[发明专利]颅内动脉瘤形成和破裂的关键基因的研究方法

权利要求书

1.颅内动脉瘤形成和破裂的关键基因的研究方法，其特征在于：包括以下步骤：

S1、芯片数据获取和芯片数据前处理；

S2、关键基因筛选；

S3、基因功能富集分析和免疫微环境分析。

2.根据权利要求1所述的颅内动脉瘤形成和破裂的关键基因的研究方法，其特征在于：步骤S2包括差异表达基因筛选方法、WGCNA方法、蛋白互作网络分析中的任意一种。

3.根据权利要求2所述的颅内动脉瘤形成和破裂的关键基因的研究方法，其特征在于：所述差异表达基因筛选方法包括采用R语言的limma包进行差异表达基因的筛选，将差异基因筛选的标准设定为P值小于0.05，显著差异基因标准为log2(fold change)1，调整后P0.05，其中fold change为病例组和对照组之间基因表达差异倍数，即病例组和对照组表达值的比。

4.根据权利要求2所述的颅内动脉瘤形成和破裂的关键基因的研究方法，其特征在于：所述WGCNA方法包括以下步骤：

A1、数据前处理：首先对IAs样本进行聚类分析，剔除样本中的离群样本；

A2、一步法构建网络：采用基因的表达谱数据，计算基因与基因之间的相关系数，构建基因共表达相关性矩阵；在此基础上，为了建立基因之间的无尺度网络，通过选择软阈值参数β(加权系数)，使相关性矩阵转换为邻接矩阵，软阈值参数一般要求使R20.8或达到平台期最小的软阈值，即连接节点个数取对数(log(k))和节点出现的概率的对数值(log(p(k)))之间的相关系数大于0.8；将邻接矩阵转换为拓扑重叠矩阵(Topological OverlapMatrix，TOM)，对基因进行模块划分，具有相同功能的基因被划分到一个模块中；

A3、性状相关模块的筛选：将样本表型数据和基因模块特征值进行关联，通过计算皮尔逊相关系数分析基因模块特征值与样本表型性状数据之间的相关系数和P值，并构建基因模块-性状相关性热图，从而进行模块相关性分析并寻找与目标性状相关联的基因模块。

5.根据权利要求1所述的颅内动脉瘤形成和破裂的关键基因的研究方法，其特征在于：所述基因功能富集分析和免疫微环境分析包括基于差异表达基因的GO和KEGG分析、基因集富集分析、免疫微环境分析中的任意一种。

6.根据权利要求5所述的颅内动脉瘤形成和破裂的关键基因的研究方法，其特征在于：所述GO的数据库将基因功能包括细胞组分、生物过程和分子功能，所述KEGG的数据库包括基于信号通路相关数据建立的数据库，所述基于差异表达基因的GO和KEGG分析包括以下步骤：

B1、利用Bioconductor中的R语言包org.Hs.eg.db对基因名进行转换；

B2、将基因名转换为Entrez基因数据库所使用的基因统一编号；

B3、随后采用Bioconductor中的富集分析R语言包clusterProfiler和enrichplot进行GO分析和KEGG分析。

7.根据权利要求5所述的颅内动脉瘤形成和破裂的关键基因的研究方法，其特征在于：所述基因集富集分析的参数设置为：置换检验的次数为1000次，富集的类型为根据样本的表型数据进行富集，富集统计方法为weighted。

8.根据权利要求5所述的颅内动脉瘤形成和破裂的关键基因的研究方法，其特征在于：所述免疫微环境分析作用于IAs组和正常对照组之间以及IAs破裂组和未破裂组之间22种免疫细胞含量的差异。

9.根据权利要求1所述的颅内动脉瘤形成和破裂的关键基因的研究方法，其特征在于：芯片数据获取和芯片数据前处理中的IAs相关数据来源于GEO数据库，数据前处理包括基因表达分布分析、主成分分析，对处理后的芯片数据使用PCA方法判断离群点。