科学网共表达网络分析

wuhuaguo88l 2017-07-12

展开全文

共表达网络分析

基因共表达网络分析（Gene Co-expression Network Analysis）是基于基因间表达数据的相似性而构建的网络图，图中的节点代表基因，具有相似表达谱的基因被连接起来形成网络。

图1 共表达网络图

共表达网络的建设从概念上来讲是简单直观的，通过基因表达的相似性可分析基因产物可能的相互作用关系，从而了解基因间相互作用脉络及寻找核心基因。核心基因是重要的枢纽，在网络模块中器关键性作用。

案例分析

下面以文献为例，来看看如何用共表达网络分析找出关键的节点基因。

文献信息

相关基因：ACSL1、MPDZ 相关疾病： Liver Failure

样本：GSE17184 PMID: 20398290 IF：3.867

这篇文章主要研究爆发性肝炎在早期阶段的病理机制，作者在寻找病变过程中起主导作用的基因群及关键基因时，采用ConA 诱导的小鼠肝炎模型，选取了0h,1h，3h，6h四个时间点做表达谱分析。

用ANOVA筛选得到了1473个差异表达基因（p<0.05，FDR<0.05）（差异结果解读）。为进一步筛选出显著变化的基因群，作者将差异基因进行趋势分析，从中得到了10个显著变化的趋势模型（p<0.05）

并将最显著变化的NO.9和NO.16趋势模型中的基因进行共表达网络分析，来判断哪些基因在爆发性肝炎早期阶段起主导作用。

在以k-core值分的子网络中（k-core值越大表明子网络越处于核心的地位），作者筛选得到了k-core值最高为11的子网络中的26个核心基因。26个核心基因主要参与蛋白转运、转录调节、细胞代谢等方面。筛选出的核心基因为爆发性肝癌的早期诊断提供了分子依据。

图2 共表达网络

表1 部分核心基因属性列表

共表达网络分析结果解读

如何从共表达网络图中挑选出关键基因？

如何看各个参数呢？

在得到的共表达网络图中，可根据基因的网络特征值，即网络中各基因的位置函数计算出该基因在网络中的关系强度。特征值最高的基因处于网络的枢纽地位，起关键性的作用。

共表达网络图

如上图中共表达网络图，圆圈代表基因，直线代表基因存在的调控关系。圆圈的大小代表degree值，即网络中某一基因与周围基因的关系数量，degree越大，代表与它有相互作用关系的基因越多。圆圈的颜色就是按照k-core进行划分的聚类结果。k-core表示在一个子图中，所有的点至少连接着k个点，其用以评估基因在网络位置的中心程度，值越大表示degree越大且越中心。相同大小的k-core体现的是基因之间的相似性及功能相关性。图中k-core最高为11的灰色基因就是处于核心地位的基因群。图中每个基因与相邻基因的密度用聚类系数（clustering coefficient）来表示。聚类系数值越大，表明这个基因邻近基因间的调控关系很复杂，处于的区域对于网络具有更重要的价值。