通过加权基因共表达网络分析（WGCNA）识别颅内动脉瘤的关键基因：对免疫微环境和治疗靶点的见解

【导语】颅内动脉瘤（IA）作为一种严重的血管病变，其破裂可引发高致死率及致残率的蛛网膜下腔出血。尽管细胞黏附分子对血管完整性至关重要，但它们在IA发病机制中的具体角色尚不清晰。本研(yán)究(jiū)利(lì)用(yòng)高(gāo)通(tōng)量(liàng)生(shēng)物(wù)信(xìn)息(xi)学(xué)技术，从基因表达数据库中挖掘IA组织与外周血的转录组数据，通过一系列生物信息学分析，旨在揭示IA相关的关键基因及其作用机制。为进一步验证这些发现，研究还采用了定量实时聚合酶链反应技术进行实验验证，为深入理解IA的发病机理及潜在治疗策略提供新线索。

背景

颅内动脉瘤（IA）是一种常见的血管病变，其破裂可导致蛛网膜下腔出血，这种出血通常会造成严重的残疾和较高的死亡率。虽然细胞黏附分子在维持血管完整性方面发挥着重要作用，但它们在颅内动脉瘤发病机制中的具体作用尚未完全明确。高通量生物信息学技术为揭示这些机制提供(gōng)了一种有效的手段。

方法

本研究从基因表达数据库（GEO）中获取了颅内动脉瘤组织和外周血的转录组数据集。通过差异表达分析和加权基因共表达网络分析（WGCNA），研究人员识别了与颅内动脉瘤相关的基因。此外，研究人员还进行了功能富集分析、免疫细胞浸润分析、一致性聚类、竞争性内源RNA（ceRNA）网络构建以及计算机辅助药物预测。为了验证这些基因的表达情况，研究人员采用定量实时聚合酶链反应（qRT-PCR）技术对血管平滑肌细胞进行了实验验证。