Network Community Detection and Novelty Scoring Reveal Underexplored Hub Genes in Rheumatoid Arthritis
Neda Amirirad and Hiroki Sayama
理解复杂生物网络的模块化结构和核心元素对于揭示疾病中的系统级机制至关重要。本研究利用风湿性关节炎（RA）滑膜组织的bulk RNA-seq数据，通过成对相关性和渗流引导的阈值策略构建了加权基因共表达网络。使用Louvain和Leiden算法进行社区检测揭示了稳健的模块，节点强度排名识别了全局和社区内的前50个枢纽基因。为评估新颖性，我们整合了全基因组关联研究（GWAS）和基于PubMed的文献证据，突出了五个具有高中心性但先前与RA特异性关联很少或没有的基因。功能富集分析证实了它们在免疫相关过程中的作用，包括适应性免疫应答和淋巴细胞调节。值得注意的是，这些枢纽基因与T细胞和B细胞标志物显示出强烈的正相关性，与NK细胞标志物呈负相关性，这与RA免疫病理学一致。总体而言，我们的框架展示了基于相关性的网络构建、模块化驱动的聚类和中心性引导的新颖性评分如何共同揭示组学尺度数据中的信息结构。这种可推广的方法为RA和其他自身免疫性疾病中的基因优先排序提供了一条可扩展的路径。
Understanding the modular structure and central elements of complex biological networks is critical for uncovering system-level mechanisms in disease. Here, we constructed weighted gene co-expression networks from bulk RNA-seq data of rheumatoid arthritis (RA) synovial tissue, using pairwise correlation and a percolation-guided thresholding strategy. Community detection with Louvain and Leiden algorithms revealed robust modules, and node-strength ranking identified the top 50 hub genes globally ...