Page 43 - 南京医科大学学报自然科学版
P. 43

第41卷第12期         徐文秀,蒋梦萍,王丹丹,等. 应用生物信息学分析正常女性不同乳腺密度差异表达基因[J].
                 2021年12月                  南京医科大学学报(自然科学版),2021,41(12):1747-1752,1773                   ·1749 ·


                表示  [14-15] 。
                                                                                                 Group
                2  结 果

                2.1  差异表达基因筛选结果
                    通过对基因芯片 GSE65652 的分析,以 P < 0.05
                且|Log2FC|≥1 为标准,共筛选到 830 个 DEG,其中
                442 个为上调基因,388 个为下调基因,将结果绘制
                为热图(图1)和火山图(图2)。

                2.2  DEG的GO功能富集及KEGG通路分析
                    然后,使用在线软件DAVID对这830个DEG进
                行功能分类。如图3所示,显示了GO分析的每个部
                分的前7个富集分析。对于BP富集分析,结果表明
                DEG显著参与了信号转导(GO:0007165)、GTP酶活
                性的正调控(GO:0043547)、固有免疫反应(GO:
                0045087)、细胞内信号转导(GO:0035556)、细胞黏
                附(GO:0007155)、MAPK 级联(GO:0000165)和血
                管形成(GO:0001525)。对于 CC 富集分析,本研究
                表明 DEG 主要涉及质膜(GO:0005886)、质膜组成                                                      6 000   Low
                                                                                                    4 000
                部分(GO:0005887)、细胞表面(GO:0009986)、黏着                                                 Ifc  2 000  Group  High
                                                                                                    0
                斑(GO:0005925)、细胞连接(GO:0030054)、细胞骨                                                  -2 000
                                                                                                    4
                架(GO:0005856)和核膜(GO:0031965)。此外,在                                                  Expression  2 0
                MF 的富集分析中,DEG 主要富集于 ATP 结合(GO:                                                      -2
                                                                                                    -4
                0005524)、肌动蛋白结合(GO:0003779)、转录因子
                结合(GO:0008134)、钙调蛋白结合(GO:0005516)、
                Ras 鸟嘌呤核苷酸交换因子活性(GO:0005088)、酪
                氨酸激酶活性(GO:0004713)、磷脂酰肌醇⁃4,5⁃二
                磷酸 3 激酶活性(GO:0046934)和鸟嘌呤核苷酸交
                换因子活性(GO:0005085)。KEGG 通路分析表明,
                DEG 主要富集在癌症通路(hsa05200)、PI3K⁃Akt 信
                号通路(hsa04151)、Rap1信号通路(hsa04015)、神经
                活动配体⁃受体相互作用(hsa04080)、肌动蛋白细胞
                骨架调节(hsa04810)、癌症中蛋白多糖(hsa05205)、
                Ras 信 号 通 路(hsa04014)和 MAPK 信 号 通 路
               (hsa04010),见图4。

                2.3  PPI网络建立和模块分析
                    利用 STRING 数据库对 DEG 进行 PPI 分析,节
                点代表 DEG,边缘代表 DEG 之间的相互作用。然
                后,使用 cytoHubba 软件的 MCODE 插件对 PPI 网络
                进行分组,形成多个模块。最终,本研究筛选出最
                                                                        Ifc
                显著的(评分排名前2位)的模块(图5)。
                2.4  Hub基因筛选                                             GSM943732  GSM943735  GSM943734  GSM943733  GSM943731  GSM943730  GSM943742  GSM943736  GSM943740  GSM943737  GSM943739  GSM943741  GSM943738
                    根据cytoHubba中的5种分类方法,选择每种排
                                                                          蓝色表示相对低表达,红色表示相对高表达.
                名方法的前 15 个基因。最终,通过重叠前 15 个基                                    图1  显著差异基因的热图
                因来鉴定了 5 个核心基因,即 EGFR、JUN、CDC42、                             Figure 1  The heat map of DEGs
   38   39   40   41   42   43   44   45   46   47   48