|
网络关系常常用于揭示一些复杂的作用关系，在基因调控关系中也是非常常见的。在SCI论文中一张漂亮的网络图往往能提升整个文章的逼格，在之前的文章中也介绍过不少网络图的作图，大家可以在公众号内搜索关键词“生信”翻看以前的文章。今天还是给大家介绍生信文章的思路，今天的文章题目为“Network and Pathway-Based Analyses of Genes Associated with Parkinson’s Disease”，发表在Mol Neurobiol（IF=4.16）上，文章的方法是基于网络和信号通路分析，目的是发掘与帕金森综合症（Parkinson’s Disease，PD）相关的基因。 文章思路如下： 1、筛选PD相关的基因； 2、对PD相关的基因进行功能富集分析； 3、信号通路之间关系的分析； 4、最小生成树算法生成PD相关的蛋白质互作网络。 下面具体的分析一下各步的做法 1、筛选PD相关的基因 文章中这一步的做法有点类似META分析的文献筛选，以Parkinson’s disease和polymorphism或genotype或alleles进行MeSH查询(MeSH指Medical Subject Headings，pubmed里每篇文章都会由该领域专家标注适当的标签，使用者可透过 MeSH Terms 查询文献），一共得到2277篇文章，去除结果为阴性的以及与基因研究无关的，最后从200篇文章中筛选出242个与PD有关的基因。 2、对PD相关的基因进行功能富集分析 这一步想必大家都很熟悉了，对上述基因进行GO和KEGG分析。 3、信号通路之间关系的分析 这里作者做了pathway crosstalk的分析，简单地说就是分析信号通路两两之间有多少共同基因。本文中的具体做法是计算Jaccard Coefficient（JC）和Overlap Coefficient（OC），取二者平均值作为评分标准（这两个系数的具体算法可以大家自行百度一下就知道了，很简单）。然后用cytoscape构建下图，信号通路之间的连线粗细与上述评分标准正相关。 上图可以清楚的看出整个网络分成左右两个模块，两个模块中分别有哪些通路，这些都可以给我们揭示PD的机制予以提示，在Discussion里可以好好说一说。 4、最小生成树算法生成PD相关的蛋白质互作网络 首先获取整个人类基因组的背景网络，数据来源为Protein Interaction Network Analysis (PINA)平台和Science上这篇文章“Uncovering disease-disease relationships through the incomplete interactome”的结果（包含16022个蛋白质和228122个作用关系）。所谓构建PD相关的蛋白质互作网络就是以PD相关的基因为种子，把PD相关的从这一总网络中提取出来。提取的方法有很多，本文作者选用了最小生成树算法。之所以选这个方法是因为生物学过程符合网络吝啬原则（network parsimony principle）。一个有 n 个结点的连通图的生成树是原图的极小连通子图，且包含原图中的所有 n 个结点，并且有保持图连通的最少的边。说人话就是A如何有多条路通往B，A会选择那条最短的，在一个网络中，A到所有节点的最短路径即为最小生成树。 比如这样一个加权网络，从D点出发，连通所有节点的最省路径是怎样的？ 最省路径如上图，最小生成树的权值之和为39。 最小生成树算法通过Metalab或者C语言等都可以很容易的实现。作者这里了利用GenRev这一软件，该软件通过输入seed基因（PD相关基因），基于背景网络，根据最小生成树算法扩充最合适的额外节点（不是开始分析出来的PD相关基因）来完成整个网络。 图中圆形的是开始分析的PD相关基因，三角形的则是后面通过最小生成树算法扩充的。这些三角形所示的基因即是作者的新发现，可能与PD相关，可以用于后续研究。 小结：1、文章的思路其实并不复杂，不过对电脑硬件略有要求，内存CPU不太行的童鞋请勿轻易尝试；2、作者研究的是PD，而这样的研究适用于任何疾病！好了不多说了，4分SCI在向你招手~~~ 有科研问题要问？上科研微论坛！ 关注后获取《科研修炼手册》1、2、3、4、5，基金篇精华合集
|
|
|
