差异表达分析,然后对差异表达基因(DEGs)进行基因本体论(GO)、京都基因与基因组百科全书(KEGG)功能富集分析.通过加权基因共表达网络分析划分与疾病相关的基因模块,选择相关性最强的模块基因与差异基因的交集基因,用最小绝对值收敛和选择算子(LASSO)和随机森林(RF)2种机器学习算法筛选关键基因,并在数据集GSE89843、GSE183635中进行验证.最后对关键基因进行基因集富集分析.结果 共鉴定出4 917个DEGs(596个上调基因和4 321个下调基因).通过GO、KEGG富集分析发现:DEGs主要与RNA过程、细胞凋亡、细胞周期及胞质内翻译等相关.LASSO和RF 2种机器学习算法共同识别到5个关键基因.验证得到ITGA2B、IFITM3对NSCLC诊断价值具有显著意义.结论 ITGA2B、IFITM3可能是预测和治疗NSCLC的潜在生物标志物和新的作用靶点.
非小细胞肺癌、生物信息学、机器学习、生物标志物、肿瘤教育血小板
39
R97(药品)
2023-09-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
2404-2408