检索历史 清除

摘要疾病关键基因的筛选是研究疾病机理的一个焦点。本文从整合分析和动态控制的视角，基于网络节点控制中心性指标，研究同一节点在两种状态的网络中的差异性，分别建立有向网络和无向网络中筛选关键节点的方法，并应用于疾病机理的研究。以急性心肌梗死(AcuteMyocardialInfarction,AMI)和阿尔兹海默症(Alzheimer''sDisease,AD)为例，从不同层次研究控制中心性指标对不同网络中节点的影响以及差异性，进而挖掘这两种疾病在基因层面的致病机理。<br>　　基于LAPP方法构建有向网络，以节点控制能力为网络结构参数，节点在两组之间控制能力差异越大，则它对两个网络控制能力差异的贡献越大，以此建立两对照组间筛选控制能力差异节点的方法(Networkcontrolcapabilitymethod,NCCM)。将其算法应用于AMI的基因表达谱数据，筛选出17个控制能力差异基因(differencecontrolcapabilitygenes,DCCGs),其中82.35％的基因已在文献及DISEASES数据库中显示与AMI/MI相关，有14个DCCGs与AMI/MI细胞的生长、增殖、修复显著相关。这表明该算法的有效性。DCCGs富集分析表明AMI与血管相关平滑肌细胞增殖的正向调节和参与免疫反应的细胞因子产生的调节功能密切相关，HBEGF、THBS1、NR4A3、NLRP3、EDN1和MMP9在此功能中发挥重要作用。另外，CNOT6L和ACYP1尽管在对照组和AMI组中表达量差异不大，但是NCCM方法显示它们与AMI显著相关，这一结果仍需进一步验证。<br>　　基于Spearman无向网络，以节点能控性指数为网络结构参数，节点在两组之间能控性指数差异越大，说明它对两个网络能控性指数差异的贡献越大，以此建立两对照组间筛选能控性指数差异节点的方法(Networkcontrollabilityindexmethod,NCIM)。将该算法应用于基于单细胞转录组测序技术的阿尔兹海默症数据，通过单细胞聚类分析方法得到两对照组的细胞亚型(Clusters)及其小亚型(Subclusters),分别筛选能控性指数差异基因(differencecontrollabilityindexgenes,DCIGs)。研究发现Clusters中的神经元细胞网络结构差异不明显，非神经元细胞网络结构差异是明显的。但对应的Subclusters神经元网络结构差异又是明显的，故该方法从一定程度可以揭示它们间的关联。通过对Clusters的DCIGs富集分析发现，非神经元细胞在突触改变、轴突转运、细胞质核糖体蛋白及血小板活化功能与已有文献证明的AD功能一致，这预示着该算法是有效的。另外，进一步挖掘出Subclusters的神经元细胞(CA1和DG)和非神经元细胞(星形胶质细胞)通过囊泡介导运输的调控、细胞成分组织的负调控以及神经元发育方面存在着潜在的信号交流，这还需要进一步研究。