探索脑转录组模式：基于空间表达网络的拓扑分析
神经元与认知
2016-10-11 v1 应用统计
摘要
表征人脑的转录组架构是理解脑功能和疾病的基础。近期多项研究利用 Allen 人脑图谱 (AHBA) 项目生成的实验数据，探究了覆盖整个人脑广泛解剖区域的脑基因表达模式。本文提出一种新的基因转录活动表示方法，该方法明确捕捉了跨不同脑解剖区域的空间共表达模式。对于每个基因，我们定义一个空间表达网络 (SEN)，该网络量化多个解剖位置之间的共表达模式。随后采用网络相似性度量来量化成对 SEN 之间的拓扑相似性，并识别自然出现的聚类。利用网络理论度量，检测到三个具有不同拓扑特性的大型聚类。我们进而通过基因本体分析评估 SEN 的拓扑多样性是否反映了生物学功能的显著差异。我们报告的证据表明，三个 SEN 聚类之一由专门参与神经系统的基因组成，包括与脑疾病相关的基因，而其余两个聚类则代表免疫、转录和翻译过程。这些发现与先前研究一致，表明脑基因聚类通常与这三种主要生物学过程之一相关。
引用
@article{arxiv.1610.02548,
title = {Exploring brain transcriptomic patterns: a topological analysis using spatial expression networks},
author = {Zhana Kuncheva and Michelle L. Krishnan and Giovanni Montana},
journal= {arXiv preprint arXiv:1610.02548},
year = {2016}
}
备注
8 pages, 4 figures, 2 tables, conference