利用整合转录组学和蛋白质组学数据，对自闭症谱系障碍中网络-外围基因模块进行基于网络的优先级排序

本研究通过整合人脑皮层转录组、蛋白质组和单细胞RNA-seq数据，利用STRING和Cytoscape网络分析技术，识别出与自闭症谱系障碍（ASD）相关的突触小泡转运、核-胞质运输等网络边缘基因模块，并发现关键基因ITSN1、NUP133等在不同神经元和胶质细胞中的表达模式。功能富集分析显示SUMOylation、mRNA处理等通路协调参与，支持ASD的系统病理模型。

　　

摘要

自闭症谱系障碍（ASD）是一种具有复杂遗传和分子结构的异质性神经发育疾病。尽管已经鉴定出许多与ASD相关的基因，但基因模块（尤其是网络边缘基因）如何参与ASD相关的生物过程仍不完全清楚。这里的“边缘基因模块”指的是位于分子相互作用网络拓扑边缘的基因，这些基因的非枢纽地位或较低的全局中心性特征表明它们在ASD相关通路中具有功能连接性，而不是指外周组织或血液来源的样本。我们应用了一个综合的计算机模拟框架，结合了来自人类大脑皮层样本的大量转录组学、蛋白质组学和单细胞RNA-seq数据集。使用STRING和Cytoscape进行了基于网络的分析，以识别功能上连贯的基因模块，并根据基于分布的接近中心性指标有意识地优先考虑网络边缘节点。通过Pathway Commons和KEGG进行了功能富集分析，并使用已发布的单细胞转录组数据评估了细胞类型的特异性表达模式。网络分析发现，这些边缘基因模块与突触囊泡运输、核-细胞质运输、RNA监测、纤毛功能、细胞凋亡和脂质代谢相关。关键基因ITSN1、NUP133、UPF3B、IFT88和BIRC5在神经元和胶质细胞群体中表现出一致的网络连接性和不同的表达模式。富集分析突出了SUMO化、mRNA处理和轴突导向通路的协同作用。本研究提出了一个可重复的、用于优先识别与ASD相关的网络边缘基因模块的计算框架，该框架能够生成假设。研究结果支持ASD病理生理学的分布式、系统级模型，并确定了未来实验和转化研究的潜在分子模块。