Acute coronary syndrome (ACS) is a complex syndrome of clinical symptoms. In order to accurately diagnose the type of disease in ACS patients, this study is aimed at exploring the differentially expressed genes (DEGs) and biological pathways between acute myocardial infarction (AMI) and unstable angina (UA). The GSE29111 and GSE60993 datasets containing microarray data from AMI and UA patients were downloaded from the Gene Expression Omnibus (GEO) database. DEG analysis of these 2 datasets is performed using the “limma” package in R software. DEGs were also analyzed using protein-protein interaction (PPI), Molecular Complex Detection (MCODE) algorithm, Gene Ontology (GO), and Kyoto Encyclopedia of Genes and Genomes (KEGG) enrichment analysis. Correlation analysis and “cytoHubba” were used to analyze the hub genes. A total of 286 DEGs were obtained from GSE29111 and GSE60993, including 132 upregulated genes and 154 downregulated genes. Subsequent comprehensive analysis identified 20 key genes that may be related to the occurrence and development of AMI and UA and were involved in the inflammatory response, interaction of neuroactive ligand-receptor, calcium signaling pathway, inflammatory mediator regulation of TRP channels, viral protein interaction with cytokine and cytokine receptor, human cytomegalovirus infection, and cytokine-cytokine receptor interaction pathway. The integrated bioinformatical analysis could improve our understanding of DEGs between AMI and UA. The results of this study might provide a new perspective and reference for the early diagnosis and treatment of ACS.

中文翻译：

---

基于综合生物信息学的急性心肌梗死与不稳定型心绞痛差异表达基因的生物数据挖掘

急性冠状动脉综合征（ACS）是一种临床症状复杂的综合征。为了准确诊断ACS患者的疾病类型，本研究旨在探索急性心肌梗死（AMI）与不稳定型心绞痛（UA）之间的差异表达基因（DEGs）和生物学通路。包含来自 AMI 和 UA 患者的微阵列数据的 GSE29111 和 GSE60993 数据集是从基因表达综合 (GEO) 数据库下载的。这两个数据集的 DEG 分析是使用 R 软件中的“limma”包进行的。还使用蛋白质-蛋白质相互作用 (PPI)、分子复合物检测 (MCODE) 算法、基因本体论 (GO) 和京都基因和基因组百科全书 (KEGG) 富集分析来分析 DEG。相关分析和“cytoHubba”用于分析中心基因。GSE29111和GSE60993共获得286个DEG，其中上调基因132个，下调基因154个。随后综合分析确定了20个可能与AMI和UA发生发展相关的关键基因，参与炎症反应、神经活性配体-受体相互作用、钙信号通路、炎症介质对TRP通道的调控、病毒蛋白与细胞因子和细胞因子受体、人巨细胞病毒感染和细胞因子-细胞因子受体相互作用途径。综合生物信息学分析可以提高我们对 AMI 和 UA 之间 DEG 的理解。本研究结果可为ACS的早期诊断和治疗提供新的视角和参考。包括132个上调基因和154个下调基因。随后综合分析确定了20个可能与AMI和UA发生发展相关的关键基因，参与炎症反应、神经活性配体-受体相互作用、钙信号通路、炎症介质对TRP通道的调控、病毒蛋白与细胞因子和细胞因子受体、人巨细胞病毒感染和细胞因子-细胞因子受体相互作用途径。综合生物信息学分析可以提高我们对 AMI 和 UA 之间 DEG 的理解。本研究结果可为ACS的早期诊断和治疗提供新的视角和参考。包括132个上调基因和154个下调基因。随后综合分析确定了20个可能与AMI和UA发生发展相关的关键基因，参与炎症反应、神经活性配体-受体相互作用、钙信号通路、炎症介质对TRP通道的调控、病毒蛋白与细胞因子和细胞因子受体、人巨细胞病毒感染和细胞因子-细胞因子受体相互作用途径。综合生物信息学分析可以提高我们对 AMI 和 UA 之间 DEG 的理解。本研究结果可为ACS的早期诊断和治疗提供新的视角和参考。随后综合分析确定了20个可能与AMI和UA发生发展相关的关键基因，参与炎症反应、神经活性配体-受体相互作用、钙信号通路、炎症介质对TRP通道的调控、病毒蛋白与细胞因子和细胞因子受体、人巨细胞病毒感染和细胞因子-细胞因子受体相互作用途径。综合生物信息学分析可以提高我们对 AMI 和 UA 之间 DEG 的理解。本研究结果可为ACS的早期诊断和治疗提供新的视角和参考。随后综合分析确定了20个可能与AMI和UA发生发展相关的关键基因，参与炎症反应、神经活性配体-受体相互作用、钙信号通路、炎症介质对TRP通道的调控、病毒蛋白与细胞因子和细胞因子受体、人巨细胞病毒感染和细胞因子-细胞因子受体相互作用途径。综合生物信息学分析可以提高我们对 AMI 和 UA 之间 DEG 的理解。本研究结果可为ACS的早期诊断和治疗提供新的视角和参考。病毒蛋白与细胞因子和细胞因子受体的相互作用、人巨细胞病毒感染以及细胞因子-细胞因子受体相互作用途径。综合生物信息学分析可以提高我们对 AMI 和 UA 之间 DEG 的理解。本研究结果可为ACS的早期诊断和治疗提供新的视角和参考。病毒蛋白与细胞因子和细胞因子受体的相互作用、人巨细胞病毒感染以及细胞因子-细胞因子受体相互作用途径。综合生物信息学分析可以提高我们对 AMI 和 UA 之间 DEG 的理解。本研究结果可为ACS的早期诊断和治疗提供新的视角和参考。