每日文献
分享一篇2022年3月发表在Front Genet（IF：4.772）《Identification of Hub Genes With Differential Correlations in Sepsis》（PMID: 35401666），作者利用WGCNA和DiffCorr来找出脓毒症中新的hub基因。该研究方法同样适用于其他肿瘤或非肿瘤的研究，有相关需求的老师欢迎联系我们。
背景&方法
背景：
脓毒症和脓毒性休克以及随后的多器官衰竭是成人重症监护病房患者死亡的主要原因。
方法：
1.WGCNA共表达网络建设筛选脓毒症相关模块；
2.模块基因富集；
3.差异相关性评估；
4.Hub基因的筛选及生物学分析。
结果
共表达网络建设
去除异常值后，绘制了样本聚类树（图1B）。将软阈值设置为5以满足网络的无标度拓扑，其中相应的R2为 0.81（图1C）。在网络中检测到26个模块，橙色模块包含基因最少，有33个，而绿松石模块包含基因最多，有10821个。蓝色和深红色模块与脓毒症表现出最显着的关联（图2）。
图1
图2
模块基因富集
然后，对蓝色和深红色模块进行了基因本体论（GO）和京都基因和基因组百科全书（KEGG）的富集分析（图3）。
图3
差异相关性识别
选择蓝色和深红色模块中的基因来估计差异相关性，差异相关性根据脓毒症或健康的表达模式进行分组（图4）。
图4
共获得了174个来自蓝色模块的相反相关基因对和49个来自深红色模块的基因对（图5）。
图5
具有差异相关性的 Hub 基因的生物学分析
最后，由于与其他基因的联系最多，选出四个hub基因：ZNF366、ZMYND11、SVIP和UBE2H，表达情况如图6所示。
图6
今天的分享就到这里啦，对上述分析方法感兴趣或者没有研究思路的小伙伴，欢迎扫下方二维码前来咨询哦！先到先得，欲购从速！
中科生信