加权基因共表达网络分析鉴定阻塞性睡眠呼吸暂停的关键基因

目的 利用加权基因共表达网络分析(WGCNA)鉴定阻塞性睡眠呼吸暂停(OSA)相关的共表达基因模块与关键基因。方法 从GEO数据库中下载OSA的全基因组表达数据集GSE135917,R语言对数据归一化处理后,利用WGCNA法构建共表达网络,结合临床信息识别与OSA显著相关的模块,利用Cytoscape软件对关键模块内基因进行功能富集分析、蛋白相互作用分析,可视化筛选关键基因,最后在GSE38792数据集中初步验证关键基因。结果 在GSE135917数据集中Turquoise模块与OSA相关性最高(r=-0.98,P=0.000),模块内基因主要富集于嗅觉传导、神经活性配体-受体相互作用等生物学过程。经蛋白相互作用分析发现关键基因为下调基因SLC2A2、PRL、SST,GSE38792数据集中关键基因表达情况与GSE135917分析结果一致,ROC分析显示3个关键基因均具有良好的识别能力。结论 利用WGCNA法筛选出的3个关键基因有望为研究OSA的发生、发展过程提供新的视角。     

利用加权基因共表达网络分析识别胆道闭锁相关的枢纽基因

目的:通过加权基因共表达网络分析（WGCNA）识别胆道闭锁（BA）发病相关的枢纽基因。方法:从基因表达汇编（GEO）数据库下载BA基因芯片数据集GSE46960,利用WGCNA构建基因共表达网络,识别与BA相关的模块与枢纽基因,对关键模块进行基因本体论（GO）和京都基因和基因组百科全书（KEGG）富集分析。结果:通过WGCNA分析构建了20个基因共表达模块,确定与BA显著相关的模块为黄色模块（r=0.69,P＜0.05）,将黄色模块中的基因按基因连通性及基因显著性的不同阈值进一步筛选出16个枢纽基因。对黄色模块进行GO及KEGG分析显示,与BA显著相关的基因主要富集在细胞外基质（ECM）、细胞黏附分子、色氨酸代谢、甘油磷脂代谢、过氧化物酶体增殖物激活受体（PPAR）信号通路。结论:利用WGCNA方法识别出与BA相关的关键模块和16个枢纽基因,其中新发现有12个基因可能与BA发病相关,可能帮助阐明BA发病的机制。     

基于加权基因共表达网络分析腹主动脉瘤免疫细胞浸润相关的关键基因

目的：通过加权基因共表达网络分析方法筛选参与腹主动脉瘤(AAA)免疫反应机制的关键基因。方法：从Gene Expression Omnibus(GEO)数据库下载人AAA组织基因芯片数据集(GSE7084),其中包含10个正常主动脉样本和9个AAA样本。使用加权基因共表达网络分析(WGCNA)和差异表达基因(DEGs)对样本进行分析。鉴定具有临床意义的模块,并与DEGs取交集,利用最大团中心性(MCC)方法从交集基因中筛选出枢纽基因。同时,利用CIBERSORT分析免疫细胞的富集情况。最后,对枢纽基因与免疫细胞进行相关性分析。结果：筛选出300个DEGs和两个最具临床意义的WGCNA模块。基因本体(GO)富集分析和京都基因与基因组百科全书(KEGG)通路富集分析表明,这些基因在免疫反应的功能通路中显著富集,包括白细胞细胞黏附、活化、T细胞与白细胞的黏附、单核细胞迁移等。AAA和正常主动脉中浸润免疫细胞的比例不同,特别是M0巨噬细胞、活化的肥大细胞和活化的记忆CD4 T细胞。整合素β2亚基(ITGB2)和跨膜免疫信号转接器(TYROBP)是与AAA相关的前2个枢纽基因。相关分析表明,IT...     

基于WGCNA筛选骨关节炎的生物标志物

目的 利用加权基因共表达网络分析(WGCNA)探索骨关节炎(OA)发生发展中潜在的分子机制及其关键基因,寻找具有临床诊断和治疗意义的生物标志物。方法 从基因表达综合数据库(GEO)下载GSE114007、GSE57218和GSE169077数据集。利用R语言软件对GSE114007进行差异分析,将差异分析结果得到的差异基因(DEGs)再进行WGCNA构建表达模式不同的基因模块,对与骨关节炎最相关的基因模块进行基因本体论(GO)和京都基因与基因组百科全书(KEGG)分析。利用STRING和Cytoscape构建蛋白互作网络(PPI),并用cytoHubba插件的degree算法筛选关键基因。结果 GSE114007共筛选出骨关节炎组与健康对照组之间的DEGs1752个,其中上调基因927个,下调基因825个;通过WGCNA构建了6个不同的基因模块,其中棕色基因模块与骨关节炎的相关性最高,共有281个基因;棕色基因模块的GO显著富集在T细胞活化、脂肪代谢、炎症反应等生物学过程,KEGG显著富集在MAPK信号通路、破骨细胞分化途径、mTOR信号通路等信号通路;从PPI网络筛选出DDIT3和B...     

生物信息学方法分析与宫颈癌有关联的基因

目的 通过TCGA和GEO数据库筛选与宫颈癌相关的关键基因,探讨其分子机制及临床意义。方法 通过TCGA和GEO数据库获取宫颈癌的基因表达谱数据,采用加权基因共表达网络分析(WGCNA)获取宫颈癌与正常宫颈组织差异表达基因(DEGs),对DEGs进行富集分析、蛋白-蛋白互作网络(PPI)分析并识别关键基因,进一步对关键基因与预后及蛋白表达、以及与宫颈癌免疫浸润的关系进行分析。结果 通过TCGA与GEO数据库中共得到88个宫颈癌DEGs, GO分析发现大部分基因与核染色体减速分裂、核染色体分裂、染色体集缩、核染色体等相关;KEGG信号通路分析发现宫颈癌DEGs参与了细胞周期、DNA复制、卵母细胞减数分裂、p53信号通路、同源重组等信号通路。鉴定出20个宫颈癌关键基因,仅有丝分裂阻滞缺陷2样蛋白1(MAD2L1)低表达患者的总生存期(OS)长于MAD2L1高表达患者(P=0.013),但MAD2L1高表达患者的无病生存期(DFS)与低表达患者差异无统计学意义(P>0.05),宫颈癌组织中MAD2L1蛋白高于正常组织。TIMER在线软件分析显示,MAD2L1与肿瘤的免疫浸润水平均相关(...     

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...     

基于加权基因共表达网络对胎儿生长受限发病机制的分析诊断标记物筛选

目的 宫内生长受限(IUGR)发病原因复杂,其发生机制也受多因素影响。文中利用加权基因共表达网络(WGCNA)分析IUGR机制,并寻找可能的诊断标志物。方法 从基因表达综合数据库(GEO)下载GSE100415和GSE12216数据集,利用WGCNA分析与IUGR相关的模块,对模块内的基因进行生物学功能(GO)、京都基因与基因组百科全书(KEGG)和疾病本体论(DO)富集分析,并且联合蛋白相互作用(PPI)得出诊断标志物的候选基因。用ROC曲线对候选基因的预测能力进行探索。为进一步验证生物信息学结果,用PT-qPCR检测17例胎儿生长受限胎盘组织和16例正常胎盘组织中的候选基因的表达水平。结果 WGCNA共表达网络表明,blue模块与IUGR密切相关,通过筛选blue模块基因得到PKM、LDHA、HK2、PIK3CB、OCRL共5个候选基因。RT-qPCR结果提示胎儿生长受限胎盘组织中HK2、PIK3CB和OCRL的表达水平均显著低于正常胎盘组织(P<0.05)。结论 通过WGCNA分析方法,筛选出与IUGR相关的枢纽模块,其中HK2、PIK3CB和OCRL可能作为潜在的诊断标记...     

加权基因共表达网络挖掘并验证调控前列腺癌转移的枢纽基因

目的 通过加权基因共表达网络分析（WGCNA）挖掘并验证前列腺癌转移的关键枢纽基因。方法 对前列腺癌全基因组芯片GSE6919进行主成分分析（PCA）,通过R语言分析差异表达基因（DEGs）;利用WGCNA构建基因共表达网络并筛选关键基因;在 TCGA 公共数据中分析基因表达量及其与患者预后的关系;设计和验证针对转移相关的关键基因HNRNPA2B1的小分子干扰片段,通过MTT、流式细胞术、克隆形成、Transwell等实验验证其对前列腺癌细胞系生长、凋亡、克隆形成、迁移和侵袭的影响。结果 PCA分析显示癌转移组和原位及癌旁组明显分开聚类,基因表达差异显著。WGCNA分析得到与癌转移组密切相关的模块,与干细胞分化、氨基酸代谢及免疫反应密切相关。进一步筛选得到与前列腺癌发生相关的（BDH1、PAK4、EXTL3）和转移相关的（NKTR、CTBP2、HNRNPA2B1）6个枢纽基因,在TCGA数据库中有表达差异,且与患者的总生存期相关。Western blotting结果显示HNRNPA2B1小分子干扰成功;干扰片段转染PC3及LNCap细胞,MTT实验结果显示沉默HNRNPA2B1可抑制前列腺癌细胞的生长,流式细胞术结果显示沉默HNRNPA2B1可诱导细胞凋亡,克隆形成实验显示沉默HNRNPA2B1可抑制其克隆形成,Transwell实验显示沉默HNRNPA2B1显著抑制前列腺癌细胞的迁移和侵袭（P<0.05）。结论 发现前列腺癌发生相关的BDH1、PAK4、EXTL3和转移相关的NKTR、CTBP2、HNRNPA2B1 6个枢纽基因,为前列腺癌调控机制的研究提供了新思路。     

炎症性肠病的基因共表达网络构建与分析

目的用共表达网络的系统生物学分析炎症性肠病(Inflammatory Bowel Disease,IBD)主要包括溃疡性结肠炎(Ulcerative colitis,UC)和克罗恩病(Crohn’s disease,CD)的生物学功能,为疾病机制研究和药物开发提供重要信息。方法本文以公共数据库中的212个IBD RNA-Seq数据为对象,用权重基因共表达分析(Weighted Gene Co-expression Network Analysis,WGCNA)方法构建其基因共表达网络,数据库注释、可视化和综合发现(Database for Annotation,Visualization and Integrated Discovery,DAVID)工具分析模块数据,并利用药物处理基因表达谱数据库(Connectivity map,CMAP),对可能的治疗药物进行筛选。结果 (1)共鉴定出12个具有生物学意义的共表达基因模块,模块的功能与免疫应答、血管生成、转录、翻译、能量代谢等生物学过程相关,并挖掘出每个模块的关键节点基因;(2)发现UC和CD间在胺基糖代谢、O-Glycan合成、血管生成、B细胞受体信号通路上有显著差异;(3)挖掘出12种潜在治疗药物。结论本文首次鉴定出IBD基因功能模块,这些模块可能代表疾病的主要特征,为疾病机制研究和药物开发提供重要理论依据。     

基于加权基因共表达网络的子宫内膜癌关键基因筛选与预后分析

目的 基于加权基因共表达网络筛选影响子宫内膜癌发生发展的关键基因并分析其与预后的关系。方法 从美国国立生物技术信息中心基因表达综合数据库中下载包含子宫内膜癌组织和正常内膜组织样本数据集(GSE17025)的基因芯片表达数据。使用R 4.2.1软件中的Limma包筛选出差异表达基因,并利用WGCNA包构建基因共表达网络,获得相关模块及其基因集,然后利用Venn包对相关系数最大的模块基因和差异表达基因取交集。对交集基因进行基因本体论(GO)分析、京都基因与基因组百科全书(KEGG)通路富集分析,并构建交集基因的蛋白-蛋白互作(PPI)网络,采用Cytoscape软件提取出关键基因,分析关键基因与子宫内膜癌预后的关系。结果 共筛选出差异表达基因2 165个,包含5个模块,其中红色模块(包括304个基因)与子宫内膜癌的相关度最高(r=-0.54,P<0.001),取二者交集获得137个基因。交集基因主要涉及细胞器分裂及核分化等生物学过程,且主要富集在同源重组、p53信号通路等信号通路中。PPI网络共筛选出7个关键基因,包括纺锤体样小头畸形相关蛋白基因(ASPM)、丝氨酸/苏氨酸蛋白激酶(...     

基于TCGA数据库及分子对接探讨黄芪治疗胃癌的作用机制

目的 探讨黄芪治疗胃癌的作用机制。方法 通过中药系统药理学数据库和分析平台检索黄芪的化学成分及作用靶点。癌症基因组图谱数据库下载胃癌基因表达谱及临床特征数据,采用加权基因共表达网络分析（weighted correlation network analysis,WGCNA）识别胃癌共表达模块。将黄芪的作用靶点与胃癌共表达模块、差异基因取交集。STRING数据库构建蛋白质–蛋白质相互作用（protein-protein interaction,PPI）网络并提取黄芪改善胃癌预后的潜在靶点。通过GSE54129数据集、人类蛋白质图谱数据库、分子对接对潜在靶点进行验证。结果 共检索到黄芪有效活性成分16个及对应靶点190个;筛选得到差异表达基因2694个,其中上调基因1124个,下调基因1570个;构建的WGCNA共表达网络发现青绿色模块与胃癌有显著而稳定的相关性,构建韦恩图得到黄芪改善胃癌预后的27个差异表达基因。PPI网络鉴定得到10个关键基因,其中,微囊蛋白1(caveolin 1,CAV1)、前列腺素E2受体EP3亚型（prostaglandin E2 receptor EP3 su...     

利用加权基因共表达网络挖掘乳腺癌相关疾病靶标

目的 利用公共数据库癌症基因组图谱（TCGA）,通过加权基因共表达网络分析（WGCNA）挖掘乳腺癌诊断年龄和肿瘤分期相关疾病靶标。方法 利用TCGA得到53例亚洲人种和126例非洲人种乳腺癌基因芯片表达数据及相应的临床指标,然后用R软件的WGCNA包分别构建这2个人群的共表达网络,得到与诊断年龄和肿瘤分期的相关显著性模块,并用在线网站DAVID进行功能富集,用在线网站UALCAN进行生存分析。结果 WGCNA分析得到11个与肿瘤分期和诊断年龄显著相关的模块。将11个模块取交集后得到42个候选基因,利用在线网站DAVID进行基因本体（GO）富集分析,发现这些候选基因主要富集在蛋白质结合功能方面。取42个候选基因中9个由WGCNA识别出的核心基因,输入在线网站UALCAN上行差异分析和生存分析,最终筛选出2个（ERLIN2和ASH2L）候选生物标志物,这2个基因在正常组织和癌组织中的表达差异有统计学意义（P<0.01）,且表达水平影响乳腺癌患者的生存期（P<0.05）。结论 利用数据挖掘寻找生物标志物或疾病靶标是一种高效、经济的研究方式。本研究通过数据挖掘发现ERLIN2和ASH2L为乳腺癌的候选生物标志物,可用于大样本临床验证及机制探讨。     

经共表达网络初探介入治疗后心房颤动的作用机制

目的 探究加权基因共表达网络识别冠状动脉（以下简称冠脉）介入治疗后与心房颤动（AF） 有关的基因模块。方法 选取青海省心脑血管病专科医院收治的4 例冠脉介入治疗后发生AF 患者和4 例冠 脉介入治疗后未发生AF 患者的左心房组织。对其进行转录组测序并筛选出差异表达基因，应用加权基因共 表达网络分析算法构建与AF 有关的基因模块。结果 共识别824 个差异表达基因及与患者临床表型有关的 模块，RCAN1 和DNAJA4 基因与AF 严重程度有相关性。结论 构建共表达网络并从中筛选与AF 有关的枢 纽基因，能更好地理解这些枢纽基因在冠脉介入治疗后导致AF 的作用。     

加权基因共表达网络分析在鉴定卵巢癌干细胞特性关键基因的应用

目的 探讨关键干细胞特性基因在卵巢癌的诊断和治疗中的意义.方法 加权基因共表达网络分析(WGCNA)方法筛选出关键模块和基因;基因集富集分析(GSEA)和单细胞测序数据分析关键基因上调组高表达的信号通路;pRRophetic预测卵巢癌的化疗药物的敏感性;流式细胞术检测SKOV3细胞和肿瘤干细胞中CD44及CD117的表...     

MAD2L1/CAMK2A/PTTG1基因簇失调维持子宫内膜癌干性特征

目的 研究子宫内膜癌(UCEC)的干性特征及潜在调控机制。方法 从癌症基因组图谱数据库中获取UCEC转录组测序数据。在R3.5.1环境下,采用edgeR包对基因表达谱进行标准化。基于一类逻辑回归机器学习算法计算各UCEC样本的mRNA干性指数(mRNAsi)。采用survival包和survminer包计算mRNAsi和候选基因的预后意义。基于高频子通路挖掘算法(HiFreSP)对差异基因进行子通路预后识别。通过WGCNA包构建基因共表达网络,分析关键基因模块。利用clusterProfiler包进行功能注释及通路富集分析。利用人类蛋白图谱数据库进行免疫组织化学验证。结果 UCEC样本mRNAsi显著高于正常组织(t=25.095,P<0.001),分化程度越低,mRNAsi越高,mRNAsi随肿瘤分期逐渐上调。预后分析表明,mRNAsi评分越高,UCEC患者总生存期越短(χ²=6.864,P=0.0088),mRNAsi高低组别之间存在570个特异变化差异基因。通过HiFreSP算法富集并识别出卵母细胞减数分裂的子通路及细胞周期子通路具有显著预后意义。这些通路共包含MAD2L1、CAMK2A、PTTG1、PLK1、CCNE1、CCNE2、ESPL1、CDC20、CCNB1、CCNB2、SMC1B等11个差异基因,均与患者预后显著相关。基因共表达网络分析结果显示,mRNAsi与3个基因模块密切相关,MAD2L1、CAMK2A、PTTG1也分别与上述模块高度相关。免疫组织化学结果表明,MAD2L1及PTTG1在UCEC组织中高表达,而CAMK2A在UCEC中下调,该趋势与转录组测序结果一致。结论 本研究基于机器学习刻画了UCEC的干性特征,识别预后相关子通路,并发现MAD2L1、CAMK2A、PTTG1等基因簇与UCEC的干性特征密切相关,为揭示UCEC干性特征调控机制及发现潜在治疗靶点提供线索。     

Identification of Potential Therapeutic Targets of Alzheimer’s Disease By Weighted Gene Co-Expression Network Analysis

Objective Alzheimer’s disease (AD) is the most common cause of dementia. The pathophysiology of the disease mostly remains unearthed, thereby challenging drug development for AD. This study aims to screen high throughput gene expression data using weighted co-expression network analysis (WGCNA) to explore the potential therapeutic targets.Methods The dataset of GSE36980 was obtained from the Gene Expression Omnibus (GEO) database. Normalization, quality control, filtration, and soft-threshold calculation were carried out before clustering the co-expressed genes into different modules. Furthermore, the correlation coefficients between the modules and clinical traits were computed to identify the key modules. Gene ontology and pathway enrichment analyses were performed on the key module genes. The STRING database was used to construct the protein-protein interaction (PPI) networks, which were further analyzed by Cytoscape app (MCODE). Finally, validation of hub genes was conducted by external GEO datasets of GSE 1297 and GSE 28146.Results Co-expressed genes were clustered into 27 modules, among which 6 modules were identified as the key module relating to AD occurrence. These key modules are primarily involved in chemical synaptic transmission (GO:0007268), the tricarboxylic acid (TCA) cycle and respiratory electron transport (R-HSA-1428517). WDR47, OXCT1, C3orf14, ATP6V1A, SLC25A14, NAPB were found as the hub genes and their expression were validated by external datasets.Conclusions Through modules co-expression network analyses and PPI network analyses, we identified the hub genes of AD, including WDR47, OXCT1, C3orf14, ATP6V1A, SLC25A14 and NAPB. Among them, three hub genes (ATP6V1A, SLC25A14, OXCT1) might contribute to AD pathogenesis through pathway of TCA cycle.     

于WGCNA的尿道下裂相关基因鉴定分析

目的 利用基因共表达权重网络（weighted gene co-expression network analysis,WGCNA）探索与尿道下裂发病相关的潜在基因。方法 利用WGCNA算法将数据集GSE35034处理并构建基因共表达权重网络,筛选出与尿道下裂相关性最高的模块,通过基因本体论（gene ontology,GO）、京都基因和基因组百科全书（Kyoto Encyclopedia of Genes and Genomes,KEGG）对模块中的基因进行富集分析。同时进行差异分析,筛选差异基因。将差异基因导入String数据库,利用Cytoscape软件,找出网络中枢纽基因。将以上3 种方法的结果系统分析,筛选出交集中的核心基因。利用外部数据集对核心基因进行mRNA表达变化及受试者操作特征（receiver operating characteristic,ROC）曲线诊断验证。结果 基于WGCNA方法得到15个共表达模块。通过差异分析获得了93个满足条件的共同差异基因。通过Cytoscape软件分析最终得到10个核心基因。最后3种方法得到2个交集基因：FBXL16、SYNDIG1。ROC曲线验证了交集基因在尿道下裂患者与正常人中表达存在差异。结论 本研究通过WGCNA获得了2个与尿道下裂具有显著相关性的关键基因,可用于尿道下裂发病及治疗的探索。