每日文献
早上好，今天分享一篇2022年1月发表在Front Genet（IF=4.772）的文章，Identification of Survival-Associated Hub Genes in Pancreatic Adenocarcinoma Based on WGCNA（PMID: 35047023），作者利用WCCNA构建了基因相互作用网络，并鉴定胰腺癌中的关键基因。该研究方法同样适用于其他肿瘤的研究，有相关需求的老师欢迎联系我们。
背景&方法
背景：
胰腺癌是全世界癌症相关死亡的主要原因之一。
方法：
1、共表达网络的构建；
2、模块基因的富集分析；
3、关键基因的鉴定；
4、关键基因的KM曲线。
结果
共表达网络的构建
我们使用Pearson相关系数对TCGA中的样本进行聚类。去除异常值后，我们绘制了样本聚类树（图1A）。通过WGCNA方法对60483个基因构建加权基因共表达网络。软阈值设置为12以满足网络的无标度拓扑（图1B）。我们在这个网络中检测到22个模块，它们的关系显示在集群树状图中（图1C）。其中粉红色和黄色模块显示出与胰腺癌最显着的关联（图 1D）。
图1
模块基因的富集分析
接下来，我们对粉色模块进行了GO（图2A）和KEGG（图2B）富集分析。黄色模块没有富集到通路。
图2
枢纽基因的鉴定
我们在粉红色模块中构建了共表达的基因网络， 最后，选出PKMYT1、WDHD1、ASF1B和RAD18。与相邻正常组织相比，PKMYT1（图3A）、WDHD1（图3B）、ASF1B（图3C）和RAD18（图3D）在肿瘤组织中显着上调。
图3
生存相关关键基因的功能分析
Kaplan-Meier分析表明，PKMYT1总体存活率（图4A）与其肿瘤促进作用一致。然而，无病生存时间在PKMYT1的低表达组和高表达组之间没有显示差异（图5A）。高水平的WDHD1与患者预后不良相关（图4B、5B）。ASF1B的高表达与高风险相关（图4C、5C）。与RAD18高表达组相比，RAD18低表达患者的总生存时间和无病生存时间均显着延长（图4D、5D）。
图4
图5
END
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