hello大家好,小月亮又和大家见面了。上篇软文小月亮给大家介绍了NetworkAnalyst3.0工具的概览。这次小月亮就给大家详细介绍NetworkAnalyst3.0工具如何对单、多个基因列表数据进行分析。 大家如果对NetworkAnalyst 3.0工具的概览感兴趣请查看小月亮的上一篇软文: NetworkAnalyst3.0:差异基因筛选,功能富集分析、基因网络构建等功能于一体的在线基因表达分析工具 NetworkAnalyst 3.0在线工具网址如下: https://www. 首先,登陆以上网址,工具界面如下: 上图1-5是NetworkAnalyst3.0工具的5种不同输入格式。(可看小月亮上一篇软文了解详情) 今天小月亮要给大家介绍的是上图中的1,单/多个基因列表输入,NetworkAnalyst3.0工具能给出哪些分析。 单个基因列表输入分析 : 点击上图中1 Gene List input,进入分析界面: 如上图,选择物种,输入的基因类型,将数据粘贴到数据粘贴框中,点击Upload,数据上传并检查格式,如果数据合格,右上角会有如下图的通知显示,然后点击上图右下角的Proceed进行分析。 点击Proceed后,很快就进入结果界面: 最上面是NetworkAnalyst3.0分析的一些要求: 建议使用 Google Chrome或 Mozilla Firefox浏览器 至少是15英寸,分别率1440 x 900或更高 内存2G或以上,i5/i7 cpu 分析结果Overview: 结果分为2大类:一般可视化分析结果;网络可视化分析结果。 接下来小月亮按照上图的1-14个结果编号来详细介绍每一部分结果。 1. Assorted Visual Analytics — List Enrichment Network 此部分主要是提供基因列表的功能富集分析结果,以及通路的网络。 点击1 List Enrichment Network进入结果界面: 点击KEGG右侧箭头,可改变通路数据库,如GO MF等,选择好需要的通路数据库,点击Submit。工具会切换到选择的通路如GO MF的结果。工具默认展示的是KEGG通路富集分析的结果。 中间是黑色的网络图区域是富集的通路构建的通路网络图,网络图左侧的一列是网络图工具,例如上下左右移动,放大缩小,选择子模块等。 最右侧是通路分析结果表格,包括通路名称,通路中的提交基因数/通路基因数,P值,校正后P值。 具体结果的下载会在后面介绍,这个结果界面主要是展示和参数修改。 点击右侧表格中的通路有惊喜呦! 2. Assorted Visual Analytics — List Heatmap View 点击2 List Heatmap View进入结果界面:热图比较简单,具体情况见下图,这里就不过多解释啦! 3. Assorted Visual Analytics — VennDiagram 单基因列表不支持这部分结果,略 4. Assorted Visual Analytics — ChordDiagram 单基因列表不支持这部分结果,略 5. Network Visual Analytics — Protein-protein Interactions(PPI) — Generic PPI 点击5Generic PPI进入参数选择界面: 点击红色框中的单击按钮,选择不同的蛋白网络数据库。其中第二个STRING网络中包含Confidence参数,可根据需要调整。点击OK确认。 进入结果界面: 点击Download可下载默认参数下的基因的蛋白互作网络,网络主要信息是一个3列的sif的文本文件(基因,边,基因)。点击右侧红色框内的按钮,可对网络进行设置,如Degree设置等。 点击下方Preview可返回到Analysis Overview界面。点击下方Proceed进入网络结果展示界面: 紫色框内显示为网络中每个基因节点的信息。点击右侧Function Explorer可得选择通路数据库,Submit得到功能富集的表格。点击Model Explorer设置Algorithm,Submit后,下方会生成模块表格,每个模块的复选框画√,中间的网络图会以蓝色的点标记这个模块,并且左下角的红色框内会显示模块中的基因信息。 点击上图中间网络左侧的3D,网络可变为3D格式: ![]() 按照下图操作可将图片保存至本地。 ![]() 6. Network Visual Analytics — Protein-protein Interactions(PPI) — Tissue-specific PPI 此部分主要是针对不同的组织构建PPI网络。 点击6 Tissue-specific PPI进入参数选择界面: ![]() 根据上图选择具体的组织,考虑是否更改过滤标准,点击OK。 结果和Generic PPI部分结果样式一致,这里就不过多介绍了。 ![]() 7. Network Visual Analytics — Gene Regulatory Networks (GRN) — Gene-miRNAInteractions 点击7Gene-miRNA Interactions进入参数选择界面: ![]() 如上图所示,NetworkAnalyst3.0在得到基因和miRNA的靶向互作关系使用的是TarBase和miRTarBase数据,不提供可设置的参数,直接点击OK进入结果界面:由于和上面的网络结果样式类似,所以这里就不过多介绍了。 ![]() 8. Network Visual Analytics — Gene Regulatory Networks (GRN) — TF-geneInteractions 点击8 TF-gene Interactions进入参数选择界面: ![]() 选择想要使用的TF-gene互作数据库,点击OK。进入结果界面: ![]() 结果与之前网络结果类似,这里就不冗述了。 9. Network Visual Analytics — Gene Regulatory Networks (GRN) — TF-miRNA Coregulatory Network 点击9 TF-gene Interactions进入参数选择界面: ![]() TF-miRNA的数据,NetworkAnalyst 3.0默认使用RegNetwork数据库,未提供参数选项,点击OK即可得到网络结果。具体结果和前面结果类似,略。 ![]() 10. Network Visual Analytics — Diseases,drugs & chemicals — Protein-drug Interactions 点击10 Protein-drug Interactions进入参数选择界面: ![]() Protein-drug的数据,NetworkAnalyst 3.0默认使用DrugBank数据库,未提供参数选项,点击OK即可得到网络结果。具体结果和前面结果类似,略。 ![]() 11. Network Visual Analytics — Diseases,drugs & chemicals — Protein-chemical Interactions 点击11 Protein-chemical Interactions入参数选择界面: ![]() Protein-chemical的数据,NetworkAnalyst 3.0默认使用Comparative Toxicogenomics Database (CTD) 数据库,未提供参数选项,点击OK即可得到网络结果。具体结果和前面结果类似,略。 ![]() 12. Network Visual Analytics — Diseases,drugs & chemicals — Gene-disease Associations 点击12 Gene-disease Associations入参数选择界面: ![]() Gene-disease的数据,NetworkAnalyst 3.0默认使用DisGeNET数据库,未提供参数选项,点击OK即可得到网络结果。具体结果和前面结果类似,略。 ![]() 13. Network Visual Analytics — Gene Coexpression Networks — Tissue-specific Coexpression 此部分是构建组织特异的共表达网络。 点击13 Tissue-specific Coexpression入参数选择界面: ![]() 点击选择组织信息。NetworkAnalyst 3.0默认使用TCSBN数据库,未提供其他参数选项,点击OK即可得到网络结果。具体结果和前面结果类似,略。 14. Network Visual Analytics — Gene Coexpression Networks — Cell-specific Coexpression 此部分是构建cell特异的共表达网络。 点击14 Cell-specific Coexpression进入参数选择界面: ![]() 点击选择cell类型信息。NetworkAnalyst 3.0默认使用Immuno-Navigator数据库,未提供其他参数选项,点击OK即可得到网络结果。具体结果和前面结果类似,略。 最后,可点击下图右侧的导航栏的Download进入结果下载界面,下载需要的结果。 ![]() 好啦,单基因列表部分就到此结束了。 多个基因列表输入分析 : 由于多个基因列表和单个基因列表的分析有很多相同的地方,下面的部分只会介绍多个基因列表和单基因列表中不同的地方。 ![]() 点击上图中1 Gene List input,进入分析界面: ![]() 注意多个基因list之间用//隔开。upload,Proceed之后,进入结果界面: ![]() 结果和单基因列表结果基本相同,下面小月亮只介绍结果2、3、4,多基因列表和单基因列表不同的结果部分。 2. Assorted Visual Analytics — List Heatmap View 点击2 List Heatmap View进入结果界面: ![]() 当热图是多基因列表时,此部分会展示多个基因列表的交叠情况,具体情况如上图。 3. Assorted Visual Analytics — VennDiagram 点击3 VennDiagram进入结果界面: ![]() 点击韦恩图的不同区域,左下角的红框会显示区域的基因详细信息。点击右侧的Enrichment Analysis部分,可对这部分基因(例如三个列表的交集基因)进行功能富集分析。 4. Assorted Visual Analytics — Chord Diagram 点击4 Chord Diagram进入结果界面: ![]() 交叠的基因连接在一起展示,点击保存按钮可保存此图。 好啦,多基因列表部分就到此结束了。 参考资料: Zhou, G., Soufan, O., Ewald, J., Hancock, REW, Basu, N. and Xia, J. (2019) "NetworkAnalyst 3.0: a visual analytics platform for comprehensive gene expression profiling and meta-analysis" Nucleic Acids Research 47 (W1): W234-W241. Xia J, Gill E, and Hancock REW (2015) "NetworkAnalyst for Statistical, Visual and Network-based Approaches for Meta-analysis of Expression Data" Nature Protocols 10, 823–844 Xia J, Benner MJ, and Hancock REW (2014) "NetworkAnalyst - integrative approaches for protein–protein interaction network analysis and visual exploration" Nucleic Acids Res. 42 (W1): W167-W174. (PPI data analysis and visualization) Xia, J., Lyle, N.H., Mayer, M., Pena, O.M. and Hancock, R.E.W. (2013) “INVEX - a web-based tool for integrative visualization of expression data”. Bioinformatics 29 (24), 3232-3234 (gene expression data analysis) Xia, J., Fjell, C.D., Mayer, M., Pena, O.M., Wishart, D.S. and Hancock, R.E.W. (2013) “INMEX - a web-based tool for integrative meta-analysis of expression data”. Nucleic Acids Research 41, W63-W70. (meta-analysis) |
|