论文部分内容阅读
目的
利用生物信息学分析颅内动脉瘤（IA）的公共数据库中的表达谱芯片数据，为疾病机制研究提供重要信息。
方法基于数据集（GSE75436）进行加权基因共表达网络分析（WGCNA）构建其基因共表达网络，并识别枢纽基因；同时，使用在线工具DAVID对与IA具有高度相关的模块进行GO功能富集及KEGG通路分析。
结果筛选出三个与IA相关的模块，以及识别了棕色模块中的14个枢纽基因COL3A1、SPARC、CDH11、COL5A1、HOPX、CLEC11A、GALNT10、ADAMTS2、CEMIP、KIAA1755、COL11A1、ZIC2、CDKN2A和LINC00460；GO分析显示棕色模块主要富集在细胞外基质组织、胶原蛋白分解代谢过程、细胞黏附等生物过程；KEGG分析显示棕色模块参与了ECM-受体相互作用、局部粘连、蛋白质消化和吸收、PI3K-Akt信号通路等通路。
结论基于WGCNA，我们识别出了对IA发生发展至关重要的模块与枢纽基因，它们可能成为潜在的生物标志物和（或）治疗靶点。