1 生 物 通 路 分 析 应 用 i-Gsea４GwasV２ （http：／／gsea４gwas-v２ ．psych．ac．cn／） 软 件 和 Reactome（http： ／／www ． reactome． org／）中的生物通 路数据对低BW 的 GWAS 结果进行分析 ，选出 P＜ ０.０５ ， FDR（falsediscovergrate）＜ ０ ． ２５ 的生物通路纳 入后续ADHD的GWAS结果分析 ，并再次选出 P＜ ０ ． ０５ ， FDR＜ ０ ． ２５ 的生物通路纳入后续的网络分析。
2 蛋白交互网络及亚网络模块 为了探究共有 生物通路中基因间的功能交互网络以及对高交互网络 中 的 基 因 进 行 聚 类 ，采 用 Cytoscape （http：／／ cytoscape． org／）中ReactomeFI插件构建蛋白交互网 络并 进 行 聚 类 ，得 到 亚 网 络 模 块 （subnetwork module）。 应用Cytoscape中Centiscape２ ． ０ 插件计算 degree和betweenness来探究蛋白交互网络的核心节 点（基因）。 本研究也应用了 DAPPLE （http：／／ dapple．broadinstitute ．org／mpg／dapple／dappleTMP ． php）分析工具对共有生物通路中的基因网络连接参数 与期望的网络连接大小及度的分布进行比较 ，来证实 构建的网络的可靠性 。
·５４８·中 华医学遗传学杂志 ２０１７ 年 １２ 月第 ３４ 卷第 ６ 期 ChinJMedGenet ，December ２０１７ ，Vol ．３４ ，No ．５
万方数据
3 构建基因共表达网络 为了探究共有生物通 路中基因间的共表达图谱 ，应用 BrainSpan（http：／／ www ． brainspan ． org／）数据中每个基因在特定脑区的 RNA测序表达值去构建基因间的共表达网络。 分析 中纳入了 １５ 个脑区进行网络构建分析 ，其中包含初级 听觉皮层、初级运动皮层、初级躯体感觉皮层、初级视 皮层、背外侧前额叶皮层、前扣带皮层、眶额叶皮层 、腹 前额叶皮层、前外侧颞叶皮层 、后（尾）颞皮层、后下 （腹）顶叶 、海马、纹状体、丘脑和杏仁核。 至少一个脑 区基因的 RPKM（readsperkilobasemillion）值为 １ ， 并且在同一时间点上至少有 ８０％ 的受试者数据可被 使用 。 应用 WGCNA 分析软件构建基因共表达网 络［９］ 。
4 GeneOntology（GO）富集分析 GO 富集包 含３ 个分支 ：生物过程（biologicalprocess）、分子功能 （molecular function） 以 及 细 胞 组 分 （cellular component） ，本 研 究 主 要 关 注 生 物 过 程。 应 用 ReactomeFI插件自带的GO富集功能对亚网络模块 中的基因进行分析 ，同时采用DAVID（https：／／david． ncifcrf ． gov／）软件对共表达模块中的基因进行富集分 析。 为了探究亚网络模块是否在特定细胞类型或脑区 富集 ，应用了cellspecificexpressionanalysis （CSEA） （http： ／／genetics ．wustl ． edu／jdlab／csea-tool-２／）分析 工具 ，并对结果进行Benjamini-Hochberg（BH）（P＜ ０ ． ０５）校正 。