基于扩展起始节点和加权融合策略预测肺癌风险致病基因

肺癌风险致病基因预测有助于了解疾病发病机制、提高临床治疗效果.目前,以重启游走为框架的风险致病基因预测算法,普遍存在起始节点少、节点转移概率相同、信息源单一的问题.为此,本文提出一种基于扩展起始节点和加权融合策略的风险致病基因预测算法(命名为AFMFSC),并在肺癌中验证算法有效性.首先,基于增广模糊测量思想,计算疾病表型近似基因间的增广功能相似得分,从中选出重要基因与致病基因作为扩展起始节点;其次,采用节点拓扑相似度转移矩阵及基因表达差异相关性转移矩阵,分别在蛋白质网络中重启随机游走,并将两种结果加权融合排序;最后,通过富集分析排名靠前基因,得到有显著意义的风险致病基因.AFMFSC算法预测的73个肺癌风险致病基因,均与肺癌发生、发展有密切联系,生物学意义显著.与其他排序算法相比,AFMFSC算法的Top 1%、Top 5%和AUC值比较大,平均排名和受拓扑特性偏差影响程度小;融合策略排名性能优于单一转移矩阵或普通邻接矩阵游走排名.AFMFSC算法不仅能准确有效地预测肺癌风险致病基因,而且可推广预测其他疾病风险致病基因,为探索癌症致病机理提供新视角及依据.

加权基因共表达网络分析溃疡性结肠炎发病机制

目的探究溃疡性结肠炎(ulcerative colitis,UC)发生发展的致病高风险驱动基因,以及UC异常改变的信号通路。方法从GEO(gene expression omnibus)数据库下载基因表达谱数据GSE16879,通过R中WGCNA软件包进行加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA),筛选出UC高风险因子共表达模块基因;采用limmar软件包筛选UC以及正常结肠样本的差异表达基因(Differentially expressed genes,DEGs),使用ggplot2软件包绘制差异表达基因的火山图。采用VENN网站在线绘制差异表达基因和共表达模块基因的维恩图,以确定疾病高风险DEGs。使用DAVID(database for annotation,visualization and intergrated discovery)数据库进行GO(Gene Ontology)分析以及KEGG(Kyoto Encyclopedia of Genes and Genomes)分析,解析UC高风险DEGs的生物学功能。使用Cytoscape软件分析疾病高风险DEGs的相互作用权重值,筛选UC高风险驱动基因。使用R语言中heatmap软件包绘制UC高风险驱动基因表达热图。结果本研究共筛选得到14个基因共表达模块,其中绿松石色模块中的共表达基因与UC的相关性最高。进一步筛选出592个UC高风险DEGs,其中246个基因表达上调,346个基因表达下调。CXCL1、FOS、AGT、IRF1作为UC发生发展的高风险驱动基因被选出。与此同时,在UC组织当中,TNF信号通路、ERK信号通路发生功能富集。结论本文运用WGCNA系统生物学算法分析溃疡性结肠炎致病高风险驱动基因,并探究UC组织中主要信号通路的异常改变,为进一步研究溃疡性结肠炎提供了新思路。