3+经典非肿瘤生信套路，值得收藏学习！

文章名：Identificationof KIAA0513 and Other Hub Genes Associated With Alzheimer Disease UsingWeighted Gene Coexpression Network Analysis。

本文作者在GEO上检索了阿尔兹海默症（AD）的数据集，并通过WGCNA和PPI得到了AD的核心基因（hub genes）并进行验证。方法简单易学适合模仿。

文章技术路线流程图如下：

结果部分：

Figure 1 为流程图，开门见山，说明文章的思路和数据处理流程。

Figure 2：作者用combat函数整合了GSE122063,GES36980和GSE5281三个数据集后做了差异分析，用Circos圈图展示前100位的差异表达基因（DEGs），圈图比一般使用的火山图和热图更美观精致，且能包含了染色体的位置信息。

Figure 3：常规操作，将figure2中的DEGs做GO和KEGG富集分析，使用clusterprofiler包做了弦图展示富集的前五的通路。

Figure 4：文章的核心部分，WGCNA分析：A图，样本聚类；B图，软阈值筛选；C图动态树剪切，建立模块；D图，合并相似模块；E图，模块与样本临床特征关联性；F图，各模块与AD的关联性。结果表示，绿色模块GS值最高，与AD关联性最强，且为负相关（-0.57），表示该模块中含有AD的抑制基因。

Figure 5：A图，绿色模块中的基因和AD的相关性分析；B图，绿色模块中的基因构建的PPI网络图，其中有黑圈的为hub基因；C-F：绿色模块中的基因的GO和KEGG富集分析

Figure 6：作者挑选了hub基因中没有被报道过与AD有关的基因（AP3B2、GABRD、GPR158、KIAA0513、MAL2）在其他的数据集中进行验证，这5个基因都在AD中低表达，表示是AD的抑制性基因。

Figure 7：使用PCR在动物模型组织上进行验证，同样发现该5个基因在AD疾病模型小鼠的大脑皮质中低表达，与生信分析的趋势一致。

Figure 8 ：图A：随着AD的进展，5个Hub基因表达下调，尤其是AP3B2、KIAA0513和MAL2。图B-C：5个HUB基因与β分泌酶活性和Aβ42水平呈负相关（β分泌酶活性和Aβ42水平在AD进展过程中被证实上调），进一步验证这5个基因是AD的抑制基因。

Figure 9：图A：差异分析，KIAA0513可以区分CN、MCI和AD；图B：ROC曲线，验证KIAA0513可以作为AD诊断标志物；图C：KIAA0513的单基因GSEA分析。

总结：文章通过差异表达分析和WGCNA分析，获得了AD的核心模块。对模块中的基因进行了PPI分析和GO、KEGG富集分析，获得了5个hub基因，并在不同的数据集以及实验动物模型上进行了简单验证，证明了这5个基因都与AD进展负相关，5个基因都是AD的抑制基因。最后再对KIAA0513进行了研究，证明了KIAA0513具有作为AD的诊断标志物的作用，并对其做了单基因的GSEA富集分析。