基于加权基因共表达网络分析识别肥胖型多囊卵巢综合征的关键基因

目的 采用加权基因共表达网络分析(weighted gene co-expression network analysis, WGCNA)方法识别肥胖型多囊卵巢综合征(polycystic ovary syndrome, PCOS)的关键基因,探讨肥胖型PCOS的发病机制。方法 从基因表达数据库(gene expression omnibus, GEO)下载GSE5090芯片数据,通过WGCNA算法分析筛选基因共表达关键模块和核心基因,对关键模块进行GO和KEGG分析,对核心基因进行差异分析以确定肥胖型PCOS的关键基因。结果 在GSE5090芯片数据中,通过WGCNA分析构建出了31个共表达基因模块,其中重褐色模块(MEsaddlebrown)与肥胖型PCOS具有密切的相关性,包含53个基因。对此模块基因进一步筛选,识别出了ZNF492、MED17、CRABP1、KCNV2、KRI1、ACSBG2、MACO1、SCLY、CPSF1、MAGEA8 10个肥胖型PCOS核心基因。对此模块基因进行GO和KEGG分析发现相关基因与脂肪酸代谢关系密切,主要作用于核蛋白,通过调节染色体组织、有机酸分解等发挥生物学功能。进一步对核心基因表达量进行差异分析,基因ZNF492、CRABP1、KCNV2在肥胖对照组与肥胖型PCOS脂肪组织间存在明显差异。结论 ZNF492、CRABP1和KCNV2基因在肥胖型PCOS的发展中可能产生重要生物学意义,其具体机制有待进一步研究。

甘蓝型油菜盐胁迫响应基因表达谱分析及共表达网络的构建

甘蓝型油菜是重要的油料作物,而盐胁迫是影响油菜生长发育的主要环境条件之一,可能会造成油菜减产、品质下降甚至死亡。本研究利用半冬性油菜ZS11作为试验材料,对盐胁迫处理0、0.25、0.5、1、3、6、12和24h的叶片和根系组织进行转录组测序,通过测得的90份RNA-seq数据,获得了油菜响应盐胁迫的高分辨率时间动态转录表达谱。相关性分析发现,样本在盐胁迫处理1 h前后具有明显的早期响应与后期响应的聚类差异。利用DESeq2进行差异基因分析,鉴定出根系以及叶片组织响应差异基因分别为20,462个和29,334个,表明油菜叶片组织的响应程度整体上比根系更剧烈。进一步利用WGCNA分别构建根系以及叶片组织响应盐胁迫的基因共表达网络,从中筛选出与盐胁迫早期响应阶段显著相关的tan和yellow模块,以及与盐胁迫后期响应阶段显著相关的green和red模块,对其进行GO富集分析,并从中分别筛选出早期以及后期响应盐胁迫的核心转录因子41个和26个。功能注释显示4个模块中均存在已知的拟南芥同源基因参与不同阶段的盐胁迫响应,还发现BnWRKY46和BnWRKY57等核心基因在505份盐胁迫处理的油菜群体变异数据中具有丰富的SNPs变异和单倍体类型,表明这些核心转录因子可能是油菜响应盐胁迫的关键候选基因。本研究可为甘蓝型油菜耐盐性改良提供可靠的数据参考和候选基因资源。

加权共表达网络分析与机器学习识别类风湿关节炎滑膜中的关键基因

背景:类风湿关节炎是一种全身的免疫相关性疾病,主要病理特点是关节滑膜炎性增生及关节软骨的破坏,其发病机制目前尚不明确,迫切需要发现新的具有高度敏感性和特异性的诊断标志物。目的:联合使用生物信息学技术及计算机学习算法,识别并筛选类风湿关节炎患者滑膜中的关键基因,构建类风湿关节炎预测模型并进行验证。方法:从基因表达综合数据库中下载3个包含类风湿关节炎患者滑膜的数据集(GSE77298、GSE55235、GSE55457),GSE77298和GSE55235作为训练集,GSE55457作为测试集,共纳入66个样本,其中类风湿关节炎患者滑膜样本39个,正常滑膜样本27个。应用R语言筛选训练集中的差异基因,然后使用加权共表达网络将训练集中的基因模块化,选出关键模块中的特征基因,将差异表达基因和特征基因取交集,交集基因进入下一步机器学习。采用3种机器学习方法:最小绝对值收敛和选择算子算法、支持向量机-递归特征消除和随机森林算法对交集基因进一步分析获得枢纽基因,将枢纽基因再次相交即得到类风湿关节炎滑膜中的关键基因。以关键基因为变量构建预测类风湿关节炎的列线图模型,推测患者发生类风湿关节炎的危险程度,使用受试者工作特征曲线确定类风湿关节炎预测模型及其关键基因的诊断价值。结果与结论:①通过差异分析,训练集中共筛选出差异基因730个,加权共表达网络分析得到特征基因185个,两者交集基因159个;②最小绝对值收敛和选择算子发现枢纽基因4个,支持向量机-递归特征消除发现枢纽基因11个,随机森林发现枢纽基因5个,取交集后获得关键基因2个(TNS3、SDC1);③基于2个关键基因,在训练集及测试集种构建列线图,其校准预测曲线与标准曲线贴合较好,且预测类风湿关节炎发生的临床效能良好;④上述结果证实,基于生物信息及机器学习算法获得的TNS3和SDC1有可能成为类风湿关节炎诊断和治疗的关键靶点。

荷斯坦奶牛肝脏组织中与泌乳时期及繁殖力相关的基因共表达网络构建

旨在运用加权基因共表达网络分析技术(weighted gene co-expression network analysis,WGCNA)筛选出荷斯坦奶牛(Bos taurus)肝脏组织中与泌乳时期及繁殖力相关的基因。本研究采用GEO数据库中的GSE62159数据集,该数据集分别包含高繁殖力(分泌到配种的平均时间间隔为85.6 d,n=24)和低繁殖力(分泌到配种的平均时间间隔为113.8 d,n=24)健康荷斯坦母牛在妊娠后期、泌乳初期和泌乳中期的肝脏组织转录组数据,使用R语言中的WGCNA包对该数据集进行共表达分析。将所得到的模块与不同泌乳时期以及不同繁殖力进行关联分析,得到目标模块,再依据连接度选择出排名前30的基因作为枢纽基因(Hub基因),对Hub基因进行功能富集分析,使用String网站构建出模块的蛋白互作网络(PPI),并使用Cytoscape软件筛选出Hub基因与蛋白互作分析(PPI)网络核心基因的交集,最终得到肝脏中与泌乳时期及繁殖力相关的目标基因。研究共得到14个模块,其中tan、greenyellow两个模块与泌乳时期相关,black模块与繁殖力相关。对hub基因进行富集分析后,发现肝脏中与泌乳早期相关基因功能主要包括:有物质的合成代谢途径、脂质脂蛋白的基因表达、蛋白质的合成到分泌等;与泌乳中期相关基因功能主要包括:疾病、机体的炎症反应、免疫反应以及急性期等;与繁殖力相关基因功能主要包括:胰岛素抵抗、子宫内膜癌以及癌症等。筛选到的12个肝脏中与泌乳早期相关的目标基因有RPN1、SEC 61A1、SEC 61B、SEC 61G、SSR1、SSR3、STT 3A、DAD1、DDOST、ERLEC1、HM 13和OSTC;6个与泌乳中期相关的目标基因有ITGAL、ITGB2、LAPTM5、PTPRC、C 3AR1和CTSS;4个与繁殖力相关的目标基因有:PDS 5A、ROCK1、AQR和LTN 1。本研究使用WGCNA、PPI、基因功能富集等生物信息学方法,鉴定得到荷斯坦奶牛肝脏中与泌乳时期、繁殖力相关的目标基因,并对目标基因进行了功能富集分析,为高繁殖力及高产奶牛培育方向的科研工作积累了理论资料。

荷斯坦牛肌肉组织中与妊娠末期、泌乳期及繁殖力相关的基因共表达网络构建

【目的】筛选荷斯坦牛肌肉组织中与妊娠末期、泌乳期及繁殖力相关的关键目标基因,为进一步开展基因功能研究提供理论依据。【方法】选择GEO数据库中有关荷斯坦牛在妊娠末期、泌乳早期和泌乳中期肌肉基因表达及生育能力的数据集GSE62159,采用加权基因共表达网络分析(Weighted gene co-expression network analysis,WGCNA)方法进行基因共表达分析,将获得的模块与妊娠末期、泌乳中期及繁殖力性状相关联,选择各模块中连接度处于前30的基因作为枢纽基因(Hub基因),使用String网站对模块进行蛋白互作(Protein-protein interaction,PPI)网络分析,选择PPI网络中节点连接度值排名前30的基因作为核心基因,与Hub基因交集得到在肌肉中与不同生理时期及繁殖力相关的关键目标基因。【结果】研究共分析得到13个模块,其中Green、Blue两个模块分别与妊娠末期、泌乳中期相关,Magenta模块与繁殖力相关。对各目标模块内基因进行功能富集分析,富集结果显示肌肉组织中与妊娠末期相关的基因功能主要有物质代谢、能量代谢、蛋白质合成与分泌、机体对氧化应激的反应及神经退行性变等;与泌乳中期相关的基因功能有干细胞群维持、蛋白质合成与分泌、抗原加工与呈递及多种疾病发生等;与繁殖力相关的基因功能有血管形成、子宫内胚胎发育与肌动蛋白丝结合等。筛选到荷斯坦牛肌肉中与妊娠末期相关的关键基因有3个、与泌乳中期相关的关键基因有1个、与繁殖力相关的关键基因有8个。【结论】鉴定到荷斯坦牛肌肉组织中与妊娠末期相关的基因为EIF5A、ACO2和EEF1G,与泌乳中期相关的基因为EIF4A2,与繁殖力相关的基因为ITGB1、MYH9、TLN1、CAV1、COL4A1、COL4A2、FLNA和HSPG2。

基于加权基因共表达网络和癌症基因组图谱临床数据分析并鉴定肝细胞癌的Hub基因研究

背景 肝细胞癌(HCC)是全球常见的癌症相关死亡的第三大原因,约占所有原发性肝癌病例的90%,其复发率和死亡率较高,目前发生的分子机制仍不清楚。目的 探索HCC潜在的分子机制,发掘新的生物标志物。方法 从TCGA数据库下载RNA-seq表达数据和临床相关信息,通过差异基因表达分析正常肝脏组织与HCC组织的差异基因;对差异表达基因进行富集分析;基于TCGA中HCC的基因表达数据概况,使用WGCNA R包建立共表达网络,进行加权基因共表达网络分析(WGCNA),选择具有临床意义的模块,并筛选候选Hub基因;进一步分析候选Hub基因在HCC组织和正常肝脏组织显著差异表达、与HCC患者总体生存期和无病生存期是否显著相关,最终确定Hub基因;通过人类蛋白质图谱数据库对Hub基因蛋白表达进行验证。结果 本研究的基因表达数据来自50个正常肝脏组织样本和373个HCC组织样本。通过差异基因表达分析发现7 230个在HCC和正常肝脏组织之间差异表达的基因(HCC中3 691个上调基因和3 539个下调基因)。富集分析表明,上调的差异表达基因主要参与细胞周期调控和有丝分裂过程;下调的差异表达基因主要参与小分子代谢和有机酸代谢等过程。WGCNA确定了19个与HCC患者临床特征相关基因模块,通过分析模块与临床特征之间的关系,筛选出青色模块和紫色模块。青色模块基因中同时与患者总生存期和无病生存期强烈相关的前两个基因为VPS45和FAM189B;紫色模块基因中同时与患者总生存期和无病生存期强烈相关的前两个基因分别为CLEC1B和FCN3,因此将VPS45、FAM189B、CLEC1B和FCN3确定为最终的Hub基因。人类蛋白质图谱数据库免疫组织化学染色显示:VPS45和FAM189B在HCC组织中的表达高于正常肝脏组织,FCN3在HCC组织中的表达低于正常肝脏组织,CLEC1B在HCC组织和正常肝脏组织中表达差异不明显。结论 初步确定VPS45、FAM189B、CLEC1B和FCN3可能是HCC的新型潜在生物标志物,这些Hub基因可能为HCC的靶向治疗提供理论基础。

应用加权基因共表达网络分析识别肝细胞癌发生和进展过程中关键通路和基因作用研究

目的探讨肝细胞癌(HCC)发生进展过程中功能富集通路和关键基因表达。方法从基因表达数据库(GEO)下载HBV感染不同阶段和正常对照肝脏转录组数据,构建基因网络并使用加权基因共表达网络分析(WGCNA)将基因分类为不同的模块,对相关模块中的基因进行富集分析。应用GEO数据集进一步验证重要基因水平。结果共6145个组间差异基因参与构建加权基因共表达网络,被分为9个模块,进一步描绘了从肝脏早期病变到肿瘤的进化轨迹,从正常组织到癌组织过程中的细胞增殖、DNA损伤修复和细胞衰老相关通路线性激活;随疾病进展,脂质代谢和凝血等肝脏功能相关通路逐渐受到抑制;在肿瘤发生前,慢性炎症期免疫相关通路被激活,后期逐渐趋向于抑制状态;共鉴定出3个重要衰老相关基因,即CCNA2、UBE2C和ANAPC1,并在外部数据集验证了这3个基因水平变化;进一步分析显示上述3个基因水平与肝癌患者不良预后密切相关(P<0.05)。结论通过生物信息学分析,我们初步确定了肝癌发生和进展过程中潜在途径和重要参与基因,为诊断和治疗干预提供了潜在的靶标。

基于加权基因共表达网络探索喉癌干性关键基因

目的采用肿瘤干性指数mRNAsi筛选喉癌相关基因,为喉癌相关研究提供新思路。方法从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库下载喉癌mRNA表达谱,采用加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)构建基因共表达网络模块,得到干性最显著模块的差异表达基因。采用Cox回归和最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法建立风险曲线,基于肿瘤免疫功能障碍与排斥(Tumor Immune Dysfunction and Exclusion,TIDE)数据库采用单样本基因集富集分析(single sample gene set enrichment analysis,ssGSEA)探索交集基因的免疫浸润模式,基于CellMiner数据库分析基因药物敏感性,运用基因集富集分析(gene set enrichment analysis,GSEA)富集关键基因在喉癌所参与的功能和信号通路。结果通过WGCNA共构建30个喉癌共表达基因模块,选择浅黄色和紫色共表达基因模块进行Cox回归分析。LASSO算法构建模型筛选得到MTHFD2和TBX2基因,并构建风险曲线,其与浆细胞样树突状细胞(plasmacytoid dendritic cells,pDCs)和辅助性T细胞2(T helper 2 cell,Th2)免疫细胞相关,且低风险组的TIDE评分明显高于高风险组,达沙替尼与基因耐药性增加相关,功能富集显示关键基因可能与角化细胞相关。结论MTHFD2和TBX2基因可作为喉癌mRNAsi相关生物标志物。

基于加权共表达网络分析筛选4个帕金森病的关键基因及免疫浸润分析

目的:通过生物信息学的方法挖掘帕金森病(Parkinson’s disease,PD)的关键基因,为PD提供新的诊断标志物及免疫细胞浸润特征。方法:从高通量基因表达(gene expression omnibus,GEO)数据库下载合并GSE20163和GSE20164数据集并筛选差异表达基因(differential expression genes,DEGs)。采用基因本体(gene ontology,GO)和京都基因和基因组百科全书(kyoto encyclopedia of genes and genomes,KEGG)数据库分析预测DEGs的生物学功能,然后进行加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)识别PD相关模块基因,并对DEGs和PD相关模块基因取交集,使用最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)回归分析缩小交集基因并确定PD关键基因,最后对关键基因进行免疫浸润分析,并用数据集GSE49036对上述4个基因进行验证。结果:共筛选出34个DEGs,主要与神经递质转运、学习记忆和认知等生物学过程相关。共获得WGCNA关键模块基因41个,与DEGs取交集获得19个交集基因,最终通过LASSO回归分析确定SLC18A2、SV2C、CUX2和CALB1共4个PD关键基因,根据受试者工作特征(receiver operating characteristic,ROC)曲线显示4个关键基因诊断PD的准确度较高。与对照组相比,PD中未成熟树突状细胞以及γδT细胞表达相对较低,嗜中性粒细胞细胞表达较高。数据集GSE49036验证发现,SLC18A2、SV2C和CUX2在PD和对照组中基因表达差异有显著性意义,且ROC曲线显示诊断PD的准确性较高,而CALB1基因表达差异不显著。结论:利用生物信息学方法筛选出4个PD关键致病基因,首次报道CUX2基因与PD相关性,为PD的诊断和疾病的发生发展机制提供新的线索。

加权基因共表达网络分析结肠癌免疫相关生物标志物

目的旨在鉴定可能参与结肠癌发生发展的免疫相关预后基因,采用加权基因共表达网络对癌症基因组图谱(TCGA)和基因表达综合数据库(GEO)联合分析,筛选免疫生物标志物。方法2022年11月至12月,对GSE41657数据集和TCGA结肠癌数据集中免疫相关基因进行加权基因共表达网络分析,并从关键模块筛选免疫相关生物标志物,利用TCGA数据库中基因表达数据和临床信息进一步分析。结果获得了结肠癌发生发展中与免疫相关的最关键模块,其功能富集到免疫细胞趋化、游走、活化、增殖、迁徙等,通路富集到趋化因子信号通路、抗原处理和呈递、MAPK信号通路、HIF-1信号通路、PI3K-Akt信号通路、NF-kappa B信号通路等。找到了有望作为结肠癌预后靶点的10个基因:NMB、SCG2、IL1A、ULBP2、INHBB、COLEC12、F2RL1、ANGPTL1、NR3C2、TNFRSF17。通过TIMER数据库筛选出2个与结肠癌免疫相关性最为密切的基因——COLEC12、ANGPTL1,这两个基因富集到诸多免疫相关和癌症相关通路——JAK Stat信号通路、Toll样受体信号通路、MAPK信号通路等,可能在肿瘤免疫微环境中发挥重要作用。结论COLEC12、ANGPTL1可能通过多种信号通路对结肠癌及其免疫微环境进行调控,有望成为潜在的免疫治疗靶点。

加权基因共表达网络分析联合差异表达基因分析法鉴定重度抑郁症关键基因

目的 应用加权基因共表达网络分析(WGCNA)联合差异表达基因(DEG)分析法鉴定重度抑郁症(MDD)的关键基因。方法 从基因表达数据库中获取MDD患者和健康志愿者死后脑组织mRNA微阵列数据。应用WGCNA和DEG分析法筛选与MDD最显著相关的模块和DEG,对WGCNA模块基因和DEG进行基因本体论富集分析和京都基因与基因组百科全书通路富集分析,取WGCNA模块基因与DEG的交集,绘制受试者工作特征曲线评估交集基因诊断MDD的能力。结果 最终获得10个基因(FLJ20021、FLJ30058、NNAT、MRPS12、KCNK4、TROVE2、MESP1、MIF、TMEM93、SYNGR1),均具有良好诊断MDD的潜力。结论 FLJ20021、FLJ30058、NNAT、MRPS12、KCNK4、TROVE2、MESP1、MIF、TMEM93、SYNGR1可作为辅助诊断MDD的生物标志物。

基于加权基因共表达网络分析鉴定PE患者的潜在生物标志物

目的:本研究旨在通过对子痫前期(PE)患者基因数据集进行加权基因共表达网络分析(WGCNA),寻找PE的分子标志物。方法:从GEO数据库下载GSE10588表达数据集,该数据集包括17例PE患者和26例对照者的胎盘组织转录组数据。使用差异表达分析及WGCNA筛选与PE相关的重点差异表达基因(DEGs),利用基因本体论(GO)和京都基因与基因组百科全书(KEGG)通路分析来探索重点基因的生物学作用。构建蛋白-蛋白相互作用(PPI)网络筛选关键枢纽基因,并通过风险预测模型和受试者工作特征(ROC)曲线评价这些枢纽基因对PE的预测效果。结果:共获得138个DEGs,其中包括100个上调和38个下调DEGs。通过WGCNA确定了23个与PE发病最相关的重点DEGs。GO和KEGG通路分析显示,这些重点DEGs在调节促性腺激素分泌、白细胞分化、造血功能、内分泌功能及B细胞的激活等生物学作用中发挥重要作用。在PPI网络中,卵泡抑素相关基因3(FSTL3)、酪氨酸激酶受体1(FLT1)、抑制素亚单位A(INHBA)、N-myc下游调节基因1(NDRG1)和瘦素(LEP)等成为节点最多的基因。风险预测和ROC曲线表明,FSTL3和LEP具有较高的风险得分和诊断价值。结论:FSTL3和LEP可以作为预测和诊断PE的生物标志物。

通过加权基因共表达网络构建结肠癌的预后风险标志物及其临床意义

目的结肠癌(colon adenocarcinoma,COAD)患者预后较差。因此筛选结肠癌预后相关基因,建立结肠癌新的预后风险评估模型。方法基于癌症基因组图谱(the cancer genome atlas,TCGA)和基因表达综合(gene expression omnibus,GEO)数据库中结肠癌相关数据,分别作为训练集和验证集。采用加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)、Cox回归模型结合最小绝对值选择与收缩算子(least absolute selection and shrinkage operator,LASSO)回归分析筛选结肠癌预后相关基因并构建预后模型,受试者工作特征(receiver operating characteristic,ROC)结合生存曲线验证模型的准确性,并建立列线图。根据中位值将患者分为两组,免疫细胞阳性比例分数(immune cell proportion score,IPS)评估两组患者免疫治疗反应。结果最终筛选出15个特征基因,以此建立结肠癌患者预后预测模型的ROC曲线下面积(area under the curve,AUC),AUC>0.6,高风险组生存率显著低于低风险组(P<0.05),该模型可较好地区分高、低风险组结肠癌患者。低风险组患者拥有较高的免疫细胞阳性比例(immune cell proportion score,IPS)评分(P=0.026),对免疫治疗反应效果更好。结论建立的结肠癌预后模型对结肠癌高风险和低风险人群的生存情况具有较好的预测能力。

基于加权基因共表达网络分析筛选肝细胞癌预后相关生物标志物及潜在治疗药物

目的 筛选肝细胞癌(hepatocellular carcinoma,HCC)预后相关生物标志物,从分子水平探讨HCC可能的发病机制,并预测对HCC具有潜在治疗作用的候选药物。方法 下载TCGA数据库和GEO数据库中HCC的转录组数据及其临床记录信息。分别对其基因表达谱数据进行加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)和差异表达基因分析,选取两个数据集中与疾病正相关性最高的模块基因与差异表达基因取交集作为关键基因。利用GO和KEGG对关键基因进行功能富集分析。利用STRING数据库构建PPI网络,使用Cytoscape软件对关键基因进行相关性分析,筛选核心基因。使用R语言程序包K-M进行生存分析明确核心基因与HCC患者预后关系。利用在线数据库DGIdb、DREMIT联合进行HCC潜在治疗药物的筛选,依据药物靶点匹配数量、优选得分、特异性得分对预测结果进行排序,选择排名靠前的药物作为可能的候选治疗药物。结果 最终共得到64个关键基因,主要富集于细胞周期与分裂、DNA复制和损伤修复、病毒感染、P53信号通路等。PPI分析发现,CDC20、KIF2C、CCNB2、KIF20A、CCNA2、TOP2A、UBE2C、NUSAP1、AURKA和TRX2为核心基因。K-M生存分析显示,CDC20、KIF20A、CCNA2、TOP2A与HCC的预后显著相关。DGIdb、DREMI联合筛选对HCC有潜在疗效的候选药物,其中索拉非尼、多维替尼、氟尿嘧啶、米托蒽醌等在DGIdb、DREMI中皆排名靠前。结论 CDC20、KIF20A、CCNA2、TOP2A可能是HCC预后的潜在生物标志物,但仍需进一步临床研究加以验证。HCC的发生发展可能与病毒感染、细胞周期与分裂,DNA复制和损伤修复、P53信号通路有关。索拉非尼、多韦替尼、氟尿嘧啶、米托蒽醌等可能作为HCC治疗的潜在临床候选药物。

基于加权基因共表达网络分析探索射血分数保留的心力衰竭中微RNA功能模块和分子调控网络

目的通过生物信息学方法探索射血分数保留的心力衰竭(HFpEF)潜在的生物标志物和治疗靶点。方法使用NCBI-GEO数据库检索获得GSE53437高通量测序数据进行分析。通过加权基因共表达网络分析(WGCNA)获取与HFpEF密切相关的基因模块和核心微RNA(miRNA),利用miRNet数据库预测核心miRNA的靶向mRNA。应用R语言“clusterProfiler”程序包对靶基因进行KEGG通路和基因本体论(GO)富集分析。最后采用STRING数据库和Cytoscape软件构建蛋白质-蛋白质相互作用(PPI)网络和miRNA-mRNA基因网络。结果在基因模块与疾病相关性分析中,棕色模块与HFpEF的相关系数(r)绝对值为0.37,P值为3e-4,具有最高的正相关性。各基因模块的基因显著性(GS)分布显示,棕色模块具有最高的GS值。模块内分析显示,棕色模块的模块相关性(MM)与GS之间密切相关(r=0.61,P值为7e-52)。以MM>0.85且GS>0.40为条件,共筛选出17个与HFpEF高度相关的核心miRNA。应用miRNet数据库预测到1578个靶向mRNA。GO注释分析结果显示,该组基因参与的生物学过程包括造血调控、T细胞激活和细胞组分大小调控等,涉及的细胞成分包括转录调控复合物、运输囊泡、早期内体等的构成,分子功能主要富集在DNA结合转录抑制因子活性/RNA聚合酶Ⅱ特异性、泛素蛋白连接酶结合和生长因子活性等方面。KEGG通路分析结果显示,该组基因主要富集于Hippo信号通路、ErbB信号通路、TNF-α信号通路、Ras信号通路等。miRNA-mRNA基因网络分析显示,miRNA-3188与UBA52、HDAC2、PSMF1和SUFU相互作用,miRNA-3909与HDAC2、PSMF1、SUFU和RELA相互作用,miRNA-762与PSMF1、SUFU和RELA相互作用,miRNA548b-3p与UBA52、HDAC2和PSMF1相互作用,miRNA-3198与UBA52、PSMF1、SUFU和RELA相互作用。结论本研究可能有助于阐释HFpEF的分子机制,为识别HFpEF的生物标志物及潜在治疗靶点奠定新的理论依据。

基于加权基因共表达网络分析和机器学习筛选脓毒症免疫抑制特征基因及其靶向中药活性成分预测

目的本研究通过加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)和多种机器学习方法识别脓毒症免疫抑制特征基因,并预测其靶向中药活性成分。方法从美国国家生物技术信息中心基因表达综合数据库中下载GSE182522数据集,使用Bioconductor的“limma”软件包提取出差异表达基因(differentially expressed genes,DEGs),对DEGs进行京都基因与基因组百科全书(Kyoto encyclopediaofgenesandgenomes,KEGG)通路和基因本体论(geneontology,GO)富集分析,同时采用WGCNA,以及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归、支持向量机递归特征消除(support vector machine-recursive feature elimination,SVM-RFE)、弹性网络回归分析3种机器学习法筛选出脓毒症免疫抑制特征基因。随后,构建受试者操作特征曲线(receiver operating characteristic curve,ROC curve,简称ROC曲线)验证特征基因的诊断效能,并绘制箱线图展示特征基因的表达模式。选取SPF级BALB/c小鼠39只,采用随机数字表法将小鼠随机分为脓毒症免疫正常组(n=20)和脓毒症免疫抑制组(n=19)。盲肠结扎穿孔术构建脓毒症小鼠模型,在术后12h取脓毒症免疫正常组小鼠的外周血,术后24 h取脓毒症免疫抑制组小鼠的外周血。采用逆转录定量聚合酶链反应(reverse transcription quantitative polymerase chain reaction,RT-qPCR)检测两组小鼠TRBV7-2的表达情况,验证TRBV7-2的诊断效能。最后,通过分子对接技术预测特征基因潜在靶点中药活性成分。结果共筛选出445个DEGs,其中上调基因173个,下调基因272个。DEGs主要富集于氮代谢、胆汁分泌、胃酸分泌3条信号通路,分子功能的正调控、细胞对含氧化合物的反应、细胞对含氮化合物的反应、对肽的响应、葡萄糖输入的调控等生物过程,质膜蛋白复合体、T细胞受体复合物、细胞侧膜等细胞组分,核苷三磷酸酶调节活性、GTPase激活剂活性、外源蛋白结合等分子功能。通过WGCNA共筛选出56个枢纽基因,3种机器学习交集得到1个特征基因:TRBV7-2。ROC曲线分析得出TRBV7-2的AUG=0.72,具有较高的临床诊断价值,其表达量在脓毒症免疫抑制患者样本中显著下调。RT-qPCR结果显示,脓毒症免疫抑制组小鼠血液中TRBV7-2基因表达低于脓毒症免疫正常组。通过分子对接技术得出小檗碱、黄芩苷、苍术素等10个潜在靶向中药活性成分。结论TRBV7-2可能作为脓毒症免疫抑制的诊断生物标志物,小檗碱等10味靶向中药活性成分可能成为降低脓毒症致死率的立足点。

基于加权基因共表达网络分析及机器学习构建铁死亡相关基因在多囊卵巢综合征的疾病模型及相关中药预测

目的:利用机器学习分析铁死亡基因与多囊卵巢综合征(PCOS)的相关性,构建诊断及预后风险模型,探讨PCOS的潜在铁死亡机制,并预测相关中药。方法:多芯片标准化合并GEO数据库的卵巢组织芯片,采用加权基因共表达网络分析(WGCNA)算法筛选与PCOS相关的铁死亡特征基因,对特征基因进行功能富集分析,利用多种机器学习进行构建并筛选疾病模型,提取最优的疾病特征基因,并构建风险模型,分析其与免疫浸润细胞及功能之间的相关性,对铁死亡基因进行中药及小分子化合物预测,并对小分子化合物与铁死亡靶点进行分子对接验证。结果:共提取26个铁死亡与PCOS的强相关交集靶基因,主要在铁死亡通路中的Xc-系统和铁代谢通路上发挥作用。通过WGCNA结合机器学习筛选以HMOX1、IFNA1、LPCAT3、FOXO4和PARP3为特征基因的RF模型有较优的模拟特性,并通过绘制列线图来预测各基因表达的患病风险性。上述模型基因与PCOS的发病呈正相关性。免疫浸润分析提示多种免疫细胞在两组之间存在显著浸润差异,预测的中药中丹参、三七可能是其潜在的分子药物来源,分子对接中丹酚酸B、葛根素与黄芪甲苷A的匹配程度最高。结论:以HMOX1、IFNA1、LPCAT3、FOXO4和PARP3为特征基因的铁死亡相关基因模型可为早期识别和治疗POCS提供新思路。铁死亡相关基因可通过干预多种途径在PCOS中发挥重要作用,中医药在干预PCOS中可能通过调节铁稳态代谢来介导铁死亡途径。

基于加权基因共表达网络分析探讨新型冠状病毒感染相关脓毒症潜在的关键基因

目的 识别2019新型冠状病毒感染(COVID-19)相关脓毒症的关键基因和信号通路。方法 从Gene Expression Omnibus(GEO)数据库下载基因芯片数据。采用加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)确定COVID-19和脓毒症的枢纽模块,并将两个模块交叉确定与COVID-19相关脓毒症的共同基因。采用R软件筛选出COVID-19和脓毒症差异表达基因(differentially expressed gene,DEG),同时结合WGCNA和差异分析的结果,得到与COVID-19和脓毒症相关的候选基因,最后将两者取交集得到COVID-19相关脓毒症的关键基因。对与COVID-19相关脓毒症的共同基因进行基因本体论(GO)和京都基因与基因组百科全书(KEGG)富集分析,得到基因功能和参与的信号通路。结果 通过WGCNA获得了COVID-19相关枢纽模块和脓毒症相关枢纽模块。将两个模块交叉,共获得49个共同基因。结合WGCNA和差异分析的结果,得出与COVID-19和脓毒症相关的候选基因,通过将候选基因交叉,共筛选出11个关键基因(CCD82、CEACAM8、G6PD、HLA-DMB、HLA-DPA1、IL-1β、LTB4R、LTF、MME、S100A9、TGF-β1)。根据功能富集分析,共同基因主要在免疫和炎症相关通路中增强。结论 本研究通过构建WGCNA方法筛选出COVID-19相关脓毒症的11个关键基因,可能成为潜在的COVID-19相关脓毒症诊疗相关候选靶点。

应用基因集富集分析和加权基因共表达网络分析方法分析类风湿关节炎的枢纽基因及意义

背景:用目前的免疫方法检测类风湿关节炎患者的传统血清标志物,仍有30%为阴性;近年发现的血清生物标志物对类风湿关节炎诊断的敏感性和特异性较低,不适于临床推广。目的:应用基因集富集分析和加权基因共表达网络分析方法分析类风湿关节炎枢纽基因及其意义。方法:从GEO数据库下载GSE1919、GSE55235数据集,使用R软件“limma”包初筛差异表达基因、“clusterProfiler”包进行加权基因共表达网络分析,取交集基因作为候选枢纽基因。将结果导入String数据库构建蛋白质相互作用网络,Cytoscape软件cytoHubba插件筛选枢纽基因,并进行基因本体分析、京都基因与基因组百科全书通路富集分析。同时对2个数据集用基因集富集分析方法进行京都基因与基因组百科全书通路分析。结果与结论:①共筛选出10个枢纽基因,其基因本体分析集中在淋巴细胞分化、T细胞分化、质膜信号受体复合物、主要组织相容性复合体蛋白结合等生物学功能;②京都基因与基因组百科全书通路富集于T细胞受体信号通路、Th1辅助细胞和Th2辅助细胞分化、Th17辅助细胞分化、肿瘤细胞程序性死亡-配体1表达和程序性死亡受体1检查点通路及原发性免疫缺陷5条通路;③基因集富集分析2个数据集类风湿关节炎样本发现3条共同通路:哮喘、自身免疫性甲状腺疾病和细胞黏附分子通路显著上调;④受试者工作特征曲线结果显示,5个基因(CD27、IL2RG、CD8A、LCK、NKG7)对诊断类风湿关节炎具有良好的特异性和敏感性(曲线下面积>0.85);⑤CD4可能是多能的基因网络协调员,在免疫反应中发挥重要功能。

加权基因共表达网络分析识别强迫症中的关键基因

目的:利用加权基因共表达网络分析(WGCNA)及套索算法(LASSO)筛选可能影响强迫症发生发展的生物学通路及关键基因,为进一步发现强迫症的分子标志物,确立新的诊断及治疗提供理论依据。方法:从GEO数据库中下载强迫症基因芯片数据GSE78104,包括30例强迫症患者的外周血样本和30例正常人的外周血样本。用WGCNA构建一个基因共表达网络,选择出与强迫症发生高度相关的枢纽模块,分析枢纽模块的生物学功能。通过构建LASSO回归模型筛选与强迫症发生相关的关键基因并检验模型的准确性,最后对关键基因进行差异表达分析。结果:分析发现GSE78104的13模块中,magenta模块与强迫症最为相关(r=0.32,P=0.01)。将magenta作为枢纽模块进一步进行GO和KEGG分析,表明magenta模块主要涉及中性粒细胞活化、调控白细胞凋亡、白细胞介素-1介导的信号通路和TNF信号通路等功能和信号通路(P<0.05)。采用LASSO回归模型筛选得出WDFY3、ZCCHC6、HAL3个关键基因并发现模型准确性较高(AUC=0.78),最后发现3个关键基因在强迫症中均为高表达。结论:WDFY3、ZCCHC6、HAL 3个关键基因可能参与强迫症的发生发展过程。