通路富集分析是做芯片测序后得到大量基因后的常规方式，不得不承认当下用的最多的仍然是 DAVID（https://david./home.jsp ）。尽管它被吐槽了数据一直不更新，比如 2016年 Nature methods上就发文吐槽过，当然不是针对 DAVID而已，但是它的问题确实是很突出，具体大家可以看下下面这张图： 文章指出，很多工具的注释信息没有及时更新，我们可以看到其中 DAVID的问题尤其显著，当时它已经有超过5年没更新了，细思极恐。细心的小伙伴可能已经发现了，咱们上期推荐的 g:Profiler表现还是不错的哈。 为啥 DAVID不更新还有这么多人用？ 白介素同学以为原因有两方面： 一是 DAVID当时的文章发表在 Nature protocol上； 二是相对来讲使用门槛较低，通过网页版操作，比较简单，很多无生信基础的同学也能自己做。 好啦，言归正传，白介素同学的神器库藏里还有新的神器，比 DAVID好用不止一点点。 DAVID速度较慢，而且结果需要多次手工操作，然后还需自己整理数据绘图。有没有能一波带走整个操作流程的分析工具呢？ 超好用的WebGestalt首先来看看神器大概长啥样，界面比较简单，富集分析的算法多样，更新已经到了 2019了！ 因为工具的内容非常多，这里不可能做详细的演示，直接给大家上图，首先拿到基因，输入，稍微点击下： 可以得到绘制好的GO富集柱状图：分析结果基本情况及结果打包下载：KEGG富集结果火山图：注意这里是pathway分析的结果，数据库提供的包括多个数据库的通路富集分析，例如rectome等，可以自己勾选。然后以火山图的形式呈现，结果供直接下载。 通路的基本情况： 链接到KEGG数据库： 值得一提的是，该工具还提供GO可视化的功能，可以用于比较不同分析GO之间的关联。 其实这个神器还有其它一系列的功能，这里不可能每一个功能都详细介绍，大家可以自己去挖掘一下。比如共表达，与药物、疾病的关系等等。 再来看看与其它工具的比较，我们可以看到全是对勾， WebGestalt表现出明显的优越性的。 好啦，说到这儿可能有同学就会关心，这个工具到底是不是可靠？ 这里白介素同学查了它的背景，该工具发表了三篇 NAR的文章，最近更新在2019年，累计引用超过2500多次，值得信赖。 还不快去试试看，把图放到自己的文章里吧，记得引用。 |
|
|
