目的使用加權(quán)基因共表達網(wǎng)絡(luò)分析（WGCNA）探究阿爾茨海默�。ˋD）在不同病情分級下基因的協(xié)同共表達,尋找與阿爾茨海默病發(fā)病有關(guān)的關(guān)鍵基因。方法從GEO數(shù)據(jù)庫下載GSE1297表達譜數(shù)據(jù),根據(jù)基因的相關(guān)性,構(gòu)建基因共表達模塊,并計算模塊基因與臨床信息的相關(guān)性,選取與臨床表型顯著相關(guān)的模塊使用Matescape數(shù)據(jù)庫進行下游GO與KEGG富集分析,同時對模塊內(nèi)GS和MM的相關(guān)性進行分析,并使用Cytosacpe繪制共表達網(wǎng)絡(luò)圖,篩選樞紐基因。結(jié)果根據(jù)基因表達的相關(guān)性,發(fā)現(xiàn)8個共表達模塊,其中模塊Green（MEgreen）和模塊Turquoise（MEturquoise）與臨床簡易智力狀態(tài)檢查（MMSE）評分、臨床病情分級顯著相關(guān),MEturquoise與神經(jīng)元纖維纏結(jié)（NFT）評分顯著相關(guān),共表達網(wǎng)絡(luò)發(fā)現(xiàn)ATRNL1、SV2A、FXYD7、SYNGR3、MDH1、TBC1D9、UCHL1、NGFRAP1等基因在網(wǎng)絡(luò)中處于核心的地位。結(jié)論 ATRNL1、SV2A、FXYD7、SYNGR3等基因可能在AD疾病發(fā)生發(fā)展中扮演重要的角色。 

【文章來源】：中國老年學(xué)雜志. 2020,40(11)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

重要臨床表型與模塊間的相關(guān)關(guān)系

選取相關(guān)性最強的MEgreen和MEturquoise和MMSE評分,進行GS和MM的分析。從圖4可見幾個模塊間的相關(guān)關(guān)系,幾個模塊大致可三類,其中MEgreen和MEturquoise兩個模塊高度相關(guān),而MMSE評分與MEgreen和MEturquoise兩個模塊高度相關(guān),可以看出MEgreen和MEturquoise基因與AD的發(fā)病和病情的進展有密切聯(lián)系。圖4 重要臨床表型與模塊間的相關(guān)關(guān)系

GSE1297芯片數(shù)據(jù)及臨床信息的下載及預(yù)處理,過濾其中探針信息注釋不全和重復(fù)的基因,最終獲得13 515個基因?qū)?yīng)31個樣本的表達矩陣,繪制樣本的分層聚類圖,與對應(yīng)的臨床信息的熱圖(圖1)。根據(jù)MAD值選取前5 000個在不同樣本間表達差異最大的基因,進行下一步WGCNA分析。通過WGCNA包的算法,根據(jù)無尺度網(wǎng)絡(luò)分布擬合,選取2作為軟閾值,并計算基因間的相關(guān)性矩陣和TOM,使用TOM構(gòu)建基因間分層聚類樹,同時使用動態(tài)剪切樹的方法把基因分成8個模塊:Black(30個)、Blue(1 072個)、Brown(191個)、Grey(2 050個)、Red(71)、Turquoise(1 348個)、Yellow(142個)、Green(96個)(圖2)。其中Grey中的模塊無法歸類于其他任何模塊的基因。


本文編號：3505951