|
Frontiers in Endocrinology(IF：3.634)的一篇文章，“Bioinformatic Analysis Identifies Potential Key Genes in the Pathogenesis of Turner Syndrome”，文章通过挖掘GEO数据库中有关特纳综合征的数据集，经分析差异表达基因，功能分析，构建PPI网络以及识别核心模块等生信手段，发现了可能的特纳氏综合征致病基因。下面由我来给大家详细讲一下吧。  一. 文章背景特纳综合征(Turner syndrome，TS)是一种在女性中存在的性染色体非整倍性的遗传病，患者的性染色体只有一条父源或母源的X染色体，核型为45X；患者具有多种症状，包括身材矮小，卵巢衰竭和骨骼异常等。TS的病因很复杂，而且其致病机理尚不清楚。作者希望通过分析GSE46687这个比较TS患者和正常女性外周血单核细胞基因表达差异的数据集，去揭示可能的TS致病基因，探究其发病机制。 二. 文章思路三. 结果解析1. 筛选差异表达基因作者利用GEO数据库中的GEO2R分析工具对GSE46687数据集(外周血单核细胞芯片数据集)进行分析。分组为：
利用GEO2R工具寻找两组中的DEG(差异表达基因),筛选标准是|logFC>1|，adjp<0.05，并取交集。最后得到表达上调的DEG60个，表达下调的DEG25个(C)。A-B两图分别Xm-XX组和Xp-XX组中的DEG在样本中表达情况的热图。此外，作者选择了一些共同存在于TS患者中的DEG，对其作用和表达情况做了简要描述。 图1. 筛选差异表达基因2. 在特定组织中表达的DEG作者在BioGPS数据库中分析了上述85个DEGs在不同组织器官中的表达情况，并选取在特定组织中有最高表达的基因。标准如下：
根据以上标准对85个DEGs分别进行了分析，得到的在特定组织器官中高表达的基因如下表。 表1. 在某一特定组织器官中高表达的基因 3. 对DEGs进行功能分析和通路分析这里作者利用DAVID数据库对上文得到的85个DEGs进行了functional categories分析以及GO和KEGG通路分析，下图展示了DEGs富集最显著的11个功能通路(p<0.05)。 图2.对DEGs的功能分析结果 4. 构建PPI网络先利用STRING数据库预测这85个DEGs间的相互作用关系(参数选择：互作分数>0.4)，之后利用Cytoscape对PPI(蛋白质相互作用)网络进行可视化(A)，这个网络有42个结点和49条边(红色表示在TS中表达上调的DEGs，绿色表示在TS中表达下调的DEGs)。随后利用ClusterOne应用去分析PPI网络中的核心PPI网络模块(B-C)。 图3. 蛋白质相互作用网络 5. 识别可能的TS致病基因通过分析DEGs中在X染色体上的基因，作者发现AP1S2，CSF2RA，CD99这三个基因与免疫系统相关。作者认为结果4中8个PPI网络核心模块基因与TS的发生有关，且CDC27和CD99这两个基因在造血/免疫系统中高表达(结果3)。通过Genecards数据库的分析，作者也在DEGs中找到一些与TS发生相关的基因。最后作者将这些基因汇总成表2 表2. 可能的TS致病基因以及表达情况 好啦，今天的文献分享就到这里了，我们快速总结一下。本篇文章是一篇挖掘GEO数据库中TS患者数据的套路文章。在获取GSE46687的表达矩阵后进行差异分析得到共85个DEGs，紧接着就是利用DAVID数据库进行功能富集分析，STRING数据库获取PPI网络并用Cytoscape可视化也不可少，并用ClusterOne分析了核心模块。以上便是主干，枝叶便是从BioGPS数据库得到了这些DEGs中在特定组织高表达的基因。结合以上和Genecards中关于TS的信息，作者综合分析得到了可能的TS致病基因。其实相同的方法不限于TS，大家也可以去GEO数据库中找找别的遗传病或其它疾病的信息去做类似分析。 |
|
|
