系统性红斑狼疮的芯片数据挖掘及生物信息学分析

目的:筛选系统性红斑狼疮(systemic lupus reythematosus,SLE)相关的差异表达基因(differently expressed genes,DEGs)及信号通路,为寻找其特异的生物标志物和揭示潜在的分子生物学机制提供一定的科学依据.方法:从公开的基因表达综合数据库GEO(Gene Expression Omnibus)中下载与SLE相关的2个数据集GSE110174和GSE154851,使用R软件limma包对数据进行背景校正,标准化并且从中筛选出DEGs,分别使用pheatmap包和ggplot2包绘制DEGs的聚类热图和火山图.通过DAVID在线数据库对筛选出的DEGs进行GO(Gene Ontology)富集分析和KEGG(Kyoto Encyclopedia of Genes and Genomes)信号通路分析.最后通过STRING在线数据库和Cytoscape软件构建蛋白质互作网络图并从中识别关键基因.结果:从2个数据集中筛选得到了164个共同DEGs.GO富集分析结果显示,这些 DEGs主要参与Ⅰ型干扰素信号通路、病毒的防御反应、病毒的应答反应、干扰素γ介导的信号通路、病毒基因组复制的负性调控、先天性免疫应答等生物学过程.KEGG通路分析结果显示,这些DEGs主要参与甲型流感病毒、麻疹病毒、结核病、单纯疱疹病毒感染、丙型肝炎病毒、RIG-I样受体信号通路、弓形虫病、Toll样受体信号通路、乙型肝炎病毒等信号通路.通过degree算法获得了10个关键基因分别为IRF7、IFI35、OAS3、RSAD2、ISG15、OAS2、MX1、IFIT3、IFIT1、IFIT2.结论:筛选出的10个关键基因可能作为SLE潜在的生物标志物,同时病毒感染以及Ⅰ型干扰素、RIG-I样受体、Toll样受体等信号通路在SLE发病中起着重要作用.