| 查看: 22638 | 回复: 11 | |||||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | |||||
[交流]
教你如何做基因共表达网络分析 已有7人参与
|
|||||
|
分子生物网络展现了分子之间的相互作用，可较为深入地反映基因间的表达调控关系，在组学机理的研究中尤为重要。 共表达网络分析简单介绍 基因共表达网络分析（Gene Co-expression Network Analysis）作为分子生物网络类型之一，是基于基因间表达数据的相似性而构建的网络图，图中的节点代表基因，具有表相似达谱基因被连接起来形成网络。共表达网络的建设从概念上来讲是简单直观的，通过基因表达的相似性可分析基因产物可能的相互作用关系，从而了解基因间相互作用脉络及寻找核心基因。核心基因是重要的枢纽，在网络模块中器关键性作用。 图1 共表达网络示意图 案例分析 下面以文献为例，来看看如何用共表达网络分析找出关键的节点基因。 Genes related to the very early stage of ConA-induced fulminant hepatitis: a gene-chip-based study in a mouse model 相关基因：ACSL1、MPDZ 相关疾病： Liver Failure 样本：GSE17184 PMID: 20398290 IF：3.867 这篇文章主要研究爆发性肝炎在早期阶段的病理机制，作者在寻找病变过程中起主导作用的基因群及关键基因时，采用ConA 诱导的小鼠肝炎模型，选取了0h,1h，3h，6h四个时间点做表达谱分析，用ANOVA筛选得到了1473个差异表达基因（p<0.05，FDR<0.05）。（差异结果解读见往期推送）为进一步筛选出显著变化的基因群，作者将差异基因进行趋势分析，从中得到了10个显著变化的趋势模型（p<0.05）（趋势分析见往期推送），并将最显著变化的NO.9和NO.16趋势模型中的基因进行共表达网络分析，来判断哪些基因在爆发性肝炎早期阶段起主导作用。在以k-core值分的子网络中（k-core值越大表明子网络越处于核心的地位），作者筛选得到了k-core值最高为11的子网络中的26个核心基因，这些核心基因主要参与蛋白转运、转录调节、细胞代谢等方面。筛选出的核心基因为爆发性肝癌的早期诊断提供了分子依据。 图2 共表达网络图 图3 部分核心基因属性列表 共表达网络分析结果解读 如何从共表达网络图中挑选出关键基因？如何看各个参数呢？ 在得到的共表达网络图中，可根据基因的网络特征值，即网络中各基因的位置函数计算出该基因在网络中的关系强度。特征值最高的基因处于网络的枢纽地位，起关键性的作用。 图3 共表达网络图 如上图中共表达网络图，圆圈代表基因，直线代表基因存在的调控关系。其中圆圈的大小代表degree值，即网络中某一基因与周围基因的关系数量，degree越大，代表与它有相互作用关系的基因越多。圆圈的颜色就是按照k-core进行划分的聚类结果。k-core表示在一个子图中，所有的点至少连接着k个点，其用以评估基因在网络位置的中心程度，值越大表示degree越大且越中心。相同大小的k-core体现的是基因之间的相似性及功能相关性。图中k-core最高为11的灰色基因就是处于核心地位的基因群。图中每个基因与相邻基因的密度用聚类系数（clustering coefficient）来表示。聚类系数值越大，表明这个基因邻近基因间的调控关系很复杂，处于的区域对于网络具有更重要的价值。 共表达网络表 基因属性列表 在基因属性类表中，主要看degree值大小和ishub。degree越大，代表与它有相互作用关系的基因越多。Ishub判断是否是核心基因。 图4 基因属性列表 基因关系列表 基因关系列表列举了每两个基因的相关关系，主要看相关系数和相关关系。 相关系数（correlation coefficient）代表两个基因间表达谱的相似程度，值越高表明相似性越高。 相关关系（relationship）表明两个基因表达是正相关还是负相关。 图5 基因关系列表 总结一下，首先用相关系数来判断基因表达之间的相关性，设定阈值筛选一定的基因做网络分析。在网络结果图中，可用一些特征值来衡量基因或基因群是否处于核心地位，如degree值，k-core值等。 基因间相似性的度量方法有哪些？ 如何确定阈值？ 如何确定基因模块？ 做网络分析的时候需要注意什么？ 共表达网络分析步骤 在共表达网络分析中，可用R软件包进行WGCNA（权重共表达网络分析），生成节点和边的纯文本文件，将边的纯文本文件导入到Cytoscape软件中（网络可视化工具）即可得到相互作用网络。 看到R软件包，不自觉向后退三步。有没有简单的方法呢？ GCBI平台，算法直接加载好了模块，即点即用。后台分析方法像啥无标度网络(Scale Free Network)检验，动态分支截断(Dynamic Branch Cut)方法以及基于二元查找方法的基因关系展示等等你都可以不用理会。 用上述文献中的样本数据GSE17184实例操作一下。 1、 进入GCBI网站的在线实验室 https://www.gcbi.com.cn（注册即可免费使用） 2、 建立趋势分析方案（方案建立步骤详见往期） 建立了如下共表达网络分析方案。 图6 分析方案 3、 在GCBI样本库中直接搜索GSE17184或直接搜文献也可获得数据链接，将数据发送至实验室以供后续分析。 图7 样本搜索 根据样本信息在每个时间点选择对应的实验样本。 图8 样本选择 4、 设置各模块参数 差异分析 P值<0.05 Q值<0.05(因多分组，不考虑fold change) 趋势分析 p值<0.05 显著性趋势功能分析（STC-GO）生物过程 p值<0.01，FDR<0.01 在网络分析中选择基因共表达分析 图9 共表达分析选择 5、 运行方案 14分钟即分析完成，结果如下： 图10 结果展示 检测工具 Affymetrix GeneChips Mouse 430 2.0 Arrays（文章使用） Clariom™ D assays, mouse（曾用名GeneChip® Mouse Transcriptome Assay 1.0）*（推荐） 拓展知识： 三点搞定GEO数据上传 差异基因结果解读 GO和pathway分析及结果解读 手把手教你用GSEA做富集图 如何用path-net挑选核心pathway 趋势分析及结果解读 拓展知识链接戳原文 http://college.gcbi.com.cn/blog/879.jhtml  图1 共表达网络示例.png  图2 共表达网络.png  图3 部分核心基因属性列表.png  图4 基因属性列表.png  图5 基因关系列表.png  图6 分析方案.png  图7 样本搜索.png  图8 样本选择.png  图9 共表达选项框.png  图10 结果展示.png |
回复此楼» 收录本帖的淘帖专辑推荐
 分子生化实验经验积累 | SCI论文相关 |
» 本帖已获得的红花（最新10朵）
金喜军» 猜你喜欢
PRMT5·MTA 抑制剂 MRTX1719 的科研应用
已经有0人回复
-
SW033291 科研使用解析：分子特征、储存与实验获取要点
已经有0人回复
-
化学工程及工业化学论文润色/翻译怎么收费?
已经有95人回复
-
泛 RAS 抑制新思路：大环肽拟似物如何同时牵住突变型与野生型 RAS？
已经有0人回复
-
TYK2/JAK1 双靶点工具化合物 Brepocitinib：激酶选择性、研究进展与实验应用全解析
已经有0人回复
-
矢车菊素-3-O-葡萄糖苷质控实录：从一张HPLC图谱读懂纯度与稳定性
已经有0人回复
-
恩诺沙星（Enrofloxacin）科研解析：分子特征、LC-MS/MS 检测与实验室使用要点
已经有0人回复
-
Calderasib理化性质与实验操作技术笔记
已经有0人回复
-
RMC-6291怎么用？RAS(ON) 三重复合物工具化合物的实验室实操要点
已经有0人回复
-
苯并呋咱全解析：NBD 荧光衍生化试剂母核的化学特性与实验室应用
已经有0人回复
-
生物质炭与活化剂氢氧化钾混合注意事项
已经有0人回复
» 本主题相关商家推荐: (我也要在这里推广)
» 本主题相关价值贴推荐，对您同样有帮助:
- 【吾栖之肤/我的华丽皮囊】BD高清
已经有0人回复
3楼2016-11-05 18:41:39
金喜军
金虫 (正式写手)
- 应助: 3 (幼儿园)
- 金币: 1022.5
- 散金: 10
- 红花: 1
- 帖子: 408
- 在线: 61.7小时
- 虫号: 1065530
- 注册: 2010-07-28
- 性别: GG
- 专业: 作物栽培与耕作学
2楼2016-10-29 09:26:42
blue-bird1568
捐助贵宾 (正式写手)
- 应助: 16 (小学生)
- 金币: 479.9
- 散金: 477
- 红花: 93
- 帖子: 585
- 在线: 280.2小时
- 虫号: 573803
- 注册: 2008-06-14
- 性别: GG
- 专业: 细胞信号转导
4楼2016-11-09 12:58:01
blue-bird1568
捐助贵宾 (正式写手)
- 应助: 16 (小学生)
- 金币: 479.9
- 散金: 477
- 红花: 93
- 帖子: 585
- 在线: 280.2小时
- 虫号: 573803
- 注册: 2008-06-14
- 性别: GG
- 专业: 细胞信号转导
6楼2016-11-09 20:00:04
