点击关注，桓峰基因
桓峰基因 生物信息分析，SCI文章撰写及生物信息基础知识学习：R语言学习，perl基础编程，linux系统命令，Python遇见更好的你 81篇原创内容 --> 公众号
这期分享一篇贼简单的4+文章，2021年4月发表在Am J Transl Res. 通过共表达网络（WGCNA）分别鉴定了ST段抬高型心肌梗死（STEMI）和非ST段抬高型心肌梗死（NSTEMI）中血小板相关的中枢基因。
摘 要
急性心肌梗死(AMI)严重威胁着人类的生命安全。本研究旨在系统分析AMI患者血小板关键基因模块的功能。我们使用加权基因共表达网络分析(WGCNA)构建一个共表达模块，利用GEO数据库提供的16例st段抬高型心肌梗死(STEMI)和16例非STEMI (NSTEMI)患者的血小板RNA-seq RPKM计数reads，分析潜在模块与临床特征的关系。使用DAVID工具进行基(GO)和(KEGG)富集分析。利用Cytohubba软件包计算中心基因。共选择3653个基因构建共表达模块。在STEMI中，BMI与天蓝色模块呈显著相关。NSTEMI中，sky blue模组与CAD、Salmon模组与HT、Cyan模组与HT均显著相关。在STEMI中，Hub基因主要富集于与细胞膜信号转导相关的功能，包括Aqp1、Armcx1、Gsta4、Hist3h2a和Il17re。在NSTEMI中，Hub基因主要与天蓝模块的能量代谢相关，包括Olr1、Nap1l3、Gfer、Dohh、Crispld1和Ccdc8b；它们主要与青色模块的胞外空间和钙结合有关，包括Clec12b、Chd4、Asgr1、Armcx4、Chid1和Alkbh7。Salmon模块中的中心基因包括Ell3、Aldh1b1、Cavin4、Cabp4、Eif1ay和Dus3l。我们的研究结果为STEMI和NSTEMI患者的共表达基因模块提供了一个框架，并确定了不同亚型AMI患者的关键标志物。
生信分析流程
我们从文章中提取生信分析流程，看下文章中使用的数据集和生信分析方法，如下：
相关数据准备
数据集选择：GSE65705 包括16 名 STEMI 患者和 16 名 NSTEMI 患者的动脉血中的 32 个血小板转录组样本组成；
基因集选择：WGCNA筛选
生信分析方法
我们从文章的分析流程中提取所有的分析内容，整理出来就10个分析条目，构成了整个文章，临床小样本量+生信文章，发了4+，点击分析条码就会跳转到对应公众号的教程，跟着教程做，您也能发4+，如下：
1.构建STEMI和NSTEMI的WGCNA基因共表达模块；
4.筛选hub基因。
研究结果
使用 WGCNA 软件包工具构建 STEMI 和 NSTEMI 样本的基因共表达网络。STEMI建立了7个基因共表达模块, 根据临床信息，筛选与心肌梗死相关的危险因素数据，在STEMI中，skyblue模块中的基因与BMI的临床特征显著相关。在NSTEMI中，skyblue模块中的基因与CAD的临床特征显著相关。
注：以下结果在我公众号都有讲解过，点击链接即可跳转网页！
4.筛选hub基因
整个文章都是依靠生信分析来做，可以说贼简单的分析方法，有想做类似的思路发 SCI 文章的老师可以直接加我微信，欢迎来聊！
References:
Zhang B, Li B, Sun C, Tu T, Xiao Y, Liu Q. Identification of key gene modules and pathways of human platelet transcriptome in acute myocardial infarction patients through co-expression network. Am J Transl Res. 2021;13(4):3890-3905. Published 2021 Apr 15.
Eicher JD, Wakabayashi Y, Vitseva O, et al. Characterization of the platelet transcriptome by RNA sequencing in patients with acute myocardial infarction. Platelets. 2016;27(3):230-239. doi:10.3109/09537104.2015.1083543
Pei G, Chen L and Zhang W. WGCNA application to proteomic and metabolomic data analysis. Methods Enzymol 2017; 585: 135-158
本文使用 文章同步助手 同步
网友评论