基于表观基因组学数据分析阿尔茨海默病中差异基因表达的研究

摘要

目的 利用表观基因组学数据探究阿尔茨海默病(Alzheimer’s disease, AD)中差异基因的表达。方法 从GEO(gene expression omnibus, GEO)数据库中下载mRNA表达微阵列数据集GSE1297和GSE4757,以及DNA甲基化450 K芯片数据集GSE125895,利用Bioconductor包进行数据预处理，使用R中的limma包筛选出差异表达基因(differentially expressed genes, DEGs)和差异甲基化基因(differentially methylated genes, DMGs)。利用jvenn在线软件从DEGs和DMGs中识别重叠基因，对DEGs和DMGs进行基因本体论(gene ontology, GO)和京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes, KEGG)富集分析。利用数据库BioGRID和Reactome构建DEGs和DMGs的蛋白质互作网络。利用受试者工作(receiver operating characteristic, ROC)曲线验证DEGs和DMGs的诊断效能。结果 通过对数据集GSE4757和GSE1297的DEGs取交集得到178个关键的DEGs,在DNA甲基化芯片数据集GSE125895中识别出59个DMGs;通过对DEGs和DMGs的重叠得到17个低甲基化高表达的基因主要富集在干扰素γ信号通路和白细胞激活的调节通路上；利用统计学分析及绘制ROC曲线，最终筛选出5个低甲基化高表达的基因HLA-DPB1、MYT1L、PARP12、REPIN1、CHL1对AD的诊断效能更高。结论 AD中表观遗传修饰的异常改变影响了基因的表达，其中低甲基化高表达的基因HLA-DPB1、MYT1L、PARP12、REPIN1、CHL1可能与AD的发病相关，干扰素γ信号通路可能参与AD的发病机制。

关键词

阿尔茨海默病 / DNA甲基化 / 基因表达 / 发病机制