IF: 4+ 通过共表达网络鉴定急性心肌梗死患者血小板转录组关键基因模块和通路
点击关注,桓峰基因
桓峰基因
生物信息分析,SCI文章撰写及生物信息基础知识学习:R语言学习,perl基础编程,linux系统命令,Python遇见更好的你
81篇原创内容
公众号
这期分享一篇贼简单的4+文章,2021年4月发表在_Am J Transl Res_. 通过共表达网络(WGCNA)分别鉴定了ST段抬高型心肌梗死(STEMI)和非ST段抬高型心肌梗死(NSTEMI)中血小板相关的中枢基因。
摘 要
急性心肌梗死(AMI)严重威胁着人类的生命安全。本研究旨在系统分析AMI患者血小板关键基因模块的功能。我们使用加权基因共表达网络分析(WGCNA)构建一个共表达模块,利用GEO数据库提供的16例st段抬高型心肌梗死(STEMI)和16例非STEMI (NSTEMI)患者的血小板RNA-seq RPKM计数reads,分析潜在模块与临床特征的关系。使用DAVID工具进行基(GO)和(KEGG)富集分析。利用Cytohubba软件包计算中心基因。共选择3653个基因构建共表达模块。在STEMI中,BMI与天蓝色模块呈显著相关。NSTEMI中,sky blue模组与CAD、Salmon模组与HT、Cyan模组与HT均显著相关。在STEMI中,Hub基因主要富集于与细胞膜信号转导相关的功能,包括Aqp1、Armcx1、Gsta4、Hist3h2a和Il17re。在NSTEMI中,Hub基因主要与天蓝模块的能量代谢相关,包括Olr1、Nap1l3、Gfer、Dohh、Crispld1和Ccdc8b;它们主要与青色模块的胞外空间和钙结合有关,包括Clec12b、Chd4、Asgr1、Armcx4、Chid1和Alkbh7。Salmon模块中的中心基因包括Ell3、Aldh1b1、Cavin4、Cabp4、Eif1ay和Dus3l。我们的研究结果为STEMI和NSTEMI患者的共表达基因模块提供了一个框架,并确定了不同亚型AMI患者的关键标志物。
生信分析流程
我们从文章中提取生信分析流程,看下文章中使用的数据集和生信分析方法,如下:
相关数据准备
数据集选择:GSE65705 包括16 名 STEMI 患者和 16 名 NSTEMI 患者的动脉血中的 32 个血小板转录组样本组成;
基因集选择:WGCNA筛选
生信分析方法
我们从文章的分析流程中提取所有的分析内容,整理出来就10个分析条目,构成了整个文章,临床小样本量+生信文章,发了4+,点击分析条码就会跳转到对应公众号的教程,跟着教程做,您也能发4+,如下:
1.构建STEMI和NSTEMI的WGCNA基因共表达模块;
2.临床信息相结合,筛选关键模块基因;
3.对模块基因进行GO富集和KEGG富集分析;
4.筛选hub基因。
研究结果
1.构建STEMI和NSTEMI的WGCNA基因共表达模块
使用 WGCNA 软件包工具构建 STEMI 和 NSTEMI 样本的基因共表达网络。STEMI建立了7个基因共表达模块, 根据临床信息,筛选与心肌梗死相关的危险因素数据,在STEMI中,skyblue模块中的基因与BMI的临床特征显著相关。在NSTEMI中,skyblue模块中的基因与CAD的临床特征显著相关。
注:以下结果在我公众号都有讲解过,点击链接即可跳转网页!
2.临床信息相结合,筛选关键模块基因;
3.对模块基因进行GO富集和KEGG富集分析;
4.筛选hub基因
整个文章都是依靠生信分析来做,可以说贼简单的分析方法,有想做类似的思路发 SCI 文章的老师可以直接加我微信,欢迎来聊!
References:
Zhang B, Li B, Sun C, Tu T, Xiao Y, Liu Q. Identification of key gene modules and pathways of human platelet transcriptome in acute myocardial infarction patients through co-expression network. Am J Transl Res. 2021;13(4):3890-3905. Published 2021 Apr 15.
Eicher JD, Wakabayashi Y, Vitseva O, et al. Characterization of the platelet transcriptome by RNA sequencing in patients with acute myocardial infarction. Platelets. 2016;27(3):230-239. doi:10.3109/09537104.2015.1083543
Pei G, Chen L and Zhang W. WGCNA application to proteomic and metabolomic data analysis. Methods Enzymol 2017; 585: 135-158
IF: 4+ 通过共表达网络鉴定急性心肌梗死患者血小板转录组关键基因模块和通路相关推荐
- 构建基因共表达网络鉴定CD8 T细胞浸润相关生物标志物在肾透明细胞癌中的作用
构建基因共表达网络鉴定CD8 T细胞浸润相关生物标志物在肾透明细胞癌中的作用 文章目录 构建基因共表达网络鉴定CD8 T细胞浸润相关生物标志物在肾透明细胞癌中的作用 文献信息 背景和目的 实验流程 方 ...
- R包WGCNA---转录组WGCNA共表达网络构建(基本概念)
R包WGCNA---转录组WGCNA共表达网络构建(基本概念) 1. WGCNA简介 2. WGCNA分析原理 (1)R包WGCNA的主要功能 (2)WGCNA的基本概念和工作流程 (3)WGCNA分 ...
- WGCNA 简明指南|1. 基因共表达网络构建及模块识别
WGCNA 简明指南|1. 基因共表达网络构建及模块识别 参考 简介 数据导入.清洗及预处理 数据导入 检查过度缺失值和离群样本 载入临床特征数据 自动构建网络及识别模块 确定合适的软阈值:网络拓扑分 ...
- WGCNA构建基因共表达网络详细教程
这篇文章更多的是对于混乱的中文资源的梳理,并补充了一些没有提到的重要参数,希望大家不会踩坑. 1. 简介 1.1 背景 WGCNA(weighted gene co-expression networ ...
- Co-LncRNA:lncRNA与蛋白编码基因的共表达网络数据库
欢迎关注"生信修炼手册"! 有多项研究表明lncRNA与众多生物学过程,复杂疾病相关,为了进一步探究lncRNA在这些生命活动中的具体作用,我们需要对lncRNA的功能进行分析. ...
- R包WGCNA---转录组WGCNA共表达网络构建(无表型计算提取网络)
R包WGCNA---转录组WGCNA共表达网络构建(无表型信息) 1. 下载R包WGCNA 2. 运行步骤 2.1参数筛选和模块计算 2.2 全部基因所属模块信息输出 2.3 计算KME值并输出筛选基 ...
- 内科学与计算机专业的相关性,急性心肌梗死患者QT间期变异性及心率变异性与室性心律失常的相关性分析-内科学专业论文.docx...
苏州大学学位论文使用授权声明本人完全了解苏州大学关于收集.保存和使用学位论文的规定, 苏州大学学位论文使用授权声明 本人完全了解苏州大学关于收集.保存和使用学位论文的规定, 即:学位论文著作权归属苏州 ...
- 基因共表达网络分析java,基因共表达——基因共表达网络分析
Gene co-expression(基因共表达)是一种使用大量基因表达数据构建基因间的相关性,从而挖掘基因功能的一类分析方法. 在很多情况下,有着相似行为/变化的物质,会存在着一定的联系.在生物中, ...
- WGCNA加权基因共表达网络分析(1)简介、原理
WGCNA简介 WGCNA(Weighted Gene Co-Expression Network Analysis, 加权基因共表达网络分析),鉴定表达模式相似的基因集合(module),解析基因集 ...
最新文章
- boost安装_【环境搭建】源码安装Boost
- 面向对象-----封装
- 人工神经网络模型与分类
- [css] 请描述下你对translate()方法的理解
- 安装Ubunutu音频视频库
- java frame清除控件_java – 清除JFrame的组件并添加新组件
- cuda cudnn tensorflow对应_Ubuntu18.04下安装Tensorflow+cuda+cudnn+pytorch
- gifrecord可以卸载吗_频繁的安装和卸载app会不会伤害苹果手机?
- java gui设置圆形按钮_简单的设置圆形按钮
- C中位域Struct操作
- 14. 使用reserve避免不必要的内存分配
- js脚本页面自动刷新
- b250支持服务器cpu,b250m主板应该上什么cpu
- OSChina 周六乱弹 —— 谁小时候没当过熊孩子呀
- 吴恩达授课,斯坦福CS230深度学习课程资源开放
- C#实现自己的远程桌面控制工具
- 微信js-sdk引入!绝对干货
- 云服务器和虚拟主机的区别是什么
- 电容介绍|电容的种类和作用
- Tournament Chart【模拟+vector+map+string】