分析肝细胞癌（HCC）的关键基因
网址
目的
本研究旨在利用生物信息学技术鉴定HCC发病机制中的差异表达基因（DEGs），希望为HCC研究确定新的生物标志物或潜在的治疗靶点。
方法
我们研究的生物信息学分析主要涉及以下两个数据集：基因表达综合（GEO）和癌症基因组图谱（TCGA）。首先，我们根据R包（limma和edgeR）筛选了DEG（差异表达基因）。利用DAVID数据库，对DEG进行了基因本体（GO）和京都基因和基因组百科全书（KEGG）富集分析。接下来，在STRING数据库中构建DEG的蛋白质-蛋白质相互作用（PPI）网络。然后，通过细胞Hubba插件筛选枢纽基因，然后使用GEPIA和Oncomine数据库进行验证。我们使用人类蛋白质图谱（HPA）数据库证明了枢纽基因中蛋白质水平的差异。最后，通过GEPIA数据库分析枢纽基因预后值。此外，使用比较毒理基因组学数据库（CTD），我们构建了药物 - 基因相互作用网络。
1.基因表达数据集
2.DEG 的识别
3.使用 TCGA 数据集进行 DEG 验证
4.重叠DEG的功能富集分析
5.蛋白质-蛋白质相互作用网络构建与模块分析
6.枢纽基因的鉴定
7.枢纽基因在多个数据库中的表达分析
8.生存分析
9.药物-基因相互作用网络分析
结果
我们最终得到了763个DEG，包括247个上调和516个下调的DEG，它们主要富集在环氧合酶P450途径，氧化还原过程和代谢相关途径中。
CDC20、CDK1、MAD2L1、BUB1、BUB1B、CCNB1和CCNA2的高水平基因表达与HCC患者总生存期差有关。毒理基因组学分析表明，只有托泊替康、奥沙利铂和硫唑嘌呤能降低所有7个枢纽基因的基因表达水平。
GEO（基因表达综合数据库）和TCGA（癌症基因组图谱）
1.DEG 的识别
2.重叠DEG的富集分析
3.PPI网络建立和模块分析
4.从PPI网络中选择枢纽基因
5.在多个数据库中验证枢纽基因
Oncomine和GEPIA
HPA数据库数据
6.生存分析
使用GEPIA数据库分析了这8个枢纽基因在HCC患者中的预后价值
7.药物-基因相互作用网络分析
CTD数据库构建了化疗药物-基因相互作用网络
