非肿瘤方向一样可以做数据挖掘

这篇文章的思路：1、对GSE22491进行差异分析，画一下火山图和热图；2、主成分分析；3、富集分析；4、PPI分析

论文题目

Gene expression profiling predicts pathways and genes associated

with Parkinson’s disease

摘要

本研究旨在探讨帕金森病（PD）发展的分子机制，并发现与其相关的潜在途径和基因。 从GEO数据库上下载GSE22491的微阵列数据包含来自PD患者的10个样品和来自健康对照（HC）的8个样品。通过配对t检验鉴定差异表达的基因（DEG）。然后对DEG进行聚类和主成分分析随后是基因本体论（GO）和途径富集分析以及蛋白质 - 蛋白质相互作用（PPI）网络构建。共确定了176个上调的DEG和49个下调的DEG。总共有39个GO术语和72个途径与PD密切相关。神经元系统的途径增加10°，如突触素I（SYN1），谷氨酸受体，离子型，N-甲基-D-天冬氨酸1（GRIN1）和GRIN2D。在PPI网络中，获得了18个中枢基因，例如GRIN2D和圆盘，大（果蝇）同源相关蛋白3（DLGAP3）。神经元系统及其富集的DEGs途径可能在PD进展中起重要作用.SYN1，GRIN1，GRIN2D和DLGAP3等DEG可能成为PD的有希望的候选基因。

内容分析

1、数据下载，差异分析，聚类分析

2、主成分分析

3、GO富集分析

4、Pathway富集分析

5、PPI分析

这文章思路非常清晰，只对一张芯片进行分析，样本量也不大，只有28个样品，10个PD，8个正常，照样发2分多的文章。