通过基因共同表达的基于网络的分析来识别疾病特异性的生物标志物:阿尔茨海默病病例研究
Hexiang Zheng1, Changgui Gu1, Huijie Yang1
1Department of Systems Science, Business School, University of Shanghai for Science and Technology, Shanghai, 200093, China.
Heliyon
|March 12, 2024
概括
这项研究引入了一种基于网络的方法,用于识别复杂疾病的生物标记基因. 该方法成功识别了潜在的阿尔茨海默病生物标志物,证明了其广泛适用性.
科学领域:
- 基因组学就是基因组学.
- 系统生物学 系统生物学
- 计算生物学 计算生物学
背景情况:
- 鉴定复杂疾病的生物标记基因对于临床应用至关重要.
- 现有的方法可能无法完全捕捉疾病的复杂遗传结构.
研究的目的:
- 开发和验证一种新的基于网络的方法,用于发现生物标记基因.
- 确定阿尔茨海默病 (AD) 的潜在生物标志物,并证明该方法的通用性.
主要方法:
- 使用敏感基因构建了一个基因共同表达网络.
- 将基因分组成模块,并根据连接性和路径长度确定代表性基因.
- 应用机器学习进行亚型分类,并进行基因本体学 (GO) 和基因和基因组的京都百科全书 (KEGG) 路径分析.
主要成果:
- 确定了16个潜在的阿尔茨海默病代表基因,其中11个由现有文献支持.
- 根据机器学习,将初始疾病组分为两种不同的亚型.
- 亚型在生物过程中表现出不同的参与,验证了网络方法.
结论:
- 拟议的基于网络的方法有效地识别了潜在的疾病生物标志物基因.
- 共同表达模块中的代表性基因可以作为新的生物标志物.
- 该方法的疾病特异性和独立性使其可用于各种复杂疾病.
