LCBL 阅读工具

@article{LCBL49429,
	author = {志芳 邓 和 珏 刘 和 晗 肖 和 雯琪 高},
	title = {基于转录调控网络识别老年期抑郁症的诊断标志物},
	journal = {临床与病理杂志},
	volume = {42},
	number = {8},
	year = {2022},
	keywords = {},
	abstract = {目的：老年抑郁障碍的自杀和血管性痴呆等风险较高，本研究基于基因转录调控网络，整合并利用生物信息学分析，探索老年期抑郁症(geriatric depression，GD)的诊断生物标志物。方法：从公共数据库Gene Expression Omnibus(GEO)中下载基因表达谱数据集GSE76826。R软件鉴定GD与健康对照样本两组之间的差异表达基因(differentially expressed genes，DEGs)。基于DAVID数据库对DEGs进行基因本体论(Gene Ontology，GO)功能注释、京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes，KEGG)通路富集分析。STRING在线生物信息学工具对DEGs进行调控网络分析并构建蛋白质-蛋白质相互作用(protein-protein interaction，PPI)网络，Cytoscape软件筛选枢纽基因。之后，采用pROC软件包进行受试者工作特征(receiver operating characteristic，ROC)曲线分析，筛选转录因子以获得诊断生物标志物。结果：与健康对照相比，GD样本中共鉴定出1 411个DEGs。DEGs构建的PPI中共识别出4个关键模块。KEGG通路富集分析结果显示：DEGs在纤毛运动、抗菌体液反应、O-glycan加工、黏膜免疫反应、碳水化合物跨膜转运活动、激素生物合成、神经递质生物合成以及药物代谢酶P450通路中富集。从Cytoscape构建的PPI网络中获取15个转录因子，ROC分析表明转录因子LMO2和CEBPB对GD具有较高的诊断效能。结论：通过对公共数据集GSE76826的整合分析，获取可能成为GD潜在诊断生物标志物的转录因子，为深入了解GD的早期诊断提供新的视角。},
	url = {https://lcbl.amegroups.com/article/view/49429}
}