阿尔茨海默病表达谱芯片的加权基因共表达网络分析

摘要

目的使用加权基因共表达网络分析(WGCNA)探究阿尔茨海默病(AD)在不同病情分级下基因的协同共表达,寻找与阿尔茨海默病发病有关的关键基因。方法从GEO数据库下载GSE1297表达谱数据,根据基因的相关性,构建基因共表达模块,并计算模块基因与临床信息的相关性,选取与临床表型显著相关的模块使用Matescape数据库进行下游GO与KEGG富集分析,同时对模块内GS和MM的相关性进行分析,并使用Cytosacpe绘制共表达网络图,筛选枢纽基因。结果根据基因表达的相关性,发现8个共表达模块,其中模块Green(MEgreen)和模块Turquoise(MEturquoise)与临床简易智力状态检查(MMSE)评分、临床病情分级显著相关,MEturquoise与神经元纤维缠结(NFT)评分显著相关,共表达网络发现ATRNL1、SV2A、FXYD7、SYNGR3、MDH1、TBC1D9、UCHL1、NGFRAP1等基因在网络中处于核心的地位。结论 ATRNL1、SV2A、FXYD7、SYNGR3等基因可能在AD疾病发生发展中扮演重要的角色。