上一次的文章中详细介绍了Cytoscape的使用如果连这些图都不会,还怎么让文章有逼格?!,留了一个尾巴,是关于APP的,上次只讲了一个Agilent Literature Search,再之前介绍的APP请看副本吧。今天再介绍两个,一个是BiNGO,一个是KeyPathwayMiner。
先看BiNGO,怎么下载就不说了。这是一个GO分析的工具。
Cluster name随便输一个,Gene list可以从当前Cytoscape的网络获取,也可以直接复制Gene list(这里选的是后者)。默认分析BP,可以
分析结果如下:
包括GO中的Term的信息以及统计学数据,以及具体基因
下图是可视化的结果
黄色的圈是显著富集的GO term,圈越大,term中的基因越多。term之间的关系由箭头连接。
和ClueGO分析的结果相比如何呢?
同样的基因,ClueGO这里显示的是显著富集的term,不同颜色表示term的聚类,比如说两个term关系比较近,就标注成同一颜色;圈越大表示富集程度越高。与BiNGO相比,ClueGO不显示term之间的直接上下游关系,不过ClueGO可以可视化所有的所有的基因,比如像这样。。。
(这组数据的term和基因太多了。。。)
简单的说,这个APP可以通过上传表达量数据,然后通过一定的算法算出网络中的核心subnetwork。和我们之前介绍的k-core算法从结果来看有点像如何愉快地利用网络分析筛选关键基因,但是那个是只基于单纯网络结构进行分析,并没有加入表达量数据。
但是在使用APP的时候,发现上传表达量数据有些问题,所以最后还是用了它的在线版本,网址是https://keypathwayminer.compbio.sdu.dk/keypathwayminer/
背景网络网站上已经自带了,基于BIOGRID数据库的各个物种的全基因网络
我们直接上传表达数据(先筛选差异基因,然后只上传差异基因的表达数据)
上传这样的一个表达矩阵
上传完毕之后就可以Run了,选好要分析的数据
这里的演示参数是默认值,流程中提供了三种算法,有兴趣的童鞋可以看下文末的参考文献,里面有详细的算法说明。Node exceptions和Nubmer of computed pathway可以控制最后筛选出的网络大小。
结果如下,可以转换node的ID
Show union network可以显示右侧全部pathway的合集
分析得到的网络,可以利用KEGG和GO等数据库进行注释,Cytoscape处理美化一下,得到下面这样的网络图,揭示疾病的调控机制
参考文献:
1、KeyPathwayMiner 4.0: condition-specific pathway analysis by combining multiple omics studies and networks with Cytoscape
2、Efficient key pathway mining: combining networks and OMICS dataw
关注后获取《科研修炼手册》1、2、3、4、5。
领取专属 10元无门槛券
私享最新 技术干货