文献解读（6）胎盘转录组与孕妇孕前体重指数和新生儿出生体重的共表达分析

作者通过应用WGCNA，确定了与孕妇孕前BMI和新生儿体重相关的胎盘共表达基因模块和枢纽基因，并且研究了这些模块和hub基因是否介导了孕前BMI与新生儿体重之间的关联。这可能为母体和后代代谢健康之间的分子联系提供新的认识。

众所周知，怀孕前的母亲体重指数（BMI）会影响胎儿的生长和新生儿的后代健康，但其中涉及的分子机制仍然未知。那么今天小编为大家带来这篇文章就解释了二者的分子机制，

该文章于今年4月29日发表在Frontiers in Genetics杂志上的一篇文章，影响因子为4.151

分子生物学的最新进展表明，胎盘是胎儿环境的主要调节者。胎盘在营养和废物转移，内分泌，免疫保护和异种生物排毒中起关键作用。尽管胎盘在胎儿生长中起着核心作用，但只有有限的研究评估了产妇体重对人类胎盘转录组的全基因组影响。评估与胎儿生长有关的胎盘转录组谱的研究大多集中在子宫内生长受限，通常在先兆子痫的背景下进行，而将胎盘基因表达与胎儿过度生长联系起来的基因组规模研究却很少。先前的大多数研究都使用单变量差异表达分析方法，通常将有限数量的不良表型与正常表型进行比较。今天介绍的文献是通过加权基因共表达网络分析（WGCNA）来进行胎儿生长有关的胎盘转录组谱的研究，从而提供对生物学过程潜在分子机制的系统理解。

1）样本：该研究纳入了2014年1月至2017年4月期间招募的183对母婴新生儿的子样本。从医院的病历中检索有关胎龄，出生体重，孕前孕妇体重，身高和分娩前体重等变量的信息。孕前BMI的计算方式为：体重（公斤）除以身高（米），分为四组：体重不足，正常体重，超重和肥胖。

2）样本收集和RNA分离：分娩后1小时内收集胎盘组织并从胎儿侧在距脐带约4 cm处收集活检样本。使用miRNeasy mini试剂盒从胎盘组织活检中提取总RNA。然后评估了RNA的数量和纯度以及完整性。

3）微阵列制备，杂交和预处理：按照Agilent one-color Quick-Amp labeling protocol，使用0.2 µg总RNA合成cyanine-3-labeled的cRNA，并与Agilent Whole Human Genome 8 × 60 K微阵列进行杂交。使用R软件内部开发的质量控制对原始数据进行如下预处理：局部背景校正，log2转换和使用arrayQC的分位数归一化。进一步的预处理包括通过K近邻法进行补缺失值。通过使用经验贝叶斯方法（ComBat）对批次效应进行校正。最终保留了14040个基因用于进一步分析。数据可通过 GEO获得，登录号为GSE128381。

4）统计学分析：首先，作者使用单变量模型评估了转录水平与母亲孕前BMI和出生体重的关联。然后在R中使用WGCNA软件包）构建了一个基因共表达网络。并在网络中识别刚兴趣的模块即母亲BMI与出生体重变量显著相关的模块并通过GO和通路的富集分析。最后在感兴趣的模块中识别hub基因。

表1提供了我们研究人群的一般特征（n = 183）。

表1.研究人群的特征（n = 183）。

（1）单变量模型：在评估转录水平与母亲孕前体重指数或出生体重之间关系的模型中，14040个基因中没有一个在Benjamini–Hochberg矫正中保留下来。832个和745个基因的母体体重指数和出生体重的未调整P值分别小于0.05，重叠101个基因。对于所有重叠的基因，其中有75个基因与两个变量相关联而上调，有26个基因与两个变量相关联而下调。

（2）加权基因共表达网络分析：加权基因共表达网络分析确定了17个共表达的基因模块。由不属于任何模块的基因组成的灰色模块包含9个基因。其他模块的大小范围从48到5298个基因。图1显示了模块-特征关联的热图。

图1 .模块特征基因（ME，行）和特征（列）之间的关联

（3）GO和通路富集分析：在暗灰色，深红色和灰色模块中，作者分别发现了7、110和56个富集的GO生物过程和0、22和7个富集的KEGG通路。使用REVIGO删除了冗余的GO terms并通过树形图总结了结果（图2）。

图2.胎盘微阵列模块富集的GO生物学过程的树状图

深灰色模块中的五个非冗余GO生物学过程是对真菌的响应，细胞杀伤，其他生物的形态或生理改变，骨髓细胞分化以及对无机物的响应，但未发现丰富的KEGG途径。暗红色模块中的大多数生物学过程与器官和组织发育有关，其中血管形态发生是最显著富集GO term。 KEGG通路最富集的是血管平滑肌收缩，其他通路涉及信号传导（六个通路），内分泌系统（四个通路），癌症（三个通路）和环境适应性（两个通路）（图3）。

图3.胎盘微阵列模块富集的KEGG通路的树状图

（4）模块内hub基因：作者根据以下标准选择目标模块的Hub基因：| MM | ≥0.8且与至少一个孕妇BMI变量和至少一个出生体重变量显著相关（P <0.05）（表2）。

表2.感兴趣模块的hub基因

（5）灵敏度分析：从分析中排除非欧洲新生儿，妊娠糖尿病母亲和妊娠高血压母亲后，评估了感兴趣的性状与MEs或中枢基因之间的关联。结果显示相关系数仅发生了很小的变化，并且hub基因的关联大多保持显著性。

（6）调解分析：最后，作者测试了确定的模块和基因是否介导了孕前BMI与新生儿出生体重之间的关联。结果显示尽管ME的间接介导作用不显著，但深红色和gray60模块的许多中枢基因均显示出一定的介导证据。对于来自暗红色模块的中枢基因，介导的比例（间接效应/总效应）范围为8.7％至20.2％，对于来自Gray60模块的中枢基因的介导比例为10.3％至17.0％。对以下五个基因观察到显著（P <0.05）介导：FZD4，COL15A1，GPR124，COL6A1和COL1A1