Background The welding process releases potentially hazardous gases and fumes, mainly composed of metallic oxides, fluorides and silicates. Long term welding fume (WF) inhalation is a recognized health issue that carries a risk of developing chronic health problems, particularly respiratory system diseases (RSDs). Aside from general airway irritation, WF exposure may drive direct cellular responses in the respiratory system which increase risk of RSD, but these are not well understood.Methods We developed a quantitative framework to identify gene expression effects of WF exposure that may affect RSD development. We analyzed gene expression microarray data from WF-exposed tissues and RSD-affected tissues, including chronic bronchitis (CB), asthma (AS), pulmonary edema (PE), lung cancer (LC) datasets. We built disease-gene (diseasome) association networks and identified dysregulated signaling and ontological pathways, and protein-protein interaction sub-network using neighborhood-based benchmarking and multilayer network topology.Results We observed many genes with altered expression in WF-exposed tissues were also among differentially expressed genes (DEGs) in RSD tissues; for CB, AS, PE and LC there were 34, 27, 50 and 26 genes respectively. DEG analysis, using disease association networks, pathways, ontological analysis and protein-protein interaction sub-network suggest significant links between WF exposure and the development of CB, AS, PE and LC.Conclusions Our network-based analysis and investigation of the genetic links of WFs and RSDs confirm a number of genes and gene products are plausible participants in RSD development. Our results are a significant resource to identify causal influences on the development of RSDs, particularly in the context of WF exposure.

Background: Welding exposes different types of fumes, gases and radiant energy that can be potentially dangerous for unsafe welder's health. Welding fumes (WFs) are a significant problem among all those exposed. WFs are a complex mixture of metallic oxides, silicates and fluorides that may result in different health effects. If a welder inhales such fumes in large quantities over a long period of time, there is a risk of various neurodegenerative disease (NDGD) developments. Methods: We developed quantitative frameworks to identify the genetic relationship of WFs and NDGDs. We analyzed Gene Expression microarray data from WFs exposed tissues and NDGDs including Parkinson's disease (PD), Alzheimer's disease (AD), Lou Gehrig's disease (LGD), Epilepsy disease (ED), Multiple Sclerosis disease (MSD) datasets. We constructed relationship networks and identified dysregulated pathways, ontological pathways and protein-protein interaction sub-network using multilayer network topology and neighborhood-based benchmarking. Results: We observed that WFs shares 18, 16, 13, 19 and 19 differentially expressed genes with PD, AD, LGD, ED and MSD respectively. Gene expression dysregulation along with relationship networks, pathways and ontologic analysis showed that WFs are responsible for the progression of PD, AD, LGD, ED and MSD neurodegenerative diseases. Conclusion: Our developed network-based approach to analysis and investigate the genetic effects of welding fumes on PD, AD, LGD, ED and MSD neurodegenerative diseases could be helpful to understand the causal influences of WF exposure for the progression of the NDGDs.