使用 RNA-Seq 对年龄相关性黄斑变性相关基因的稳健聚类分析
基因组学
2026-04-30 v1
摘要
鉴定与疾病相关的基因对于理解疾病机制和开发疗法至关重要。然而，鉴定与疾病相关的单个基因往往需要辅以聚类分析，以理解基因间的关系并识别超越单个基因层面关系的基因模块。基因共表达网络作为一种图论方法被广泛用于基因的聚类分析。在我们的工作中，我们通过推广这样一个框架，即多尺度嵌入基因共表达网络分析（MEGENA），对年龄相关性黄斑变性（AMD）患者和对照组的 RNA-Seq 数据进行了稳健的聚类分析。我们提出了一套精心挑选的模块质量评估指标，以选择合适的基于统计距离或信息论的相似性度量，来代替简单的线性相关，从而表征基因间的相似性。此外，我们设计并实现了一项稳定性测试，以确保在存在噪声的情况下检测到的核心基因的稳健性。最后，我们提出了差异模块特征基因分析，以深入理解每个模块相对于疾病组和对照组的上调和下调，从而全面理解聚类分析。除了检测到受先前发现支持的稳健核心基因和模块外，我们还鉴定了先前未被发现的核心基因，这可能为进一步的生物医学研究提供线索，以理解 AMD 疾病机制并开发新疗法。
引用
@article{arxiv.2604.25986,
title = {Robust Clustering Analysis of Genes Related to Age-related Macular Degeneration using RNA-Seq},
author = {Brayan Gutierrez and Rinki Ratnapriya and Arko Barman},
journal= {arXiv preprint arXiv:2604.25986},
year = {2026}
}