结论本研究构建了ARBCMV高效合成平台,证实其在体外负载并递送阿霉素进入乳腺癌细胞的可行性。
目的利用生物信息学方法,通过分析基因表达数据库(GEO)基因芯片数据筛选与乳腺癌不良预后相关的核心基因,为乳腺癌的治疗提供新的候选靶点。方法从GEO数据库下载微阵列数据集GSE15852,采用GEO在线工具GEO2R筛选差异表达基因(DEGs);D寻找更多AVID数据库对筛选出的差异表达基因,进行基因本体论分析(GO)和京都基因与基因组百科全书(KEGG)通路富集分析;基于STRING数据库和Cytoscape软件构建蛋白质-蛋白质相互作用关系(PPI),并用Cytoscape软件MCODE插件进行模块分析,获取关键基因;用在线工具Kaplan-Meier Plotter对这些关PF-573228体外键基因进行生存分析,获取与乳腺癌预后不良的相关核心基因;采用基因表达谱交互分析(GEPIA)进一步验证。结果筛选出57个差异表达基因,其中上调基因17个,下调基因40个。上调基因主要富集在雌激素反应、对细胞运动的负调控反应、心脏右心室形态发生、交感神经系统发育、细胞-细胞黏附及输尿管的萌芽发育等生物过程;聚焦于造血细胞系信号通路GDC-0068半抑制浓度。下调基因显著富集在脂质代谢、分解、存储过程,胆固醇的储存、运输,甘油三酯的合成分解代谢,血管生成等生物过程;聚焦于PPAR信号通路、对脂肪细胞脂肪分解的调节作用、脂肪细胞因子信号通路等途径。PPI网络及MCODE模块分析鉴定出7个核心基因,关键基因的生存分析及GEPIA分析发现CD24和EPCAM基因的高表达患者生存率低于低表达患者。结论该方法为寻找乳腺癌不良预后的关键基因、探索乳腺癌治疗新靶点提供一定依据。