基因是连接课题的关键点，而基因功能则是将点连接起来的纽带，发现并验证基因的功能是整个文章的基础。 从文章阅读中获取已知基因的功能 这个是最直接方式，只费脑，取决于网速和阅读文献的速度通过如果想了解一个已知基因的功能，在搜集文献的过程中你已经能够大概了解到这个基因的功能了。如果这个基因是一个刚刚被证实存在的基因或者新发现的基因，功能尚未被研究下面的方法是最常用到的~~
从基因到表型：Gain/Loss function Assay 简单来说就是，在某个生物学过程中，或者某个状态下将基因的的量上调，或者下调之后去看，模型（细胞、动物）表型的变化与对照相比, 得到可量化的数值, 经过统计学方法得到，基因的改变与表型的关系。上调和下调的方法现在有很多了就不一一列举了，最简单的就是过表达(overexpression，OE)或者敲降（knockdown，KD）而对于上述两者最关键的材料就是质粒，可以自己构建，可以购买，也可以满世界“乞讨”。得到质粒后，就去转染，然后做一些表型实验什么的。通过表型实验结果，你可以判断是什么功能，接着推测有什么通路用OE或KD后的样本，去蒙一下~~只能蒙一下，合引物买抗体砸一下。
从表型到基因：用Knockdown（shRNA）或者Knochout（sgRNA)库筛选 在某个抑制的生物学过程中加入shRNA/sgRNA库进行筛选，而后结合测序分析出关键基因。具体解释起来有点复杂，简单一点说，不断去重复过滤掉不重要的那些基因，剩下的就是关键的。下面列两篇文献大家可以阅读一下shRNA库筛选：doi.org/10.1016/j.cell.2017.11.023sgRNA库筛选： doi.org/10.1073/pnas.1801340115优点：特异性很强，得到那些基因在这个过程一定是非常非常重要的，缺点：太贵了！这个库都是几万的基因的shRNA或者sgRNA~还得测序分析什么的反正，不是一般小土豪能做得起的~
非传统仅仅是为了跟👆那个部分进行对比，以引起大家注意才这么说的因为这种方法很多文章已经开始用了Talk Less, Show Dry-Goods~首先，你得有数据集比如TCGA什么的，样本数量越多越好，最好是测序的数据，芯片数据的话也尽量找全转录组然后，再找1-2个数据集，留着验证用的然后，去做表达差异分析比如用deseq2等，教程看着个就行，建议用counts做，然后，找到想研究的基因，如果是肿瘤的话，这个基因一定要有生存期证据的支持然后，用中位数或者四份位数进行高低表达分组然后，再进行Deseq2等差异基因的分析,得到表达谱然后，得到Pre-ranked list进行GSEA分析，然后，记得一定要用另外一个数据集去验证，最好在几个数据集中交集一下~当然，如果能配合传统方法最好，就是寻找能够解释实验结果的功能或机制。最后，找到那个最满意的功能或机制，合一部分引物和抗体，做一波qPCR+WB优势：省钱，省钱，还是省钱，
对于经费吃紧的实验室特别适用。不用养细胞，不用构建质粒，不用做表型实验，只在电脑面前敲敲键盘，就把Gain/Loss function实验预演完了，得到相关功能提示，验证的时候不用盲目的买抗体，有的放矢。经过站长亲自验证，保守估计砸对通路的把握有7成如果大家还在纠结下面是什么通路，买什么抗体和什么引物，不妨试一下。不足：1、有那么一些学习成本，生信分析的学习不是一簇而就上面说的那些，对于生信大神来说几分钟，代码就写好了而对于生信小白来说，心里一定要经历过无数摧残，还不一定能得到结果2、还有那么一些不准确性，毕竟是预测的结果，对于生物信息学得到的结果不能论对错，只能论可能性，不过方法就在那里，只需要耗费一些电费和时间，得到相对可靠的推测，何乐而不为呢？
Chris生命科学小站提供教程仅供参考，请结合自己的课题与实验结果使用。
站长当然也不是大神，经历了不知道多次报错，摸索出来一个很低级代码替换代码中的数据集和几个有关你想研究的基因信息，就可以得到可供GSEA分析的rnk文件，接下来用GSEA分析一下就可以了。代码在Chris课题与文章辅导星球里，已经加入朋友去下载吧没加入的朋友，向下看吧~
|
