每日文献分享
分享一篇Computational and mathematical methods in medicine在2021年7月发表的文章《Identification of the Hub Genes in Alzheimer's Disease》，作者使用生物信息学分析研究了阿尔茨海默病（AD）的hub基因。该研究方法同样适用于其他肿瘤或非肿瘤常见病的研究，有相关需求的老师欢迎联系我们
背景&方法
背景：阿尔茨海默病（AD）是最常见的神经退行性疾病，也是影响老年人的主要致命疾病之一，给社会带来了巨大的负担。
方法：
1、使用Limma包识别AD的差异基因；
2、DEG的GO和KEGG富集分析；
3、PPI网络构建与hub基因鉴定。
结果
AD中DEG的识别
首先分析了AD样本和年龄匹配的正常样本之间的DEG，共获得了2169个差异基因，1313个为上调基因，856个为下调基因（图1）。
图1
GO和KEGG富集分析
功能富集分析表明，上调DEG与激活的中性粒细胞参与的免疫反应、中性粒细胞的脱粒和中性粒细胞介导的免疫显着相关（图2a）。溶酶体、破骨细胞分化和吞噬体是这些上调基因的重要通路（图2b）。下调DEG主要与肽生物合成过程、翻译、核糖体和靶向膜的SRP依赖性共翻译蛋白有关（图3a）。核糖体、氧化磷酸化和非酒精性脂肪肝病 (NAFLD) 是下调DEG的显着富集通路（图3b）。
图2
图3
PPI网络分析
在上调DEG构建的PPI网络中展示了379个节点（蛋白质）和1149个 边（交互）（图4）。在下调DEG构建的PPI网络中观察到202个节点（蛋白质）和1963个边（交互）（图5）。在上调基因中，GAPDH和RHOA被认为是hub蛋白和关键基因。在下调基因中，RPS29和RPS27A是最重要的。这表明它们可能在AD中发挥重要作用。
图4
图5
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