基于系统生物学方法的2型糖尿病遗传易感标志物的挖掘

作者：郑启文; 车前子; 陈思; 马雨佳; 周泽宸; 武轶群; 吴涛; 胡永华; 陈大方^*

来源：中国慢性病预防与控制, 2020, 28(02): 101-105.

DOI：10.16386/j.cjpccd.issn.1004-6194.2020.02.005

• 糖尿病,2型
• 系统生物学
• 网络分析

目的利用系统生物学的方法挖掘2型糖尿病遗传易感标志物并阐明关联背后的生物学含义,为后续的疾病精准预测和精准健康管理提供数据支持和保障。方法对来自糖尿病遗传学重复验证和荟萃分析协作组的全基因组关联研究(genome-wide association studies,GWAS)汇总统计量数据进行基因层面的关联分析,并与人类蛋白互作网络整合形成基因网络,使用密集模块搜索的方法对基因网络进行模块划分,使用基因本体富集分析和组织特异性表达分析挖掘模块基因背后的生物学含义。以基因为基础的关联分析使用VEGAS2完成,组织特异性表达分析使用在线工具完成,其余分析在R3.5.0软件包中完成。结果网络分析识别出一组(223个)紧密互作的基因,它们的联合效应与2型糖尿病显著相关。表达谱显示其中部分基因在免疫和神经系统等组织中高表达。基因本体富集分析显示其主要参与了细胞周期停滞、转录调控、胰岛素分泌调节等生物过程。网络拓扑学指标提示,UBC、APP、GRB2、YWHAZ、ESR1、SUMO2、COPS5、SUMO1、CAND1和JUN对网络结构影响较大,可能参与了2型糖尿病发生发展过程中重要的生物学过程。结论在后GWAS时代,运用GWAS与其他组学数据相结合的系统生物学方法,可以辅助识别候选遗传易感标志物,进而助力于2型糖尿病遗传机制的进一步研究。

• 单位
  北京大学; 公共卫生学院