目的应用生物信息学的方法筛选参与星型胶质细胞瘤的预后生物标志物。方法首先,下载GEO(gene expression omnibus,GEO)数据库中星型胶质细胞瘤的基因芯片数据,通过R语言将来自4个数据集的基因芯片数据进行合并,将合并后的194人来源的脑组织样本分为:星型胶质细胞瘤组和正常组。然后对原始基因芯片数据进行批次效应去除和标准化处理,并使用密度图和主成分分析监测处理前后的效果。利用R语言中的limma包对处理后的基因芯片数据进行差异表达分析,从而筛选得到星型胶质细胞瘤组和正常组中之间的差异表达基因(differentially expressed genes,DEGs)。接着对差异表达基因进行GO(gene ontology,GO)分析和KEGG(kyoto encyclopedia of genes and genomes,KEGG)分析,并对所有基因的表达矩阵进行GSEA(gene set enrichment analysis,GSEA)分析。通过STRING数据库构建差异表达基因的蛋白—蛋白相互作用网络(protein-protein interaction,PPI),通过Cytoscape中的cytoHubba插件筛选Hub基因。为了探索Hub基因在星型胶质细胞中的诊断价值和预后价值,我们下载TCGA(the cancer genome atlas,TCGA)数据库中的基因表达数据和临床预后资料,使用ROC曲线评价Hub基因的诊断价值,并对诊断价值较高的Hub基因进行COX回归,筛选HR值最有意义的基因进行总生存分析(overall survival,OS)。结果通过limma包总共分析得到1043个差异表达基因。GO分析结果表明差异表达基因主通过影响神经突触的功能而发挥作用。KEGG分析结果显示钙信号通路、cAMP信号通路、MAPK信号通路、PI3K-Akt信号通路、Rap1信号通路和Ras信号通路等通路等在星型胶质细胞瘤中发挥着重要的作用。GSEA富集分析结果主要富集于细胞因子-细胞因子受体相互作用、JAK-STAT信号通路、逆行内源性大麻素信号、神经活性配体-受体相互作用、GABA能突触和钙信号通路等通路。通过PPI网络总共分析
