16、三阴性乳腺癌社区与关键基因推断研究

三阴性乳腺癌社区与关键基因推断研究

1. 研究背景与方法概述

在三阴性乳腺癌的研究中，为了深入了解其分子机制，我们提出了一套识别显著社区和关键基因的框架。该框架主要基于收集到的综合数据集，运用了多个关键步骤和方法。
- 特征选择 ：使用RPCA（Robust Principal Component Analysis）特征选择方法，从综合数据集中挑选出差异表达基因。通过对矩阵每行元素的处理得到评估向量$S_0$，其定义为：
$S_0 = \begin{bmatrix} \sum_{i=1}^{n}|s_{1i}| & \cdots & \sum_{i=1}^{n}|s_{mi}| \end{bmatrix}^T$
对$S_0$的值进行排序并进行曲线拟合，选择拐点值作为差异表达基因的数量。
- 网络构建与社区识别 ：将挑选出的差异表达基因输入到WGCNA（Weighted Gene Co - expression Network Analysis）软件包中，用于构建网络和识别显著社区。
- 拓扑属性分析 ：提出了一种新的拓扑属性NS（Normalized Score），结合了度中心性（DC）、介数中心性（BC）和接近中心性（CC），以更好地识别每个社区中的关键基因。
- 功能分析 ：进行GO（Gene Ontology）富集分析和KEGG（Kyoto Encyclopedia of Genes and Genomes）通路富集分析，以检测可能参与三阴性乳腺癌进展的GO术语和通路。