高效发表SCI： 公共数据挖掘|利用GWAS和GEO expression数据揭示心血管疾病和二型糖尿病分子调控网络（第25期）

摘 要

本期要介绍的文章于2017年9月发表在《Plos Genetics》上，主要利用的数据包括GWAS**统计结果，GTEx、ENCODE等SNP相关的调控数据和多种组织基因芯片表达数据**。采用自己团队开发的两个算法（有现成R包，小编测试过，十分好用），揭示心血管疾病（CVD）和二型糖尿病（T2D）共有的分子调控机制。

1背景简介

流行病学研究表明心血管疾病和二型糖尿病具有一定的关联性，但其内部分子机制尚不明确。近年来，GWAS研究分别在二种疾病中找到潜在的易感位点，然而，在SNP水平上二者并没有太多交集。因此，需要整合多组学数据，全方位系统性的探究两种疾病分子调控网络。

临床研究表明CVD和T2D的发病在一些组织中有较高相关性，如脂肪组织，肝组织等。由于某种组织中具有共表达模式的基因集往往具有相似的功能，如果与疾病显著相关的基因富集在这样的共表达集合中，那么就建立起疾病和共表达基因集的关系，再结合具有拓扑结构的分子网络，即可构建疾病相关分子网络。下面，小编简要介绍作者具体是如何操作的。

2鉴定CVD和T2D相关联co-expression modules

研究人员首先探究来自CVD和T2D的GWAS risk variants**是否富集在某些具有一定功能的基因集合内。本文中研究的功能性基因集合是特定组织中具有共表达关系**的基因集合。因此，作者首先收集GEO中与CVD和T2D发病有关组织的转录组数据，并用WGCNA方法构建共表达网络，如表一。

表一：用于构建共表达网络的数据来源

然后，再用自己团队开发的marker set enrichment analysis (MSEA)方法分别对CVD和T2D的GWAS结果进行富集分析。MSEA方法分为两步：首先将基因集合中的基因映射到SNP上，该方法支持多种不同的gene-marker映射方法，如临近位置法，eQTL，ENCODE表观调控等；然后利用permutation算法计算某一基因集合对应的SNP的P值是否显著低于随机取样。

综上，作者分别找到79，54个module显著关联与CVD以及T2D，其中有2个module是两种疾病所共有的，如图一。对共有的module进行功能注释发现基因富集在碳水化合物和糖类代谢分子通路中。

图一：疾病相关共表达网络分布

3构建疾病调控网络，并鉴定核心基因

位于同一共表达网络中的基因在功能上可能具有相关性，但无法得到具有拓扑结构的调控网络，更不能找到连接多个基因的核心基因（key drivers, KD）。作者认为核心基因是在一个局部分子调控网络中，相邻边基因富集在与疾病相关联共表达网络中。基于weighted key driver analysis (wKDA)方法，研究人员利用来自25个CVD和T2D相关组织的GIANT network和Bayesian network寻找核心致病基因。作者首先将上一步中与疾病显著相关的共表达网络中的基因在network中标注出来，然后找出network中连接的基因数量排名前25%的基因，作为潜在的hub genes。一旦找出hub genes，算法就提取出与该基因相连的全部基因作为一个“子网络（subnetworks）”，最后，计算疾病相关基因集是否富集在子网络中，若富集，则该hub gene即可被认为是一个核心基因。通过以上算法，作者一共找到**162个CVD和T2D共有的核心基因。**

4总结

综上所述，作者想到了一个很新颖的idea，把GWAS和co-expression结合起来，完全依赖于网上数据库的资源分析出一个很好的故事。我们再次提醒各位读者，生物大数据的产出已经十分庞大，学习利用这些数据并融入自己的构想，然后分析解决生物学问题将会是以后的关键。

参考文献

Shu L, Chan K H K, Zhang G, et al. Shared genetic regulatory networks for cardiovascular disease and type 2 diabetes in multiple populations of diverse ethnicities in the United States[J]. Plos Genetics, 2017, 13(9):e1007040.