免费视频淫片aa毛片_日韩高清在线亚洲专区vr_日韩大片免费观看视频播放_亚洲欧美国产精品完整版

打開APP
userphoto
未登錄

開通VIP,暢享免費(fèi)電子書等14項(xiàng)超值服

開通VIP
非腫瘤簡(jiǎn)單生信加簡(jiǎn)單實(shí)驗(yàn)發(fā)3+分SCI!

The application of weighted gene co-expression network analysis in identifying key modules and hub genes associated with disease status in Alzheimer’s disease
運(yùn)用加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析鑒別與阿爾茨海默病疾病狀態(tài)有關(guān)的關(guān)鍵模塊和hub基因

一、研究背景

阿爾茨海默?。ˋD)是最常見的神經(jīng)退行性疾病,以進(jìn)行性記憶喪失和認(rèn)知退化為特征。β-淀粉樣蛋白組成的細(xì)胞外淀粉樣斑塊沉積和tau蛋白組成的神經(jīng)元內(nèi)神經(jīng)纖維纏結(jié)(NFTs)是AD的主要病理變化。

基于纏結(jié)神經(jīng)元的位置和修飾,可以將AD分為6個(gè)階段,即Braak分期——I&II:過渡內(nèi)嗅區(qū)階段 (transentorhinal stages),無臨床癥狀;III&IV:邊緣區(qū)階段(limbic stage),為AD初始階段;V–VI:新皮層階段(neocortical stages),為發(fā)育完全的AD。簡(jiǎn)易智力狀態(tài)檢查(MMSE)是一種篩選和檢測(cè)癡呆進(jìn)展的認(rèn)知測(cè)驗(yàn),得分低于24分表明可能患有癡呆,非癡呆老年人得分通常在24分或以上。NFT評(píng)分系統(tǒng)是另一種相關(guān)的衡量標(biāo)準(zhǔn),通常與Braak分期一致,NFT III期提示AD。

二、分析流程

三、結(jié)果解讀

1.識(shí)別基因共表達(dá)模塊

由于檢查全基因組表達(dá)數(shù)據(jù)的共同挑戰(zhàn)是管理批次效應(yīng),因此有必要在無法進(jìn)行樣品完全相似處理的情況下,持續(xù)監(jiān)視批次效應(yīng)。通過R包limma的normalizeBetweenArrays()函數(shù)對(duì)數(shù)據(jù)進(jìn)行歸一化,在篩選出75%的最高中值絕對(duì)偏差(MAD)的基因后,從GSE1297得到9974個(gè)基因用于WGCNA分析。為了確定GSE1297的樣本是否適合網(wǎng)絡(luò)分析,作者首先研究了樣本的親緣關(guān)系樹圖和臨床特征,用R包的hclust函數(shù)對(duì)樣本進(jìn)行聚類分析,如圖1A所示,所有的樣本都出現(xiàn)在聚類里,沒有異常值。為了確定軟閾值,作者選取1-20作為閾值進(jìn)行網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)分析(圖1BC),當(dāng)閾值為6時(shí)(scale-free R2 =0.872),基因共表達(dá)網(wǎng)絡(luò)為無標(biāo)度的拓?fù)浣Y(jié)構(gòu),具有完整的模塊特征。

圖1.樣本聚類及軟閾值的檢測(cè)

然后作者用拓?fù)渲丿B矩陣(TOM)構(gòu)建平均連鎖層次聚類,并根據(jù)相異度(1-TOM)對(duì)共表達(dá)模塊進(jìn)行劃分,得到了16個(gè)功能模塊(圖2)。接下來,作者用MEs(module eigengenes)的eigengene相關(guān)性計(jì)算了16個(gè)模塊間的相互作用關(guān)系,并可視化為熱圖(圖3A),顏色越深代表模塊間連接度越大。結(jié)果表明,各個(gè)模塊的個(gè)性水平較高、模塊中基因表現(xiàn)出相對(duì)獨(dú)立性。

圖2.根據(jù)相異度分組的基因的系統(tǒng)樹圖 

圖3.鑒別與AD臨床特征關(guān)聯(lián)的模塊
2.模塊和臨床特征的相關(guān)性

為了探究這些功能模塊是否與疾病狀態(tài)有關(guān),作者研究了每個(gè)功能模塊與MMSE、BRAAK、NFT、死亡時(shí)間(PMI)、年齡等AD臨床特征的關(guān)系。分析發(fā)現(xiàn),一些模塊與AD的疾病狀態(tài)高度相關(guān)(圖3B中的lightcyan,pink,salmon和blue模塊),且這16個(gè)模塊大致可以分為2組(圖3C)。從圖3B可以看出,與其他模塊相比,MEpink模塊與所有疾病狀態(tài)(NFT,BRAAK,MMSE)均顯著關(guān)聯(lián),提示其在AD的發(fā)生發(fā)展中必不可少。因此,作者接下來聚焦于Mepink模塊。

MEs是通過主成分分析計(jì)算得到的主要關(guān)鍵成分,主成分分析將特定模塊的基因表現(xiàn)概括為單個(gè)特征表達(dá)譜。通過基因顯著性(GS)和模塊顯著性(MS)量化相關(guān)模塊的基因表現(xiàn),得到pink模塊與BRAAK、NFT、MMSE的相關(guān)性(圖4ABC)。然后用Cytoscape可視化模塊pink的基因網(wǎng)絡(luò)(圖4D),得到6個(gè)hub基因(AACS、GRIK1、HOXB2、KCNF1、MYBL1、RAP1GAP2)。

GS:第i個(gè)基因型xi和樣本臨床特征T的Pearson相關(guān)性,GSi = |cor(xi , T)|。MS:模塊中所有基因的平均GS。kme衡量模塊中基因和ME間的相關(guān)性:kme(i) = |cor(x(i),ME(q))|,模塊中kme高的基因定義為模塊內(nèi)hub基因。

圖4.模塊Mepink基因的臨床意義和功能分析
3.功能模塊基因的功能富集分析

相似表達(dá)模式的基因可能參與相同的生物學(xué)過程或生物學(xué)網(wǎng)絡(luò),因此作者用DAVID對(duì)pink模塊的基因進(jìn)行GO富集分析。結(jié)果表明(圖5),模塊中基因多數(shù)在中樞神經(jīng)系統(tǒng)發(fā)育、PI3K信號(hào)通路調(diào)節(jié)和離子跨膜轉(zhuǎn)運(yùn)中富集。

圖5.pink模塊的GO分析
4.hub基因的效能

作者在GSE28146驗(yàn)證集中用hub基因進(jìn)行樣本的層次聚類分析,發(fā)現(xiàn)這些基因可以區(qū)分嚴(yán)重和非嚴(yán)重的AD樣本(圖6A)。因此進(jìn)一步用ROC曲線分析hub基因?qū)D樣本的區(qū)分能力,pink模塊的hub基因AUC值大于0.7,說明hub基因區(qū)分AD樣本的特異性和靈敏度高。

圖6.hub基因的效能評(píng)估
5.GRIK1在AD皮質(zhì)和AD海馬區(qū)上調(diào),并減短原代神經(jīng)元的樹突長(zhǎng)度

最后,作者用qRT-PCR和WB檢測(cè)了hub基因GRIK1在AD皮質(zhì)和AD海馬的表達(dá)水平。結(jié)果表明,與正常人相比,GRIK1的mRNA和蛋白水平在AD患者皮質(zhì)和海馬區(qū)表達(dá)升高。而Phalloidin染色結(jié)果顯示GRIK1 pCDNA3.1組的樹突長(zhǎng)度比對(duì)照組短(圖7)。這些數(shù)據(jù)共同說明,GRIK1在AD皮質(zhì)和海馬區(qū)表達(dá)上調(diào),且縮短原代神經(jīng)元的樹突長(zhǎng)度。

FITC和Rhodamin等熒光物質(zhì)標(biāo)記的鬼筆環(huán)肽可特異的與真核細(xì)胞的F-actin結(jié)合,從而顯示微絲骨架在細(xì)胞中的分布。

圖7.原代神經(jīng)元的phalloidin染色

小結(jié)

        本篇文章中,作者選取GSE1297和GSE28146兩個(gè)數(shù)據(jù)集進(jìn)行研究,這兩個(gè)數(shù)據(jù)集主要包含AD早期階段的樣本。利用GSE1297數(shù)據(jù)集篩選AD相關(guān)模塊和基因,GSE28146數(shù)據(jù)集進(jìn)行獨(dú)立驗(yàn)證。經(jīng)過標(biāo)準(zhǔn)化、歸一化等過程,最終得到9974個(gè)基因用于WGCNA分析。然后,作者采用dynamic tree cut方法識(shí)別得到16個(gè)共表達(dá)模塊。通過與臨床特征的關(guān)聯(lián)分析,發(fā)現(xiàn)粉色模塊與AD疾病階段相關(guān)性最強(qiáng)。于是作者聚焦于粉色模塊,構(gòu)建基因網(wǎng)絡(luò)獲得了6個(gè)hub基因(AACS、GRIK1、HOXB2、KCNF1、MYBL1、RAP1GAP2)。作者選取GRIK1基因進(jìn)行進(jìn)一步的研究,在AD小鼠模型中證實(shí)其表達(dá)水平升高,且轉(zhuǎn)染細(xì)胞中GRIK1可以縮短神經(jīng)元軸突長(zhǎng)度。此外,聚類分析發(fā)現(xiàn)粉色模塊可以區(qū)分驗(yàn)證集中不同階段的AD樣本。總的來說,這些結(jié)果有助于提高對(duì)AD發(fā)病機(jī)制的認(rèn)知。

本站僅提供存儲(chǔ)服務(wù),所有內(nèi)容均由用戶發(fā)布,如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請(qǐng)點(diǎn)擊舉報(bào)
打開APP,閱讀全文并永久保存 查看更多類似文章
猜你喜歡
類似文章
GEO數(shù)據(jù)庫(kù)甲基化芯片挖掘發(fā)SCI是怎樣煉成的
一文學(xué)會(huì)WGCNA分析
WGCNA、生存分析、ROC共同篩選biomarker
實(shí)戰(zhàn)系列(三)模仿4分胃癌發(fā)病機(jī)制和預(yù)后關(guān)鍵基因的文章
這篇3 分核心基因篩選,點(diǎn)個(gè)在看,我們復(fù)現(xiàn)這篇文章!
數(shù)據(jù)不夠思路來湊:非腫瘤生信反向操作預(yù)測(cè)ncRNA和TF
更多類似文章 >>
生活服務(wù)
分享 收藏 導(dǎo)長(zhǎng)圖 關(guān)注 下載文章
綁定賬號(hào)成功
后續(xù)可登錄賬號(hào)暢享VIP特權(quán)!
如果VIP功能使用有故障,
可點(diǎn)擊這里聯(lián)系客服!

聯(lián)系客服