Vis enkel innførsel

dc.contributor.advisorAlmaas, Eivind
dc.contributor.advisorVoigt, André
dc.contributor.authorMauroy, Camilla
dc.date.accessioned2021-09-25T16:11:41Z
dc.date.available2021-09-25T16:11:41Z
dc.date.issued2020
dc.identifierno.ntnu:inspera:56743445:5614115
dc.identifier.urihttps://hdl.handle.net/11250/2782592
dc.description.abstractEt viktig mål for systembiology er å identifsere mekanismer som er spesifikke for en gitt biologisk kontekst. Den store økningen av tilgjengelig datasett for genuttrykk har gjort det mulig å studere sammenhengen mellom genutrykk for to gener under ulike forhold. CSD rammeverkt er en nyutviklet metode for å gjøre nettop dette, og den gjør det ved å utføre differensiell koekspresjons analyse. Målet med CSD-metoden er å bevare mest mulig informasjon om koeekspresjons-mønstrene ved å differensiere mellom ulike former for differensiell koeskspresjon; konservert (C), spesifikk (S) og differensiert (D). I dette arbeidet er CSD metoden blitt brukt til å utføre et sammenlignende studie av genuttrykk fra pasienter diagnosert med Lyme borreliose mot en kontrollgruppe for å identifisere mulige forskjeller i sameekspresjonsmønster. Lyme Borreliose er en flåttbåren sykdom forårsaket av bakterien Borrelia Burgdorferi. Bakterien i seg selv er ikke kjent for å forårsake noen skade hos mennesker, men den inititerer biologiske prosesser som betennelse, hvor det meste av vevsskadene ser ut til å komme fra. CSD-metoden greide å identifiserte noen få sykdomsrelaterte gener, samtidig som den identifiserte flere interessante gener som kan ha tilknytning til sykdommen. 21 nettverksnav ble identifisert: GTF3C2, HKDC1, CCDC157, TNNC2, KHK, LOC440434, CD109, S1PR1, PURA, MMAA, ZNF702P, LRCH1, MBD2, TMEM161B-ASI, NAID1, GSDMA, PARP14, ORCW, OR6W, AND6W, Mange av nettverksnavene var, som resten av genene i nettverket, relatert til celledeling, lokalisering og transport av proteiner og immunrespons. Disse genene er gode kandidater for videre analyse. Selv om mye kan læres om nettverkstopologien og sentrale komponenter i nettverket ved å se på nettverket i sin helhet, kan man lære enda mer av å dele opp nettverket i mindre grupper med lignende topologi. I den andre delen av oppgave ble det derfor foreslått et sett med trinn for nettverksanalyse som kunne brukes med CSD-rammeverket. Disse trinnene var som følger; del opp nettverket i mindre grupper ved hjelp av eksisterende algoritmer som gjennkjenner fellestrekk i gruppene. Deretter kan man bergene modularitet for de ulike oppdelingene av nettverket for å bestemme hvilken algoritme som fungerer best. Så kan en genontologi-analyse utføres, og til slutt kan WGCNA brukes på RNA-seq datasettet. Disse trinnene klarte å identifisere flere nye gener som var sentrale i deres grupperinger, og som kunne spille en rolle i sykdomsforløpet til Lyme Borreliose. Louvain-deteksjonsalgoritmen ga partisjonen av høyest kvalitet for dette nettverket, og avslørte åtte grupperinger og tre nye sentrale gener; PSMD13. SAR1A og LBR. Resultatene fra WGCNA-analysen lyktes med å identifisere 159 gener med varierende forskjellig genuttrykk ved de to ulike situasjonene, hvorav disse kan antydes å være involvert i kroppens respons til infeksjon av bakterien. 24 av disse genene var av spesiell interesse, da deres proteiners funksjon kan relaterer til immunrespons, betennelse og forsvar mot bakterier.
dc.description.abstractThe desire to identify mechanisms specific to a given biological context, is a key aim in systems biology. The large increase of available data sets of gene expression have made this possible by studying the shared expression patterns between different genes under different conditions. The CSD framework is a newly developed method for conducting differential co-expression analysis, which aims to preserve more information about co-expression patterns by differentiating between different types; conserved (C), specific (S) and differentiated (D). In this work, the CSD method have been applied to perform a comparative study of gene expression from patients with Lyme disease to healthy controls in order to possible identity different co-expression patterns. Lyme disease (also called Lyme Borreliosis) is a tick-borne illness caused by the bacteria Borrelia Burgdorferi. The bacteria, itself, is not known to cause any harm to humans, but it initiates biological processes such as inflammation, where most of the tissue damage seems to come from. The CSD method successfully singled out a few known disease related genes while also identifying several interesting genes whose functions may relate to the disease. 21 network hubs were identified: GTF3C2, HKDC1, CCDC157, TNNC2, KHK, LOC440434, CD109, S1PR1, PURA, MMAA, ZNF702P, LRCH1, MBD2, TMEM161B-ASI, NAID1, GSDMA, PARP14, OR6WIP, CCDC85C, PLCD4 AND MMP14. Many of the hubs were, like the rest of the genes in the network, related to cell division, localization and transport of proteins and immune response. These genes are great candidates for further analysis. While much can be learned about the network topology and its central components by looking at the network as a whole, more can be learned from partitioning the network into smaller sub-graphs with similar topology. In the second part, a set of steps for network analysis that could accompany the CSD-framework was therefore proposed. These steps were as follows; partition the network into modules using community detection tools. Calculate the modularity score for each of the partitions in order to determine which algorithm that works best for that network. Then a gene ontology analysis can be performed, and finally WGCNA can be applied for the RNA-seq dataset. These steps successfully revealed several new genes that were central in their communities, and that could play a part in the pathogenesis of Lyme disease. The Louvain detection algorithm provided the highest quality partition for this network, and revealed eight modules and three new central genes; PSMD13. SAR1A and LBR. The results from the WGCNA analysis successfully identified 159 differentially expressed genes with a suggestive role upon infection by the bacteria. 24 of these genes were of special interest as their function relate to immune responses, inflammation and defense against bacteria.
dc.language
dc.publisherNTNU
dc.titleA comparative study of gene expression networks associated with Lyme Disease
dc.typeMaster thesis


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel