前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >快进来瞧瞧别人是如何把性别差异和生信分析结合起来的!

快进来瞧瞧别人是如何把性别差异和生信分析结合起来的!

作者头像
科研菌
发布2020-06-28 15:55:01
4440
发布2020-06-28 15:55:01
举报
文章被收录于专栏:科研菌科研菌
今天跟大家分享的是2019年1月发表在J. Cell. Mol. Med.IF:4.658)杂志上的一篇文章Molecular differences in Alzheimer's disease between male and female patients determined by integrative network analysis.在文章中作者基于AD相关的GSE数据集,在这项研究中,使用网络构建方法结合全基因组转录组数据,研究了17个皮质区域中AD性别差异的分子基础。

Molecular differences in Alzheimer's disease between male and female patients determined by integrative network analysis

综合网络分析确定男性和女性阿尔茨海默病的分子差异

一.研究背景

阿尔茨海默病(AD)是一种复杂的神经退行性疾病,是老年人痴呆的最常见原因。性别差异对于AD患病率、临床表现、病程和预后方面的认识仍不够充分。

二.分析流程
三.结果解读
1.鉴定DEGs

作者从GEO数据库下载了AD相关的原始mRNA表达谱(GSE84422 )。

图1A:男性(蓝色)和女性(橙色)样本中基因表达值的分布。

图1B:作者检查了17个皮质区域的DEGs。

  • 粉色格子代表下端的DEG在对应某个皮质区域中差异表达。可以看到不同区域之间的DEGs差异很大。且GRM2在多个皮质区域中均显著差异表达。

图1.鉴定DEGs

2.基因共表达网络分析

AD涉及多种相互作用的信号传导通路。作者进行了DEGs共表达网络分析,以检查17个不同大脑区域中男性和女性之间共表达基因相互作用的差异。

图2A:从左到右:男性和女性共表达网络以及重叠网络。

图2B:对三个网络分别作了KEGG通路富集分析,并列出了主要的通路。

图2.基因共表达网络分析 作者发现“胰岛素信号传导通路(男性显著富集的通路)”中的GSK-3β(糖原合酶激酶)与NFT(neurofibrillary tangle,神经原纤维缠结)的形成相关。所以作者作了K‐M分析,以确定是否可以根据GSK3β表达水平来区分AD患者不同的临床特征。

  • 图3A-D:依次基于“神经炎性斑块平均密度”、"神经原纤维缠结break score"、"大脑多区域神经炎性斑块负荷等级(cerad rating)的总和"、"大脑多区域神经原纤维缠结密度的总和"作K-M分析。结果均显示男性样本具有更好的OS。

图3.K-M生存分析

将样本中男性和女性的17个皮质区域构建了34个共表达网络,并使用Jaccard相似系数作了评估。

jaccard相似系数:就是两个dat sets的交集除以两个datasets的并集。所以Jaccard系数取值在0-1;用于比较有限样本集之间的相似性和差异性。

图4A:男性和女性17个皮质区域构建的共表达网络的edges和两者的Jaccard相似系数。

  • 17个皮质区域的Jaccard相对系数在“0.13-0.29”的相对较小范围内变化。表明男性、女性皮质区域具有特异性的分子机制,但也有一些相似之处。

作者接着对17个皮质区域两两使用Jaccard相似系数作了评估(图4B:男性;图4C:女性)。

  • 结果发现:男性(0.07-0.31)的17个皮质区域的Jaccard相似系数范围比女性(0.20-0.37)的大。

图4.用Jaccard相似系数评估17个皮质区域

3.与AD病理相关的性别特异的模块之间的crosstalk

图5A:男性(有15个模块:M1-M15)和女性特异的模块(有8个模块:F1-F8)之间用Jaccard相似系数评估。

图5B:男性最大的模块M1。

图5C:女性最大的模块F1。

图5.性别特异模块之间的crosstalk

4.在AD进展中表现出性别差异的网络

图6A:计算男性和女性17个皮质区域的动态score。

  • 动态score算法如下:

其中“overlapNUM”代表所有样本中取交集的共表达基因对;“normalNum”代表正常样本的共表达基因对。

  • 结果发现男性的动态score范围低于女性(0.91‐0.99 vs 0.76‐0.94),表明男性在AD进展过程中分子的变化更大。

图6B-C:AD患者中17个大脑区域的共表达基因网络(B:男性;C:女性)。

图6D-E:男性、女性对应的KEGG通路富集分析。

图6.动态score与功能注释

小结

作者从GSE84422中获得了跨越17个皮质区域的基因表达数据集,然后结合基因共表达网络分析方法,研究了17个皮质区域中AD性别差异的分子基础。本文先是鉴定了DEGs;然后构建基因共表达网络;接着分析与AD病理相关的按性别划分的模块之间的crosstalk;最后通过动态score确定AD进展中的性别差异,为AD中的性别差异提供了新颖的见解。

还是和往常一样,后台回复「18f」,即可获取今天小编为大家解读的文献。本期的分享就到这里啦,下一期再会~

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-05-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 科研菌 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 一.研究背景
  • 二.分析流程
  • 三.结果解读
    • 1.鉴定DEGs
      • 2.基因共表达网络分析
        • 3.与AD病理相关的性别特异的模块之间的crosstalk
          • 4.在AD进展中表现出性别差异的网络
          领券
          问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档