Lung cancer has been the leading cause of tumor related death, and 80% ~ 85% of it is non-small cell lung cancer (NSCLC). Even with the rising molecular targeted therapies, for example EGFR, ROS1 and ALK, the treatment is still challenging. The study is to identify credible responsible genes during the development of NSCLC using bioinformatic analysis, developing new prognostic biomarkers and potential gene targets to the disease. Firstly, three genes expression profiles GSE44077, GSE18842 and GSE33532 were picked from Gene Expression Omnibus (GEO) to analyze the genes with different expression level (GDEs) between NSCLC and normal lung samples, and the cellular location, molecular function and the biology pathways the GDEs enriched in were analyzed. Then, gene function modules of GDEs were explored based on the protein-protein interaction network (PPI), and the top module which contains most genes was identified, followed by containing genes annotation and survival analysis. Moreover, multivariate cox regression analysis was performed in addition to the Kaplan meier survival to narrow down the key genes scale. Further, the clinical pathological features of the picked key genes were explored using TCGA data. Three GEO profiles shared a total of 664 GDEs, including 232 up-regulated and 432 down-regulated genes. Based on the GDEs PPI network, the top function module containing a total of 69 genes was identified, and 31 of 69 genes were mitotic cell cycle regulation related. And survival analysis of the 31 genes revealed that 17/31 genes statistical significantly related to NSCLC overall survival, including 4 spindle assembly checkpoints, namely NDC80, BUB1B, MAD2L1 and AURKA. Further, multivariate cox regression analysis identified NDC80 and MAD2L1 as independent prognostic indicators in lung adenocarcinoma (LUAD) and squamous cell carcinoma (LUSC) respectively. Interestingly, pearson correlation analysis indicated strong connection between the four genes NDC80, BUB1B, MAD2L1 and AURKA, and their clinical pathological features were addressed. Using bioinformatic analysis of GEO combined with TCGA data, we revealed two independent prognostic indicators in LUAD and LUSC respectively and analyzed their clinical features. However, more detailed experiments and clinical trials are needed to verify their drug targets role in clinical medical use.

中文翻译：

---

生物信息学分析显示有丝分裂纺锤体大会调节NDC80和MAD2L1作为非小细胞肺癌发展中的预后生物标志物。

肺癌一直是与肿瘤相关的死亡的主要原因，其中80％〜85％是非小细胞肺癌（NSCLC）。即使采用诸如EGFR，ROS1和ALK等分子靶向疗法的兴起，该疗法仍然具有挑战性。这项研究旨在使用生物信息学分析在NSCLC的发展过程中确定可靠的负责任基因，开发新的预后生物标记物和对该疾病的潜在基因靶标。首先，从Gene Expression Omnibus（GEO）提取了三个基因表达谱GSE44077，GSE18842和GSE33532，以分析NSCLC和正常肺样本之间具有不同表达水平（GDE）的基因，以及它们的细胞位置，分子功能和生物学途径。分析了富集的GDE。然后，在蛋白质-蛋白质相互作用网络（PPI）的基础上，探索了GDEs的基因功能模块，确定了包含最多基因的模块，然后进行了基因注释和生存分析。此外，除了进行Kaplan生存率分析外，还进行了多元Cox回归分析以缩小关键基因的范围。此外，使用TCGA数据探索了选择的关键基因的临床病理特征。三个GEO谱共有664个GDE，包括232个上调基因和432个下调基因。基于GDEs PPI网络，确定了包含总共69个基因的最高功能模块，并且69个基因中的31个与有丝分裂细胞周期调控有关。并且对这31个基因进行了生存分析，发现17/31个基因的统计数据与NSCLC总体生存率显着相关，包括4个主轴组件检查点，即NDC80，BUB1B，MAD2L1和AURKA。此外，多因素cox回归分析确定NDC80和MAD2L1分别是肺腺癌（LUAD）和鳞状细胞癌（LUSC）的独立预后指标。有趣的是，Pearson相关分析表明NDC80，BUB1B，MAD2L1和AURKA这四个基因之间有很强的联系，并探讨了它们的临床病理特征。利用GEO的生物信息学分析结合TCGA数据，我们分别揭示了LUAD和LUSC中两个独立的预后指标，并分析了它们的临床特征。但是，需要更详细的实验和临床试验来验证其药物靶标在临床医学用途中的作用。多元cox回归分析确定NDC80和MAD2L1分别是肺腺癌（LUAD）和鳞状细胞癌（LUSC）的独立预后指标。有趣的是，Pearson相关分析表明NDC80，BUB1B，MAD2L1和AURKA这四个基因之间有很强的联系，并探讨了它们的临床病理特征。利用GEO的生物信息学分析结合TCGA数据，我们分别揭示了LUAD和LUSC中两个独立的预后指标，并分析了它们的临床特征。但是，需要更详细的实验和临床试验来验证其药物靶标在临床医学用途中的作用。多元cox回归分析确定NDC80和MAD2L1分别是肺腺癌（LUAD）和鳞状细胞癌（LUSC）的独立预后指标。有趣的是，Pearson相关分析表明NDC80，BUB1B，MAD2L1和AURKA这四个基因之间有很强的联系，并探讨了它们的临床病理特征。利用GEO的生物信息学分析结合TCGA数据，我们分别揭示了LUAD和LUSC中两个独立的预后指标，并分析了它们的临床特征。但是，需要更详细的实验和临床试验来验证其药物靶标在临床医学用途中的作用。皮尔森相关分析表明，四个基因NDC80，BUB1B，MAD2L1和AURKA之间有很强的联系，并探讨了它们的临床病理特征。利用GEO的生物信息学分析结合TCGA数据，我们分别揭示了LUAD和LUSC中两个独立的预后指标，并分析了它们的临床特征。但是，需要更详细的实验和临床试验来验证其药物靶标在临床医学用途中的作用。皮尔森相关分析表明，四个基因NDC80，BUB1B，MAD2L1和AURKA之间有很强的联系，并探讨了它们的临床病理特征。利用GEO的生物信息学分析结合TCGA数据，我们分别揭示了LUAD和LUSC中两个独立的预后指标，并分析了它们的临床特征。但是，需要更详细的实验和临床试验来验证其药物靶标在临床医学用途中的作用。