构建衰老相关基因网络模块
验证衰老标志物基因在人类相互作用组中是否形成连通的模块
将2,358个长寿相关基因映射到人类相互作用组,识别每个标志物基因的最大连通分量,并评估其统计显著性。
Network-driven discovery of repurposable drugs targeting hallmarks of aging
该研究主要为计算分析,包括网络模块分析、药物邻近性计算和pAGE验证,虽使用已发表的实验数据但未开展新的湿实验验证。
人类相互作用组网络模型 衰老标志物模块 药物靶标网络
2,358个长寿相关基因映射到人类相互作用组 网络邻近性计算使用6,442种化合物 pAGE指标基于Connectivity Map表达数据 验证使用来自干预测试计划的11种延长寿命和17种未延长寿命药物
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
验证衰老标志物基因在人类相互作用组中是否形成连通的模块
将2,358个长寿相关基因映射到人类相互作用组,识别每个标志物基因的最大连通分量,并评估其统计显著性。
评估药物靶标与标志物模块之间的网络距离
对6,442种化合物,计算每种化合物靶标与每个标志物模块之间的网络邻近性,并排名。
评估药物诱导的表达变化是逆转还是加速年龄相关表达变化
基于Connectivity Map数据,计算每个药物的pAGE值,并评估其统计显著性。
评估SHARP识别延长寿命药物的能力
使用ITP项目中11种延长寿命和17种未延长寿命的药物,以及17种临床试验药物进行验证,计算敏感性和假阳性率。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 蛋白-蛋白相互作用网络构建 | 人类相互作用组 | -- | -- |
| 药物靶标数据库 | DrugBank数据库 | -- | -- |
| 基因表达数据库 | 连通性图谱(CMap) | -- | -- |
| 统计检验 | 雅卡尔指数 | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据搜集与处理 | 从OpenGenes数据库获取2,358个长寿相关基因,并确认其与衰老标志物的关联。 阅读提示:Methods中‘Aging-associated genes and gene expression signatures’部分 |
| 网络构建 | 人类相互作用组包含524,156个PPI,由26个数据库整合而成。 阅读提示:Methods中‘The human interactome’部分 |
| 邻近性计算 | 使用DrugBank中6,442种药物,计算网络邻近性时采用最短路径,统计显著性通过1000次置换检验。 阅读提示:Methods中‘Network-based proximity’部分 |
| pAGE计算 | 使用CMap中MCF7细胞系的药物扰动表达谱,采用最高剂量,pAGE统计显著性通过随机药物特征对照。 阅读提示:Methods中‘pAGE metric’和‘Analysis of gene expression and perturbation parameters’部分 |
| 验证实验设计 | 使用ITP项目中11种延长寿命和17种未延长寿命药物,以及17种临床试验药物,验证SHARP的预测性能。 阅读提示:Results中‘Validation of lifespan-extending drugs in mice from the intervention testing program’和‘Validation using drugs under clinical trials for human longevity’部分 |