RNA 17. SCI 文章中的筛选 Hub 基因 (Hub genes)

最新推荐文章于 2024-06-14 10:18:26 发布
最新推荐文章于 2024-06-14 10:18:26 发布
阅读量8k 收藏 49
点赞数 4
分类专栏： RNA数据分析 文章标签： 数据挖掘 数据分析 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41368414/article/details/123941140
版权

图片

关注公众号，桓峰基因

这期继续补充一下转录组高级分析内容之一的筛选Hub基因，这个模块在 SCI 文章中也是经常出现，并且很多文章也是直接作为文章的两点来分析的，现在就介绍一下这部分的内容该怎么分析？

前言

我们在分析 WGCNA 之后获得了几个基因模块，但是发现基因仍然很多，需要进一步筛选基因与表型相关的基因，那么今天就介绍一下 Hub 基因，那么什么是 Hub Genes呢？在这样的网络中，高度连接的基因被称为枢纽基因，有望在理解应激/条件下反应的生物学机制中发挥重要作用。信息基因的选择是基因表达研究中的一个重要问题。由于样本量小，基因表达数据中的基因数量多，使得选择过程复杂。此外，所选的信息基因可能作为基因共表达网络分析的重要输入。此外，基因共表达网络中枢纽基因和模块相互作用的识别还有待进一步研究。本文提出了一种基于支持向量机算法从高维基因表达数据中选择信息丰富的基因的方法。此外，还试图开发一种统计方法来识别基因共表达网络中的枢纽基因。此外，在病例与对照研究中，还提出了一种基于基因连接性的差异枢纽基因分析方法。

图片

实例解读

hub基因，是degree高的gene，在基因表达网络中有高的连接度degree，不涉及betweeness等。并且hub基因的筛选有很大的人为因素，到底是取前5%还是10%没有具体要求，一般建议5%。也就是说这是一个很宽松的设定。

基于这个建议的方法，一个R包，即dhga已经开发出来了。在三种不同的作物微阵列数据集上，比较了所提出的基因选择技术和hub基因识别方法的性能。在选择稳健信息基因集方面，所提出的基因选择技术优于现有的大多数技术。与现有的hub基因识别方法相比，该方法识别出的hub基因数量较少，符合真实网络的无标度原则。本研究报道了拟南芥的一些关键基因及其同源基因，可用于大豆铝毒胁迫响应工程。通过对多个关键基因的功能分析，揭示了大豆铝毒胁迫响应的分子机制。

https://cran.r-project.org/web/packages/dhga

1. 数据读取

我们的例子使用的是结直肠癌与正常组织差异分析获得的结果，先看下数据情况，然后将肿瘤样本和正常样本分开，如下：

Group <- read.table("DEG-group.xls", header = T, check.names = F)
NT <- Group[Group$Group %in% "NT", ]$Sample
TP <- Group[Group$Group %in% "TP", ]$Sample
DEG <- read.table("DEG-resdata.xls", header = T, check.names = F, row.names = 1)
exp <- DEG[, 7:ncol(DEG)]
NTmatrix <- exp[, colnames(exp) %in% NT]
TPmatrix <- exp[, colnames(exp) %in% TP]
head(NTmatrix[, 1:2])
##                 TCGA-A6-2671-11A-01R-A32Z-07 TCGA-A6-2675-11A-01R-1723-07
## ENSG00000142959                         8177                         2165
## ENSG00000163815                         2863                         3403
## ENSG00000107611                           29                           67
## ENSG00000162461                          862                          155
## ENSG00000163959                          882                          473
## ENSG00000144410                            3                           10

2. 软件安装

if (!require(dhga)) {
    install.packages("dhga")
}
if (!require(WGCNA)) {
    BiocManager::install("WGCNA")
}
library(WGCNA)
library(dhga)

3. Hub 基因筛选

1. WeightedGeneScore{dhga}

该函数使用软阈值参数计算邻接矩阵来构建一个基因共表达网络

beta = 6
threshold = 0.4
adj <- Adjacency(NTmatrix, 6, 0.7)
head(adj$EdgeList)
##            Node_i          Node_j                Source
## 1 ENSG00000107611 ENSG00000144410 Predicted Interaction
## 2 ENSG00000107611 ENSG00000257335 Predicted Interaction
## 3 ENSG00000144410 ENSG00000257335 Predicted Interaction
## 4 ENSG00000107611 ENSG00000118137 Predicted Interaction
## 5 ENSG00000144410 ENSG00000118137 Predicted Interaction
## 6 ENSG00000257335 ENSG00000118137 Predicted Interaction

基因共表达网络中基因的差异Hub状态

diffhub <- DiffHub(TPmatrix, NTmatrix, 18, 18, 80, 6, alpha = 1e-04, plot = TRUE)

图片

head(diffhub)
##             Genes           pval_stres         pval_control
## 1 ENSG00000142959    0.570427490350264 5.86237432061609e-14
## 2 ENSG00000163815 7.54955354865796e-14 1.71220007840703e-07
## 3 ENSG00000107611 8.97877318402061e-15 5.86237432061609e-14
## 4 ENSG00000162461  8.4775260388662e-07 1.81877856225649e-14
## 5 ENSG00000163959 4.81763836844215e-08 1.62783799349465e-14
## 6 ENSG00000144410 6.66875387120388e-07 1.91298989956118e-13
##              HubStatus
## 1 Unique Hub to Normal
## 2     Housekeeping Hub
## 3     Housekeeping Hub
## 4     Housekeeping Hub
## 5     Housekeeping Hub
## 6     Housekeeping Hub

基于基因连接显著性值的基因共表达网络中Hub基因的识别

x = as.data.frame(TPmatrix)
beta = 6
m = 18
s = 80
n = 20
hub.pval <- hub.pval.cutoff(x, beta, m, s, n)

基于加权基因得分的基因共表达网络中Hub基因的识别,如下：

hub.wgs(TPmatrix, beta = 6, n = 20)
##  [1] "ENSG00000279544" "ENSG00000257279" "ENSG00000233783" "ENSG00000269821"
##  [5] "ENSG00000228663" "ENSG00000264546" "ENSG00000235522" "ENSG00000214188"
##  [9] "ENSG00000280392" "ENSG00000274554" "ENSG00000188451" "ENSG00000243053"
## [13] "ENSG00000223528" "ENSG00000280069" "ENSG00000183562" "ENSG00000272219"
## [17] "ENSG00000260034" "ENSG00000260558" "ENSG00000248483" "ENSG00000280269"
## attr(,"class")
## [1] "Hub Genes"

基因共表达网络中基因连接显著值的计算(pvalue.hub),然后绘制Venn图，如下：

pval.stres <- pvalue.hub(TPmatrix, beta = 6, m = 18, s = 80, plot = FALSE)
pvalue.stress <- pval.stres[, 2]
pval.control <- pvalue.hub(NTmatrix, beta = 6, m = 18, s = 80, plot = FALSE)
pvalue.control <- pval.control[, 2]

HubPlot(pvalue.stress, pvalue.control, alpha = 1e-04)

图片

基因在基因共表达网络中的Hub状态，如下：

pval.stres <- pvalue.hub(TPmatrix, beta = 6, m = 18, s = 80, plot = FALSE)
p1 <- pval.stres[, 2]
pval.control <- pvalue.hub(NTmatrix, beta = 6, m = 18, s = 80, plot = FALSE)
p2 <- pval.control[, 2]
hs <- HubStatus(p1, p2, alpha = 1e-04)
head(hs$hub.status)
## $hub.status
##                Genes           Hub Status
## 1    ENSG00000142959 Unique Hub to Normal
## 2    ENSG00000163815     Housekeeping Hub
## 3    ENSG00000107611     Housekeeping Hub
## 4    ENSG00000162461 Unique Hub to Normal
## 5    ENSG00000163959     Housekeeping Hub
## 6    ENSG00000144410 Unique Hub to Normal
## 7    ENSG00000118777 Unique Hub to Normal
## 8    ENSG00000040199     Housekeeping Hub
## 9    ENSG00000120498 Unique Hub to Normal
## 10   ENSG00000036672 Unique Hub to Normal
## 11   ENSG00000169764     Housekeeping Hub
## $out1
## 
##     Housekeeping Hub              Not Hub Unique Hub to Normal 
##                 1446                  757                 1086 
## Unique Hub to Stress 
##                  839

基因共表达网络中基因加权得分的计算(WeightedGeneScore)

wgs <- WeightedGeneScore(NTmatrix, beta, plot = TRUE)

图片

head(wgs)
##                        WGS
## ENSG00000142959  12.922278
## ENSG00000163815   5.692585
## ENSG00000107611 142.975596
## ENSG00000162461  54.616474
## ENSG00000163959  15.600301
## ENSG00000144410 142.944902
2. intramodularconnectivity{WGCNA}

关键模块和hub基因筛选，在流程中并不可知模块划分好后如何找到key module

  1. 由WGCNA得到的module都进行GO或KEGG，甚至TF，miRNA等的富集分析，找出所研究性状相关通路相关性最强的module，深入进行研究;

  2. 看自己感兴趣的gene位于哪个模块，进而去查看;

  3. 模块与性状的相关性，这个流程中说了，相关性越强，越值得研究。

我们可以通过如下方式获得：

  1. High intramodular k within the module(KIM)

  2. High module membership (KMM,表达值与ME高相关)

这个用的相对多，因为容易计算，有p值，可跨module比较。这个只能作为继续研究的指导，因为很多gene有非常相似的kME,都可以认为hub gene，还是需要借助外部信息，经验等。ranking应该作为一个粗略建议，所以相似的ranking应看做等价。Top ranked gene应该使用已有的先验知识进行过滤，假如对某个gene感兴趣，不要在乎它是第1还是第3。

  1. mdoule membership(MM)

最后模块的选择方式，如下：

MM = as.data.frame(cor(datExp, MEs, use = "p"))

对于模块内部的选择方式，如下：

KIM = intramodularconnectivity(adjacency, moduleColors, scaleByMax = TRUE)

文章解读

我们发现好多文章直接就是识别 Hub基因为最终目标而直接发表文章，说明这部分的分析同样也是 SCI 文章中一个热点模块，经过咱们的介绍之后就可以自己动手做起来了。Hub 基因其实就是转录组做完差异分析之后，获得的基因有非常多，我们可以进一步筛选，可以通过WGCNA的方式找到显著模块，进而在显著模块做找到Hub基因，这样就可以缩小范围，进行后续的分析，少量的基因又可以方便后续的实验室验证，增加可行度，达到文章的完整性。

图片

我们可以看下这篇文章的分析流程，都包括哪些数据以及做了哪些分析？

图片

首先是数据库选择：

a. 10个GEO数据集

b. 1个TCGA数据集

分析方法都是常规基于RNA的分析套路：

a. RRA差异分析

b. GO 富集分析

c. KEGG富集分析

d. WGCNA 分析

e. 通过GS 和 MM 过滤基因

f. GSEA 基因集富集分析

g. GSVA 基因集变异分析

h. 免疫浸润分析

i. 生存分析

j. 结合甲基化数据联合分析hub基因

最后结合临床信息得出一定的结论就完成这篇文章了，在这篇文章里的分析方法基本都涵盖了，小伙伴们可以对应着进入公众号的文章，对照着做了！

References:

  1. Yu H, Kim PM, Sprecher E, Trifonov V, Gerstein M (2007) The Importance of Bottlenecks in Protein Networks: Correlation with Gene Essentiality and Expression Dynamics. PLoS Comput Biol 3(4): e59.

  2. Song ZY, Chao F, Zhuo Z, Ma Z, Li W, Chen G. Identification of hub genes in prostate cancer using robust rank aggregation and weighted gene co-expression network analysis. Aging (Albany NY). 2019;11(13):4736-4756.

  3. Wang J, Chen L, Wang Y, Zhang J, Liang Y, Xu D (2013) A Computational systems biology study for understanding salt tolerance mechanism in Rice. PLoS one 8(6): e64929.

桓峰基因
关注
  • 4
    点赞
  • 踩
  • 49
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
4+ 非常经典的hub基因鉴定路线
yiqishengxin的博客
11-02 1358
原文公众号：一起实验网 对下述分析方法感兴趣或者没有研究思路的小伙伴，欢迎踊跃探讨！ 分享一篇2022年9月发表在Front Physiol（IF：4.755）的文章《Identification of hub genes associated with acute kidney injury induced by renal ischemia-reperfusion injury in mice》（PMID: 36246123），作者通过对基因表达数据的综合分析，为缺血再灌注损伤-急性肾损伤的发病机制提供
用r写一个wgcna筛选hub gene的代码
weixin_42587866的博客
02-19 274
我不是很清楚你在问的是什么，但是我可以尝试给你一些参考：可以使用R语言的WGCNA(Weighted Correlation Network Analysis)包来筛选模块的hub gene，可以参考下面的代码：#Load the WGCNA package library(WGCNA)#Load the gene expression dataset data <- read.csv("g...
如何筛选基因——Hub gene 识别方法
qq_36711935的博客
12-02 3759
如何从众多差异表达基因中找到后续用于实验分析的基因呢？ 这里介绍Hub GENE，一种广泛使用且非常容易出阳性结果的方法！
IF：4+ 鉴定与股骨头坏死软骨氧化应激相关的Hub基因和通路
weixin_41368414的博客
04-18 1350
IF：4+ 鉴定与股骨头坏死软骨氧化应激相关的Hub基因和通路
2018年SCI论文--整合GEO数据挖掘完整复现 八 ：STRING数据库构建蛋白质相互作用网络（PPI），cytoscape软件筛选hub基因
热门推荐
bioprogrammer
08-18 3万+
文章目录论文地址STRING数据库PPI网络构建输入差异基因listPPI图保存结果cytoscape软件筛选hub基因、功能模块输入“string_interactions”文件用cytohHubba插件，筛选top10 Hub基因用MCODE插件，筛选功能模块 论文地址 STRING数据库 PPI网络构建 输入差异基因list 进入网页，左侧选择“Multiple proteins”,输入所有...
2022.04.14【读书笔记】|WGCNA分析原理和数据挖掘技巧
04-14 3864
WGCNA，全称weighted gene co-expression network analysis，即权重基因共表达网络分析。自2005年B Zhang, S Horvath等提出，在疾病以及其他性状与基因关联分析等方面的研究中被广泛应用。
WGCNA：概念初探
weixin_59289660的博客
07-31 4403
基本分析流程简介即加权基因共表达网络分析，可将表达模式相似的基因进行聚类（共表达基因），并分析模块与特定性状或表型之间的关联关系。WGCNA促进了基于网络的基因筛选方法，可用于识别候选生物标志物或治疗靶标，等方面的研究中被广泛应用。在RNA-seq数据中的应用相关术语补充1、应用WGCNA分析的数据应当2、WGCNA分析对计算机的要求较高，4G内存电脑可处理8000-10000个基因数量，16G内存电脑可以处理2万个，32G内存电脑可以处理3万个3、如果表型为。.......................
fusioncatcher:RNA序列数据中的体细胞融合基因查找器
05-25
RNA-seq数据中的体细胞融合基因查找器。 下载/安装/更新/升级 使用此单行命令： wget http://sf.net/projects/fusioncatcher/files/bootstrap.py -O bootstrap.py && python bootstrap.py -t --download 如果要...
squid:SQUID从RNA-seq数据中检测融合基因和非融合基因的结构变异
05-07
{：height =“ 50％” width =“ 50％”}概述SQUID旨在检测RNA-seq比对中融合基因和非融合基因的转录组结构变异。 SQUID论文发表在。 要重现将SQUID应用于模拟数据和先前研究的细胞系的结果，请遵循的说明安装预编译...
gfip_selekcja.rar_genes_genes selection
07-14
Algorithm selection genes
saturation-rollover-effect.zip_genes
09-24
Saturación deImágenes en Silverlight.
clustifyr:使用大量RNA-seq或基因集推断scRNA-seq数据中的细胞类型
04-08
集群化器 clustifyr使用参考大量RNA-seq数据集，分类的微阵列表达数据，单细胞基因签名或标记基因列表对单细胞RNA测序实验中的细胞和簇进行分类。 如果不了解基础生物学，则难以注释单细胞转录组。 即使掌握了这些...
WGCNA：（加权共表达网络分析）
bioprogrammer
10-09 2万+
文章目录1 介绍2 名词解释Co-expression networkModuleConnectivityIntramodular connectivity $k_{IM}$Module eigengene EEigengene significanceModule Membership $k_{ME}$Hub geneGene significance GSModule significance3 流...
WGCNA如何从module中挖掘关键基因
庐州月光的博客
11-06 1万+
欢迎关注微信公众号《生信修炼手册》! 识别到与表型数据相关的modules之后，还可以在该modules中进一步筛选基因，为了方便筛选，对于每个基因定义了以下三个统计量 1. connectivity 连接度，在之前的文章中，简单提过这个概念，类似于网络中节点的degree的概念，只不过在加权共表达网络中，由于每条边代表两个基因间的相关性的大小，对应一个数值，所以一个基因在共表达网络中的连接度定...
生物网络角度分析关键基因
u010270891的博客
04-26 1851
一、相关概念 1、差异表达基因，是两个group之间有统计学差异的gene，以芯片为例的话，几万个探针里可能差异的就1000个左右（当然根据设定阈值差异很大） 2、hub基因，和网络中的hub节点一样，是degree高的gene，在基因表达网络中有高的连接度degree，不涉及betweeness等。并且hub基因的筛选有很大的人为因素，到底是取前5%还是10%没有具体要求，一般建议5%。也就...
基因共表达网络分析java,WGCNA:加权基因共表达网络分析
weixin_29231027的博客
03-12 2373
加权基因表达网络分析(Weighted gene co-expression network analysis, WGCNA)，又叫权重基因共表达网络分析，其根本思想是根据基因表达模式的不同，挖掘出相似表达模式的基因，定义为模块(module)的一种算法。具有相似表达模式的基因很可能是紧密共调控的，功能紧密相关的或同一条信号通路或过程的成员，有其特定的生理意义。芯片原始数据由R语言预处理后，得到基...
Cytoscape: MCODE增强包的网络模块化分析
刘永鑫的博客——宏基因组公众号
11-29 7867
之前的教程提供了Cytoscape基础和视频、R igraph包的网络构建方法，那么在我们得到network图之后，还可以进行深一步分析，今天给大家带来基于Cytoscape软件下MCO...
单基因gsea_这篇3+分核心基因筛选，点个在看，我们复现这篇文章！
weixin_39542710的博客
11-21 2316
今天和大家分享的是2019年11月发表在Frontiers in Genetics(IF：3.517)上的一篇文章，“Identifying Key Genes and Functionally Enriched Pathways in Sjögren’s Syndrome by Weighted Gene Co-Expression Network Analysis”，作者使用GEO数...
大数据数据挖掘系统可视化设计艺术
最新发布
jy739761380的专栏
06-14 261
算子是定义的是一个操作，我们可以通过自定义算子来覆盖我们的所有业务。同时算子也可以通过系统配置进行修改。
用细胞景观做网络分析，并找出hub基因做富集分析，R代码
06-11
好的，以下是一些用R语言进行细胞景观网络分析、hub基因筛选和富集分析的常用代码。 首先，您需要准备您的数据，可以是基因表达数据或蛋白质相互作用数据。这里以基因表达数据为例，假设您已经用了一个基因芯片或RNA测序技术得到了一组基因表达数据，保存在一个名为“gene_expression.csv”的文件中。文件中应该包含每个基因的表达水平数据，以及它们的基因名，如下所示： ``` Gene_ID,Expression Gene1,1.2 Gene2,3.4 Gene3,0.9 ... ``` 然后，您需要加载一些R语言的网络分析包，例如igraph包和WGCNA包。请注意，这些包需要在您的计算机上安装，您可以使用以下代码来安装它们： ``` r install.packages("igraph") install.packages("WGCNA") ``` 安装完成后，您可以使用以下代码来加载这些包： ``` r library(igraph) library(WGCNA) ``` 接下来，您需要读取基因表达数据，创建一个基因共表达网络。您可以使用WGCNA包中的函数来完成这个任务。以下是一个示例代码： ``` r # 读取基因表达数据 expr_data <- read.csv("gene_expression.csv", header = TRUE, row.names = 1) # 转换数据格式 expr_matrix <- as.matrix(expr_data) # 创建基因共表达网络 net <- blockwiseModules(expr_matrix, power = 6, TOMType = "signed", corType = "pearson", networkType = "signed", mergeCutHeight = 0.25, deepSplit = 2, pamRespectsDendro = FALSE, minModuleSize = 30) ``` 在这个示例代码中，我们使用了WGCNA包中的blockwiseModules函数来创建基因共表达网络。在这个函数中，power参数用于指定网络的幂次，TOMType参数用于指定网络类型，corType参数用于指定相关系数类型，mergeCutHeight参数用于指定模块合并高度，deepSplit参数用于指定模块分裂深度，pamRespectsDendro参数用于指定PAM算法是否考虑树形图结构，minModuleSize参数用于指定最小模块大小。 接下来，您可以使用igraph包中的函数来计算网络中每个节点的中心性指标，并找到具有最高中心性的节点，即hub基因。以下是一个示例代码： ``` r # 计算网络中每个节点的中心性指标 centrality <- centralization.degree(net$TOM) # 找到具有最高中心性的节点 hub_genes <- names(sort(centrality, decreasing = TRUE))[1:10] ``` 在这个示例代码中，我们使用了igraph包中的centralization.degree函数来计算网络中每个节点的度中心性指标，并使用sort函数和decreasing参数来找到具有最高中心性的前10个节点。 最后，您可以使用一些富集分析工具来对hub基因进行功能注释和生物学通路分析。一些常用的富集分析工具包括clusterProfiler、enrichR和g:Profiler等。以下是一个示例代码： ``` r # 使用clusterProfiler包进行基因本体论富集分析 library(clusterProfiler) gene_list <- hub_genes ego <- enrichGO(gene = gene_list, OrgDb = "org.Hs.eg.db", ont = "BP", pvalueCutoff = 0.05, qvalueCutoff = 0.1) ``` 在这个示例代码中，我们使用了clusterProfiler包中的enrichGO函数来进行基因本体论富集分析。在这个函数中，gene参数用于指定待分析的基因列表，OrgDb参数用于指定参考基因组数据库，ont参数用于指定富集分析的本体论类型，pvalueCutoff和qvalueCutoff参数用于指定显著性水平。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值