jgu的个人博客分享 http://blog.sciencenet.cn/u/jgu

博文

【疾病组学数据整合分析方法-1】Cell:Autism共表达基因网

已有 4192 次阅读 2014-8-22 12:04 |系统分类:论文交流| 疾病, 组学数据, 整合分析

Willsey et al. Coexpression networks implicate human midfetal deep cortical projection neurons in the pathogenesis of autism. Cell 2013, 155:997-1007.


基因组、表观基因组、转录组、蛋白质组、代谢组等组学数据是对复杂疾病不同层次的采样,如何有效的进行数据整合分析,进而得到有生物医学意义的发现是当前疾病生物信息学和系统生物学面临的重大问题。


该文通过整合Exome-Seq和覆盖多个时空Exom expressions的数据,发现了midfetal deep cortical projection neurons在autism过程中的作用作用。


1、数据:超过一千个ASD family的Exome-Seq数据;正常大脑不同部位在不同发育阶段的基因表达数据,按照阶段和部位分成了52个小组(注意是正常大脑);

2、认为Exome-Seq中检测到的基因突变是autism的“根源”,先从Exome-Seq数据中找到高突变率的9个种子基因high-confidence ASD genes(种子基因),以及发生了突变的基因portable ASD genes(122个)

3、在52个时空小组中,分别计算与9个种子基因即hcADS genes显著共表达的基因

4、计算pASD genes在52个基于种子基因的共表达基因网络中的富集程度(设计了一套严格的富集度算法)

5、富集度分析结果表明,pASD genes仅在4个时空小组中富集,其中包括两个midfetal co-expression networks。

6、pASD genes来自于疾病样本点突变的分析,而基因表达来自于正常的大脑。pASD仅在midfetal部位富集,作者认为这预示着midfetal部分的神经细胞更可能与ASD发病有关。注:本文分析的假说即在此,疾病中突变基因与某部位与种子基因共表达的基因一致,则说明这些突变更可能影响该部位的基因调控网络


总结一下分析思路:先用Exome-seq获取genome层次点突变的信息,然后从点突变种子基因出发构建基因共表达网络。



https://blog.sciencenet.cn/blog-407531-821433.html

上一篇:生物信息学、系统生物学与计算生物学相关杂志影响因子
下一篇:利用差异基因表达模块识别抑癌的miRNA
收藏 IP: 166.111.130.*| 热度|

1 rosejump

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-11-23 09:53

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部