目的阿爾茨海默病（Alzheimer‘s disease,AD）是癡呆癥最常見的病因,但其發(fā)病機制尚不明確。本研究擬通過加權基因共表達網(wǎng)絡探究AD發(fā)病相關的核心靶點。方法 GSE36980數(shù)據(jù)集下載于高通量基因表達數(shù)據(jù)庫（Gene Expression Omnibus, GEO）。首先進行數(shù)據(jù)標準化,質控和過濾,以及計算軟閾值,然后根據(jù)基因表達的相關性,聚類劃分為不同的模塊,通過計算各模塊與臨床特征的相關系數(shù),確定關鍵基因模塊。我們通過基因富集分析（Gene Ontology,GO）和通路富集分析（Kyoto Encyclopedia of Genes and Genomes, KEGG）探究關鍵基因模塊中的基因功能。隨后通過STRING數(shù)據(jù)庫構建蛋白-蛋白相互作用網(wǎng)絡,并使用Cytoscape軟件MCODE插件進行網(wǎng)絡拓撲分析篩選核心調控基因,最后使用GEO外部數(shù)據(jù)集GSE1297和GSE28146對核心基因進行驗證。結果共表達基因共聚類27個模塊,其中6個模塊與AD發(fā)病顯著相關,以此作為關鍵模塊用于下游分析。通過基因功能富集分析發(fā)現(xiàn)關鍵模塊與神經(jīng)遞質傳遞（GO:0007268）、三... 

【文章來源】：Chinese Medical Sciences Journal. 2020,35(04)CSCD

【文章頁數(shù)】：12 頁

【文章目錄】：
MATERIALS AND METHODS
    Data source
    WGCNA analysis
    Identification of significant modules of clinical traits
    Intramodular and intermodular analysis
    Network construction
    Protein-protein interaction network construction
    Hub genes validations
    Statistical analyses
RESULTS
    Key modules of Alzheimer’s disease
    Identification of the key modules and the key trait of AD
    Intramodular analyses and intermodular analyses
    Module genes GO and KEGG analysis
    Identification of hub genes
    PPI network analysis
    Hub genes validations
DISCUSSION
Conflict of interests
Supplementary matierials



本文編號：3519421