文献时间
2017
摘要
背景
乳腺癌是一种十分长且而且严重的癌症，世界范围内的女性都收到其伤害。对于乳腺癌，已经有了基因表达的分析，但是基因共表达的分析手段仍然很少。我们尝试确定对乳腺癌有关键作用的模块。
方法
共表达分析通过R平台上的WGCNA模块实现。通过GO和KEGG来对生物过程和通路进行富集分析。
结果
使用136个样本，4000个基因进行过表达网络的构建。鉴定了9个模块。相互作用分析证明模块之间的独立性很强。而且，不同模块之间的邻接度差别很大。在最重要的模块中富集到免疫反应和泛素介导的蛋白水解过程。
结论
我们的结果证明，免疫反应和泛素介导的蛋白水解过程可以作为乳腺癌发生的预后和预测标记，为后续乳腺癌预后和治疗分析提供证据。
引言
乳腺癌是一种常见而且严重的癌症，对女性的身体和心里有巨大的伤害。这个疾病主要影响40至60岁的女性。在女性的绝经的前后更容易感染这种疾病。目前乳腺癌是第二大癌症，仅次于肺癌，这些癌症致死的现象在国内外都十分常见。但是，乳腺癌发生和演化过程中的关键机制十分不清楚。到目前为止，早期确诊仍然是乳腺癌临床治疗的关键手段。因此，在这篇研究中，我们致力于发现乳腺癌发生的分子机制，为后续的研究提供证据。
WGCNA是一种广泛用于芯片数据进行共表达模块分析的方法。而且，它是在R中以一个包的形式实现。在各种生物数据分析中广泛使用，比如癌症，遗传，脑图像数据。它对于鉴定候选生物标志物或者治疗靶标有很大的帮助作用。它不仅可以帮助分析差异性表达的基因，还能分析共表达模块内基因之间的关系。已经报道WGCNA分析用于基因组大小的数据，证明它是一种可靠的分析方法，可以用于乳腺癌分析。本文通过WGCNA鉴定了9个模块（高拓扑重叠）。
KEGG是一个生物信息数据库，用于更好的理解高水平的生物系统功能，比如细胞，器官，系统，在机理性研究中广泛使用。KEGG富集分析显示模块9中富集到的hsa04120（泛素介导的蛋白质水解）途径和乳腺癌有很大关联。我们希望我们的研究对理解生物标记物有帮助作用。
材料和方法
乳腺癌样本芯片数据表达值分析
使用的 GEO数据。删去对应多基因的指针，取平均值。通过基因表达差异性分析来确定基因的数目。WGCNA算法评估基因的表达水平。R中的flashClust工具
