E5281和 GSE138260数据集,用R语言对数据集进行去批次效应;WGCNA 分析构建共表达网络,筛选与疾 病相关基因模块并绘制基因聚类图和相关性图;以 WGCNA 筛选出的模块基因为对象进行差异表达基因分析, 绘制火山图及热图;对差异表达基因进行 Lasso回归分析,筛选关键基因;对差异表达基因进行京都基因和基 因组数据库(KEGG)和基因本体(GO)富集分析,绘制气泡图。结果 通过 WGCNA 分析获得包含704个基因 的brown模块与疾病高度相关;brown模块差异表达分析得到39个差异表达基因,其中10个下调基因,29个 上调基因;进一步 Lasso回归后筛选出9个关键基因。GO 和 KEGG 富集分析表明,差异表达基因在矿物质元 素的吸收、氧化还原驱动的活性跨膜转运蛋白等方面富集。结论 GEO 数据库初步筛选出潜在的阿尔茨海默 病关键基因,但还需进一步实验验证。 D