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。

空间与加权基因共表达分析揭示跨种属的缺血性心力衰竭机制

[目的]从空间与基因共表达网络的角度揭示跨种属的缺血性心力衰竭机制。[方法]从美国国立生物技术信息中心基因表达数据库(NCBI-GEO)中检索获得GSE210374和GSE57338高通量测序数据,利用R语言软件程序包分析筛选在心肌梗死大鼠不同心肌区域中差异表达基因(DEG)以及缺血性心力衰竭患者与健康对照者的心肌样本间的DEG,分析共同基因的分区域表达情况。利用加权基因共表达网络分析(WGCNA)筛选心肌梗死相关的基因并进行富集分析,构建蛋白质-蛋白质相互作用网络(PPI)筛选核心基因(HG)。[结果]在心肌梗死大鼠和正常对照组中共筛选出4835个差异基因,在缺血性心力衰竭患者和正常对照样本共筛选出51个差异基因,揭示心肌梗死后左心室心肌梗死区(I区)、边缘区(BZ区)及远端区(R区)的代表性基因集。空间表达分析发现两个种属样本:在每个心肌分区均有20个共表达基因,其中16个在3个分区均有表达,在I区、BZ区和R区特异表达的基因数分别为2、0和2个。富集分析显示:各分区的共表达基因功能各异,I、BZ区与胶原纤维组装、应激诱导的心肌细胞肥大、下调c-Jun氨基末端激酶(JNK信号)与细胞增殖等功能以及补体信号通路相关;而I、R区则富集于Wnt和胶原结合;作为非缺血的远端R区,共表达基因显著富集于细胞外基质的抗压性、细胞溶解以及抑制T细胞增殖等功能。此外值得注意的是:3个分区的共表达基因的产物大部分位于细胞外空间和细胞外基质当中,提示可能存在活化的细胞分泌与互作调控。进一步PPI分析提示无孢蛋白(ASPN)、骨诱导因子(OGN)和ⅩⅣ型胶原蛋白α链(COL14A1)基因可能是前述机制的核心基因。[结论]大鼠和人类缺血性心力衰竭的共性机制涉及补体与凝血级联信号、Wnt等多种信号通路;可能与细胞外基质、外泌体介导的细胞凋亡密切相关;ASPN、OGN和COL14A1可能是其中的核心基因。本工作有望为缺血性心力衰竭相关转化研究中的干预靶点与路径选择提供空间与通路参考。

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。

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。

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。

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。

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。

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。

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。

基于加权基因共表达网络分析及生物信息学分析鉴定肝细胞癌临床特征关键基因

目的:通过加权基因共表达网络分析鉴定肝细胞癌(hepatocellular carcinoma,HCC)临床特征密切相关模块基因,为临床早期诊断及治疗提供参考。方法:从GEO数据库下载GSE84598芯片数据,综合加权基因共表达网络分析提取与HCC临床特征密切相关的模块基因。通过最大集团中心性(maximal clique centrality,MCC)算法对蛋白相互作用网络分析,鉴定出枢纽基因;最后通过TCGA数据库验证枢纽基因的表达情况、Kaplan-Meier Plotter在线数据库评估枢纽基因与HCC患者的预后关系。结果:通过对比HCC组织样本与正常肝组织样本的基因表达数据,共获得6262个差异表达基因,其中上调2207个,下调4055个。运用加权基因共表达网络分析鉴定出关键模块的120个基因;通过与差异表达基因取交集,得到候选枢纽基因115个。富集分析结果显示,候选枢纽基因与细胞有丝分裂、p53信号通路等密切相关。进一步运用MCC算法对115个候选枢纽基因的蛋白相互作用网络进行分析,鉴定出5个枢纽基因,即NUF2、RRM2、UBE2C、CDC20和MAD2L1。通过TCGA数据库对枢纽基因的验证,结果发现,与正常肝组织相比,在HCC组织中5个枢纽基因均明显上调;而且生存分析显示枢纽基因的高表达与HCC患者的不良预后密切相关。结论:本研究通过结合多个数据库鉴定出了5个枢纽基因,为HCC的临床诊断及治疗提供方向。

基于加权基因共表达网络鉴定肾移植术后排斥反应中巨噬细胞M1亚型相关基因

目的鉴定肾移植术后排斥反应中巨噬细胞M1亚型表达的相关基因并构建风险模型预测移植肾存活。方法在基因表达综合(GEO)数据库下载肾移植术后的GSE36059及GSE21374数据集。GSE36059包括发生排斥反应和稳定移植物的样本,使用该数据集进行加权基因共表达网络分析(WGCNA)和差异分析筛选差异表达的巨噬细胞M1亚型相关差异表达基因(M1-DEG)。随后将GSE21374数据集(包含了移植物丢失的随访数据)按照7∶3拆分为训练集以及验证集,在训练集中使用最小绝对收缩和选择算法(LASSO)筛选变量构建多因素Cox模型,并评估模型预测移植物存活的能力。使用CIBERSORT分析高、低风险组浸润的免疫细胞的差异,并分析两组间人类白细胞抗原(HLA)相关基因的分布,基因集富集分析(GSEA)用于进一步明确高风险组中富集的生物学过程以及通路。最后使用数据库预测与预后基因互作的微小核糖核酸(miRNA)。结果在GSE36059数据集中,筛选得到14个M1-DEG。在GSE21374数据集中,使用LASSO-Cox回归筛选出Toll样受体8(TLR8)、Fcγ受体1B(FCGR1B)、BCL2相关蛋白A1(BCL2A1)、组织蛋白酶S(CTSS)、鸟苷酸结合蛋白2(GBP2)及半胱氨酸天冬氨酸蛋白酶招募域家族成员16(CARD16),基于这6个M1-DEG构建多因素Cox模型。风险模型在训练集中预测1年及3年移植物存活的受试者工作特征曲线下面积(AUC)分别为0.918和0.877,在验证集中预测1年及3年移植物存活的AUC分别为0.765及0.736。免疫浸润分析表明,高风险组静息及活化的CD4+记忆T细胞、γδT细胞、巨噬细胞M1亚型浸润增多(均为P<0.05)。高风险组HLAⅠ类基因表达上调。GSEA分析表明,高风险组免疫反应及移植物排斥反应富集。CTSS与8个miRNA相互作用、BCL2A1和GBP2与3个miRNA相互作用、FCGR1B与1个miRNA相互作用。结论本研究基于6个M1-DEG构建的预后风险模型对于预测移植肾存活具有良好的表现,可为早期对高风险受者干预提供依据。

加权基因共表达网络分析方法及其应用

近年来,随着基因测序技术的高速发展,获取基因表达量的数据越来越容易,相应的数据分析方法也应运而生。在众多的分析方法中,加权基因共表达网络分析(Weighted Gene Co-expression Network Analysis,WGCNA)能对多个样本的众多基因进行综合分析,并能进行表型关联分析,相比于单基因的研究模式更具优势。该文对WGCNA的构建、分析及其在疾病研究、生理功能研究和基因功能注释3方面的应用进行总结和论述。

基于加权基因共表达网络分析和机器学习筛选肾母细胞瘤特征基因及其靶向中药预测

目的:本研究旨在确定肾母细胞瘤的潜在生物标志物,并预测其靶向中药。方法:从NCBI基因表达综合数据库下载4个微阵列数据集(GSE4530、GSE11151、GSE66405和GSE73209)。采用差异表达分析、加权基因共表达网络分析(Weighted Gene Co-expression Network Analysis,WGCNA)和最小绝对收缩和选择算子(Least Absolute Shrinkage and Selection Operator,LASSO)回归算法筛选肾母细胞瘤的核心标志物并对差异表达基因(Differentially Expressed Genes,DEG)进行功能和通路富集分析。随后,绘制箱线图展示核心基因在样本中的表达模式,构建受试者工作特征曲线(Receiver Operating Characteristic curve,ROC)验证核心基因的诊断效能。最后,通过HERB数据库检索核心基因潜在靶向中药。结果:204个DEGs和15个关键模块基因交集得到14个枢纽基因。DEGs主要富集于羧酸生物合成过程、细胞-细胞连接组装、轴突引导、癌症中的微小核糖核酸、紧密连接、焦点粘附、酒精性肝病、Wnt信号通路等生物学过程和通路。基于机器学习算法筛选出4个核心基因[跨膜蛋白酶丝氨酸2(Transmembrane Protease Serine 2,TMPRSS2)、晶状体蛋白λ1(Crystallin,Lambda 1,CRYL1)、靠停蛋白8(Claudin 8,CLDN8)和G蛋白偶联受体56(G Protein-Coupled Receptor 56,GPR56)],通过ROC曲线分析发现4个核心基因均具有较高的诊断价值,在疾病样本中基因表达均显著下调。在HERB数据库检索得到16味潜在靶向中药。结论:本研究系统地鉴定了4个肾母细胞瘤特征基因(TMPRSS2、CRYL1、CLDN8和GPR56),为未来研究肾母细胞瘤患者的潜在诊断候选基因提供了立足点。此外,白果、播娘蒿等潜在靶向中药可能干预肾母细胞瘤病理进程。