基因共表达网络分析图解

简介

随着高通量生物实验技术的快速发展，特别是基因芯片和新一代测序技术的发展，全基因组范围内的基因表达数据呈爆炸式增长，利用网络生物学的方法对高通量基因表达数据进行分析和挖掘已经成为生物信息学重要的研究方向。通过基因共表达网络分析方法，可以将在功能上相关的基因识别为一个模块（module）,通过对模块的进一步的分析，能够实现筛选module的核心基因，关联性状，代谢通路建模，建立基因互作网络等高级分析。Gene co-expression（基因共表达）是一种使用大量基因表达数据构建基因间的相关性，从而挖掘基因功能的一类分析方法。基因共表达网络（GeneCo-expreesion Network）是用来展现基因间相互作用关系的一种手段，是基于基因间表达数据而构建调控网络图。

应用领域

1. 通过基因表达的相似性可分析基因产物可能的相互作用关系，从而了解基因间相互作用脉络及寻找核心基因。
2. 基因功能注释，在生物中，存在于同一个通路的基因在表达值上，会表现出共表达的趋势（co-expression patterns），通过这个特性可以进行基因功能注释。
3. 根据基因的功能，挖掘与疾病发生发展相关的关键节点基因。

基因共表达分析结果图解

1. 圆圈代表基因，直线代表基因之间存在调控关系。圆圈的大小代表degree值，即网络中某一基因与周围基因的关系数量，degree越大，代表与它有相互作用关系的基因越多。
2. 圆圈的颜色是按照k-core进行划分的聚类结果。k-core表示在一个子图中，所有的点至少连接着k个点，其用以评估基因在网络位置的中心程度，值越大表示degree越大且越中心。
3. 相同大小的k-core体现的是基因之间的相似性及功能相关性。图中右上角k-core最高为11的灰色基因在络图图中就是处于核心地位的基因群。

参考文献

Feng C, et al. Genes related to the very early stage of ConA-induced fulminant hepatitis: a gene-chip-based study in a mouse model[J]. Bmc Genomics, 2010, 11(1):240.