高危神经母细胞瘤差异表达基因的生信分析

郭文才 李 锐 李龙祥 吴 勇

神经母细胞瘤占15 岁以下儿童肿瘤的7%，可分为低危、中危和高危[1]。目前。中、低危神经母细胞瘤的长期生存率超过90%[2，3]，但高危神经母细胞瘤的长期生存率仍低于50%[4]。研究表明，许多分子标志物与肿瘤的发生发展密切相关，可用于早期筛查[5]。GEO是一个国际公共数据库，为探讨肿瘤基因表达提供了基础[6]。我们从GEO 数据库下载2 个神经母细胞瘤数据集（GSE49710、GSE73517），筛选高危神经母细胞瘤差异表达基因（differential expression gene，DEG），为高危神经母细胞瘤的诊治提供参考。

1 资料与方法

1.1 基因表达和临床数据的收集 两个基因表达数据集（GSE49710、GSE73517）来自NCBI 的GeneExpressionSynthesis（GEO）数据库，可从网站（http://www.ncbi.nlm.nih.gov/geo/）获取。GSE49710 阵列数据由Zhang 等提交，包括498 例神经母细胞瘤。GSE73517 数据集由105 个神经母细胞瘤组成，由Henrich 等 提 交。GSE49710 和GSE73517 数 据 集 基于GPL16876 平台（Agilent-020382HumanCustomMicroarray44k；发布于2013年3月28日）。

1.2 DEG 的鉴定 应用Affy 软件包（http://cran.r-project.org/）实现稳健的多阵列平均算法，将原始阵列数据转换为表达式值，并进行背景校正以归一化和汇总探针。基于R语言的“limma”软件包的配对t检验用于分析高危和非高危神经母细胞瘤之间的DEG。调整后的P值＜0.05 和|log2FC|＞1.5 被认为是DEG 筛选的临界值。“Venny”是一个网络分析工具（https://bioinfogp.cnb.csic.es/tools/venny/index.html），用于分析交集EDG。

1.3 GO 和KEGG 对DEG 进行富集分析GO（http://www.geneontology.org）为基因数据提供功能分类，包括生物过程、细胞成分和分子功能。因此，GO 分析是一种广泛使用的基因和基因产物注释工具。KEGG（http://www.genome.ad.jp/kegg/）是一个网络网站，分析、解释和可视化基因功能。DAVID（http://david.abcc.ncifcrf.gov/）是一个带注释的、可视化的、全面的发现数据库，也是一种基因功能分类的在线工具，可用于评估基因的生物学功能。利用DAVID 网站进行GO富集分析和KEGG通路分析，探讨DEG的功能。……