|
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。基因共表达网络分析（Gene Co-expression Network Analysis）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，具有相似表达谱的基因被连接起来形成网络。 Network propagation: a universal amplifier of genetic associations. GENETICS 今天给大家介绍一个共表达关系网络分析以及可视化的在线工具Coexpedia（http://www./）。Coexpedia搜集了GEO数据库中的测序数据（人和小鼠一共900多个数据集），对每个数据集单独进行了共表达分析，然后将所得的共表达关系汇总构建成数据库。通常我们利用R语言做共表达分析只针对单个数据集，相比而言，Coexpedia的数据来源就要广的多，结果的可信度理论上会更高一些。 点击Search即可进入共表达关系查询页面。物种分人类和小鼠，毕竟GEO上还是这两个物种的数据居多，其它的数据太少。 我们先来看一下单个基因的查询结果： 左侧显示的是与目标基因存在共表达关系的基因列表，依照共表达关系的得分排序，这一得分是该pair在所有数据集中的得分之和。数据库中还提供了GO-BP（Gene Ontology - Biological Process）注释和DO（DiseaseOntology）注释。 右侧显示的是按照不同MeSH（Medical subject heading）条目进行分类的结果，比如选中Heart这一条目，我们即可查看在Heart相关研究中得到的共表达关系（黄色描边显示）。 点击最右侧的view后可以生成一个新的网络： 中间显示的是基于web-cytoscape的可视化显示，和cytoscape一样，节点可以自由拖动，按住SHIFT可以选中多个节点。Coexpedia提供了三种PNG、PDF、SVG三种格式的导出格式，坑爹的是，它不提供网络结构的原始数据下载，只能在当前页面查阅。 Tips：什么是MeSH？ PubMed上的文章都有MeSH条目的注释分类，是由专家手动分类的，方便大家检索。MeSH相当于是一个标准化后的keywords。 多基因查询结果也差不多，就不再赘述了。 上文提到，Coexpedia不能提供网络的原始数据，所以后期直接用cytoscape重建网络是不可能的，而直接导出的图片——这黑背景。。。这配色。。。杂志社应该是不认的。。。所以只能下载SVG格式的文件，用AI（Adobe Illustrator）进行优化。 这里简单的说一下操作步骤，先在Coexpedia结果页面中调整一下节点的分布，然后导出SVG文件，在AI中的利用选择工具选中网络图中的不同元素（基因名称、edge、node等），改变其格式。具体的操作方法的话大家可以看一下这篇文章SCI论文图片编辑的最终兵器-AI（1）。
|
|
|
