目的 采用生物信息学分析肿瘤组织潜在侯选靶标及标志物ADAM17的结构和功能特点。方法 运用ProtParam和ProtScale、STRING12.0、The Human Protein Atlas和cBioPortal等不同数据库,对人ADAM17理化性质、跨膜区域、信号肽、核定位序列、...目的 采用生物信息学分析肿瘤组织潜在侯选靶标及标志物ADAM17的结构和功能特点。方法 运用ProtParam和ProtScale、STRING12.0、The Human Protein Atlas和cBioPortal等不同数据库,对人ADAM17理化性质、跨膜区域、信号肽、核定位序列、磷酸化和糖基化位点、亚细胞定位、二级/三级结构、蛋白互作网络、不同肿瘤组织中的表达以及遗传改变等进行分析。采用免疫组化对肺、结肠组织的肿瘤组织和正常样本ADAM17表达进行验证。结果 人ADAM17是由824个氨基酸构成的亲水性蛋白;分子式为C_(4066)H_(6356)N_(1124)O_(1277)S_(50),理论等电点为5.50,平均亲水性为-0.573;定位于细胞质,具有1个跨膜结构域、1个信号肽以及2个核定位序列;二级结构主要由不规则卷曲组成,存在89个磷酸化位点、5个N-糖基化位点和9个O-糖基化位点;广泛分布于正常组织中,并在膀胱尿路上皮癌、宫颈鳞状细胞癌、结肠癌(COAD)、肾透明细胞癌、肝脏肝细胞癌和肺鳞状细胞癌(LUSC)中高表达,能与金属蛋白酶抑制因子3、表皮生长因子等主要蛋白发生相互作用,参与肿瘤坏死因子、核因子-κB等信号通路。免疫组化验证结果显示,ADAM17在人肺、结肠正常组织中低表达,而在LUSC、COAD组织中高表达。结论 ADAM17可能是肿瘤的潜在候选靶标及标志物。展开更多
现有大多数用于识别候选疾病基因的随机游走方法通常优先访问高度连接的基因,而可能与已知疾病有关的不知名或连接性差的基因易被忽略或难以识别.此外,这些方法仅访问单个基因网络或各种基因数据的聚合网络,导致偏差和不完整性.因此,设...现有大多数用于识别候选疾病基因的随机游走方法通常优先访问高度连接的基因,而可能与已知疾病有关的不知名或连接性差的基因易被忽略或难以识别.此外,这些方法仅访问单个基因网络或各种基因数据的聚合网络,导致偏差和不完整性.因此,设计一种能控制随机游走运动方向和整合多种数据源的候选疾病基因识别方法将是一个迫切需要解决的问题.为此,首先构建多层网络和多层异构基因网络.然后,提出一种游走于多层网络和多层异构网络的拓扑偏置重启随机游走(Biased random walk with restart,BRWR)算法来识别疾病基因.实验结果表明,游走于不同类型网络上的识别候选疾病基因的BRWR算法优于现有的算法.最后,应用于多层异构网络上的BRWR算法能预测未诊断的新生儿类早衰综合征中涉及的疾病基因.展开更多
文摘目的 采用生物信息学分析肿瘤组织潜在侯选靶标及标志物ADAM17的结构和功能特点。方法 运用ProtParam和ProtScale、STRING12.0、The Human Protein Atlas和cBioPortal等不同数据库,对人ADAM17理化性质、跨膜区域、信号肽、核定位序列、磷酸化和糖基化位点、亚细胞定位、二级/三级结构、蛋白互作网络、不同肿瘤组织中的表达以及遗传改变等进行分析。采用免疫组化对肺、结肠组织的肿瘤组织和正常样本ADAM17表达进行验证。结果 人ADAM17是由824个氨基酸构成的亲水性蛋白;分子式为C_(4066)H_(6356)N_(1124)O_(1277)S_(50),理论等电点为5.50,平均亲水性为-0.573;定位于细胞质,具有1个跨膜结构域、1个信号肽以及2个核定位序列;二级结构主要由不规则卷曲组成,存在89个磷酸化位点、5个N-糖基化位点和9个O-糖基化位点;广泛分布于正常组织中,并在膀胱尿路上皮癌、宫颈鳞状细胞癌、结肠癌(COAD)、肾透明细胞癌、肝脏肝细胞癌和肺鳞状细胞癌(LUSC)中高表达,能与金属蛋白酶抑制因子3、表皮生长因子等主要蛋白发生相互作用,参与肿瘤坏死因子、核因子-κB等信号通路。免疫组化验证结果显示,ADAM17在人肺、结肠正常组织中低表达,而在LUSC、COAD组织中高表达。结论 ADAM17可能是肿瘤的潜在候选靶标及标志物。
文摘现有大多数用于识别候选疾病基因的随机游走方法通常优先访问高度连接的基因,而可能与已知疾病有关的不知名或连接性差的基因易被忽略或难以识别.此外,这些方法仅访问单个基因网络或各种基因数据的聚合网络,导致偏差和不完整性.因此,设计一种能控制随机游走运动方向和整合多种数据源的候选疾病基因识别方法将是一个迫切需要解决的问题.为此,首先构建多层网络和多层异构基因网络.然后,提出一种游走于多层网络和多层异构网络的拓扑偏置重启随机游走(Biased random walk with restart,BRWR)算法来识别疾病基因.实验结果表明,游走于不同类型网络上的识别候选疾病基因的BRWR算法优于现有的算法.最后,应用于多层异构网络上的BRWR算法能预测未诊断的新生儿类早衰综合征中涉及的疾病基因.
