白癜风康复来袭 http://pf.39.net/bdfyy/bdfal/171020/5777895.html导语
今天给大家分享一篇脓*症相关共表达网络构建的文章“Genecorrelationnetworkanalysistoidentifyregulatoryfactorsinsepsis”，这篇文章是年10月发表在JournalofTranslationalMedicine杂志上的，影响因子IF=4.。作者构建了WGNCA网络，再把模块相关性最高的基因与外部临床特征联系起来，通过富集分析以及生存分析，并通过motif分析最终确定了影响脓*症的关键转录因子。
结果解读
1.数据获得
作者从GEO数据库中得到组样品，排除非传染性对照以及异常样品（共组），最后得到组样品，这些样品根据感染部位分为肺炎脓*症、腹部脓*症和未选脓*症(其他败血症)。三组之间的人口统计数据具有可比性(表1)。
啊啊
2.WGCNA网络构建和模块检测
作者把软阈值设置为6来获得无尺度网络，共识别出27个模块(图1)。健康对照组和脓*症组的基因差异表达分析表明，ARG1、CD、MMP8和C19orf59等基因表达上调。模块的上调或下调由基因显著性T值的中位数决定(图2)。共有特征基因网络及其差异分析如图3所示。结果表明，三组样品中的特征基因网络保存完好。为了探索在肺炎脓*症中识别的模块是否也可以在共有模块中识别，随后作者探索了肺炎组特异性和共有模块的对应关系(图4)。结果表明，大多数肺炎特定的模块都有一个一致的对应模块(图4)。共识分析中的黑色模块对应于肺炎特异性集合分析中的红色模块。
Fig.1一致性加权基因共显性网络分析
Fig.2跨模块的基因差异表达分析(脓*症和健康对照)
Fig.3共有特征基因网络的概要图
Fig.4特定模块和共识模块的对应关系
3.共识模块与外部临床特征的联系
作者通过Pearson’s相关分析探讨了模块特征基因与临床性状之间的相关性(图5)，结果表明黑色模块与死亡率显著相关(系数=-0.16；p0.)。作者还发现浅*色模块与死亡率正相关(系数=0.14；p0.)。黑色模块与存活时间正相关(系数=0.16；p0.)。
Fig.5共识模块之间的关系
4.模块的功能富集
因为黑色模块与样品死亡率的相关性最高，所以作者对黑色模块的基因进行富集分析，基因主要富集的通路是：骨髓白细胞介导的免疫、中性粒细胞介导的免疫、白细胞脱颗粒和参与免疫反应的骨髓细胞活化(图6)。作者同样也对浅*色模块进行富集分析，淡*色模块主要富集在转录、含核碱基化合物分解代谢过程、杂环分解代谢过程和细胞氮化合物分解代谢过程(图7)
Fig.6黑色模块的GO富集分析
Fig.7浅*色模块的GO富集分析
5.关键转录因子的募集
WGCNA模块由共表达的基因组成，这些基因受转录因子等常见机制的调节。因此，作者使用RcisTarget包对模块基因的转录因子进行了募集。结果表明，转录因子CEBBB是黑色模块的主要调节因子，注释是dbcorrdb__CEBPB__ENCSRBQI_1__m1黑色模块中共有93个基因在该基序中得到富集（图8），标准化富集分数(NES)为5.53，这个基序被直接注释到转录本上，CEBPB因子是调节免疫相关基因表达的重要转录因子。转录因子ETV6是淡*色模块的主要调节因子，注释是taipale__ETV6_full_CCGGAASCGGAAGTN_repr和cisbp__M。淡*色模块中共有12个基因在基序中得到富集。
6.miRNA相互作用的鉴定
在mirtarbase数据库中，作者确定了个miRNA是黑色模块的潜在调节靶点，调节最多基因的前5个miRNA是hsa-miR--5p(n=59)、hsa-miR-26b-5p(n=57)、hsamiR-16-5p(n=44)、hsa-miR-17-5p(n=42)和hsa-miR--3p(n=38)。对于链接最多基因的前5个miRNA是hsa-miR-16-5p(n=14)、hsa-miR-92a-3p(n=12)、hsa-miR26b-5p(n=9)、hsa-miR--3p(n=9)和hsa-let-7b-5p(n=8)。*色模块，我们确定了个microRNA是该模块的潜在调节因子。
Fig.8黑色模块的富集基序
7.生存分析
为了进一步验证黑色模块与死亡率结果相关，作者将高维数据进行非线性降维。结果如图9a所示，分为两个聚类时模型效果最佳。在图9b中，样本被分成两个聚类。所有模块基因的热图显示，两个cluster分离效果较好，这两组与生存结果显著相关（图8d）。
Fig.8黑色模块的生存分析
小结
本研究确定黑色模块与死亡率的关联最为显著。黑色模块的主要调节因子包括转录因子CEBPB，且CEBPB被注释为黑色模块中基因最显著的基序，因此关键调节因子CEBPB可能是通过免疫调节导致患者死亡的重要风险因素。本研究通过RcisTarget包确定关键模块（或一类基因）募集的motif结合域，探讨影响疾病的masterregulators，值得模仿。
生信分析定制服务
请扫描下方
