动脉粥样硬化合并糖尿病的加权基因共表达网络构建与分析
DOI:
作者:
作者单位:

(牡丹江医学院,黑龙江省牡丹江市 157000)

作者简介:

孙琪,硕士研究生,E-mail为985966015@qq.com。通信作者刘跃光,硕士,教授,硕士研究生导师,主要从事心血管研究,E-mail为18704651461@163.com。

通讯作者:

基金项目:

黑龙江省自然科学基金重点项目(ZD2019H009)


Construction and analysis of weighted gene co-expression network for atherosclerosis with diabetes
Author:
Affiliation:

Mudanjiang Medical University, Mudanjiang, Heilongjiang 157000, China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    目的 利用加权基因共表达网络分析(WGCNA)来识别动脉粥样硬化(As)合并糖尿病有关的功能基因模块。方法 从基因表达数据库(GEO)中下载GSE23304数据集,其中包含101例As外周斑块样本(其中25例患有糖尿病)的基因表达谱,使用WGCNA对数据集进行模块化分析并关联临床表型数据,根据相关系数大小,识别出与As最为相关的表型所在的模块,并对模块内基因进行功能注释(DAVID),最后使用STRING进行蛋白互作网络分析。结果 使用WGCNA分析,最终得到了33个模块,其中As中识别到的Darkturquoise模块与糖尿病最为相关,认为Darkturquoise为糖尿病合并As的关键基因模块。结论 WGCNA分析方法识别出的As关键基因模块Darkturquoise在糖尿病中可能起到重要作用。

    Abstract:

    Aim To identify functional gene modules related to atherosclerosis (As) with diabetes by weighted gene co-expression network analysis (WGCNA). Methods GSE23304 data set containing 101 samples of atherosclerotic peripheral plaques (25 of them had diabetes) was downloaded from the gene expression omnibus (GEO), then the gene expression profile was correlated with phenotypic data and analyzed by WGCNA. According to the correlation coefficient size, the study identified the module which phenotype is the most highly associated with atherosclerosis, with functional annotation (GO) of the genes in the module, and then used STRING for protein interaction network analysis. Results 33 modules were obtained by WGCNA analysis, of which the Darkturquoise module identified by atherosclerosis is the most relevant to diabetes, and Darkturquoise is considered to be a key gene module for diabetes in atherosclerosis. Conclusion The atherosclerosis key gene module identified by WGCNA analysis may play an important role in diabetes.

    参考文献
    相似文献
    引证文献
引用本文

孙琪,徐莹,李兴江,刘跃光.动脉粥样硬化合并糖尿病的加权基因共表达网络构建与分析[J].中国动脉硬化杂志,2020,28(10):867~874.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2019-11-01
  • 最后修改日期:2020-12-30
  • 录用日期:
  • 在线发布日期: 2020-10-20