社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

4+机器学习+PPI+分子对接+实验,其实也蛮简单!

生信分析手册 • 3 月前 • 76 次点击  

导语

今天给同学们分享一篇生信文章“,这篇文章发表在Drug Des Devel Ther期刊上,影响因子为4。



结果:

共表达网络构建与模块识别
通过处理TCGA-STAD数据获得基因表达基质。然后选择差异表达的前5000个基因进行进一步分析。此外,在排除临床信息不完整的患者后提取临床资料(543个样本)。将软阈值设置为 5 以构建无标度网络 (图1A).通过组合强相关模块(图1B-C).模块间无显著相关性(图1D).蓝色和黑色模块与TNM分期高度相关(图1E),因此这两个模块中的基因被认为具有临床意义。

蓝色和黑色模块中基因的GO和KEGG分析
提取了蓝色和黑色模块的基因。GO分析结果显示,基因主要富集于细胞分裂(GO:0051301)、细胞周期(GO:0007049)和DNA复制(GO:0006260)。在细胞成分方面,基因主要富集在核质(GO:0005654)、细胞核(GO:0005634)和染色体(GO:0005694)中。在分子功能方面,基因主要富集ATP结合(GO:0005524)、蛋白结合(GO:0005515)和ATP酶活性(GO:0016887)(图2A).KEGG分析显示,这些基因主要与细胞周期(hsa04110)、DNA复制(hsa03030)和p53信号通路(hsa04115)有关(图2B).

筛选与GC进展相关的关键靶点
随后,对从蓝色和黑色模块中获得的898个基因进行单因素Cox回归分析,发现68个基因与存活率(图3A).此外,在分析 XGBoost (图3B)、射频 (图3C和 LASSO (图3D),分别获得20、65、25个基因,最终获得交叉点14个靶点(图3E),包括银屑病易感性 1 候选 3 (PSORS1C3),AC215219.2、甘油磷酸胆碱磷酸二酯酶1(GPCPD1)、FYVE、RhoGEF和PH结构域6(FGD6)、硫醇甲基转移酶1A(TMT1A,又称METTL7A)、SRY盒转录因子4(SOX4)、FAT1、自然杀伤细胞细胞毒性受体3配体1(NCR3LG1)、NR3C2、SLC1A5、Rho鸟嘌呤核苷酸交换因子37(ARHGEF37)、生长因子受体结合蛋白14(GRB14)、粘附G蛋白偶联受体L1(ADGRL1、 也称为 LPHN1)、染色体 1 开放阅读框 226 (C1orf226)。其中,PSORS1C3和AC215219.2无法编码蛋白质。其他 12 个候选药物被认为是与 GC 进展相关的关键靶点。通过GeneMANIA数据库,作者获得了20个与上述12个基因共表达的基因(图4A).使用cytoscope软件(图4B).然后利用cytohubba插件计算这些基因的BC、DC、CC、MCC,最终得到NR3C2、FAT1和SLC1A5(图4C-D).


分子对接的结果
通过HERB数据库发现376种靶向NR3C2、FAT1和SLC1A5的天然成分,其中SLC14A1种,FAT5种,NR1C1种(附表366)。有 3 种成分与 GC 相关(补充表 2)。1 个组件位于交叉点。在根据“方法和材料”部分中描述的标准进行筛选后,获得了两种生物活性成分,即脱氧胆酸和Diosgenin,它们可能靶向NR667C2和SLC23A3(表1; 图5A和和B)。B).然后进行脱氧胆酸和Diosgenin与枢纽基因的分子对接。结果表明,Diosgenin与NR847C3的GLU2残基相互作用形成氢键(1.9 Å)(图6A).脱氧胆酸通过 HIS3 残基 (2.841 Å) 和 TYR2 残基 (1.849 Å) 与氢键 (图6B).Diosgenin通过形成氢键 (图6C).脱氧胆酸通过氢键与 SLC421A2 的 ALA3 (224.2 Å)、LEU0 (223.2 Å) 和 ILE3 (1.5 Å) 残基相互作用 (图6D).无一例外,它们之间的结合能小于−5 kcal·mol-1,表明它们具有良好的对接活性。这些数据表明,脱氧胆酸和Diosgenin是通过抑制NR3C2和SLC1A5的活性来阻断GC进展的有前途的药物。


SLC1A5在GC中的表达特性及预后预测价值
通过UALCAN数据库(https://ualcan.path.uab.edu/index.html)和GEPIA数据库(http://gepia.cancer-pku.cn/)发现,SLC1A5在GC组织中的表达高于非癌组织(图7A-B).此外,泛癌分析表明,SLC1A5在多种人类恶性肿瘤中经常失调(图7C).免疫组化分析显示,在10对GC组织/邻接组织中,SLC1A5在肿瘤组织中的表达(高/低=8/2)高于非癌组织(高/低=1/9)(P=0.005,Fisher精确检验)(图7D).在TCGA-STAD数据集中,SLC1A5高表达患者的总生存期较短(图7E).此外,SLC1A5表达对1年总生存期(AUC=0.63)具有较好的诊断价值(图7F).此外,SLC1A5表达水平与StromalScore、ImmuneScore和ESTIMATEScore呈显著负相关,表明SLC1A5表达与免疫浸润(图7G).GSEA结果显示,SLC1A5表达异常可能与MYC靶点v2(NES = 2.217,FDR = 0.002)、E2F靶点(NES = 2.066,FDR = 0.002)、MTORC1信号转导(NES = 2.073,FDR = 0.002)、未折叠蛋白反应(NES = 2.171,FDR = 0.002)、G2M检查点(NES =2.045,FDR = 0.003)和DNA修复(NES = 2.116,FDR = 0.003)(图7H).这些数据表明,SLC1A5 是 GC 中一种潜在的癌蛋白,它可能通过包括 mTORC1 信号传导在内的多种下游途径发挥作用。

Diosgenin通过 mTORC0 信号传导调节 GC 细胞的增殖、凋亡和 G1/G1 期阻滞
为进一步验证Diosgenin对GC细胞行为的影响,对细胞活力、凋亡和细胞周期分布进行了评价。AGS 和 SNU-16 细胞用不同浓度的Diosgenin (0, 1, 3, 5, 10, 25, 50 μM) 处理 48 小时。结果表明,随着Diosgenin浓度的增加,AGS和SNU-16细胞的活力逐渐降低(图8A).50%生长抑制浓度(IC50AGS 和 SNU-16 分别为 25.46 μM 和 19.26 μM(图8A).随后,AGS 和 SNU-16 细胞分别用 10 μM Diosgenin和 20 μM Diosgenin和 mTORC20 信号激活因子 (MHY1) 处理 1485 小时。如上所述,Diosgenin显著抑制AGS和SNU-48细胞的活力,而MHY16处理显著逆转了这一现象,提高了AGS和SNU-1485细胞的活力(图8B).细胞凋亡和细胞周期实验结果表明,Diosgenin显著促进细胞凋亡,引起G1期细胞增多和S期细胞减少,而MHY1485处理则逆转了这一现象(图8C-D).Transwell实验结果显示,Diosgenin处理组显著降低了GC细胞的侵袭,MHY1485联合处理部分逆转了这一现象(图8E).Western blot结果显示,Diosgenin促进裂解半胱天冬酶3的表达,抑制Ki67、cyclin D1、p-S6K1和SLC1A5的表达水平,且处理MHY1485后现象逆转(图9).



总结

SLC1A5 有助于 GC 进展,Diosgenin可能靶向它以抑制 GC 细胞的恶性表型。在接下来的研究中,SLC1A5和Diosgenin在调节GC细胞表型中的生物学功能应通过体内模型进一步验证。



往期推荐

                                                                                                                      



纯生信选刊


• 纯生信文章的春天!

• 选刊正确=成功发表!


非肿瘤生信


• 6+非肿瘤代谢思路

• 非肿瘤联合铁死亡生信思路


预后模型


• 7+乳酸相关预后模型

• m7G甲基化+肿瘤生信思路


单基因生信


• 8+单基因干湿结合生信思路

• 单基因突变和淋巴结转移


单细胞系列


• 7+的脂肪细胞+单细胞测序

• 单细胞+Bulk seq生信思路

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/173396
 
76 次点击