教你如何用path-net来挑选核心pathway
2020-10-21 08:34:09
上次介绍了如何用缩小差异基因范围。那在pathway的选择上，如何筛选出核心通路呢？今天我们延续上次内容，来看看如何用path-net挑选出核心pathway。Path-net，即pathway Relation Network，是基于KEGG数据库中信号通路的上下游关系，构建的通路之间的相互作用关系网络图。path-net示意图如下，每个点代表一个通路，箭头表示通路之间的上下游关系。通过Path-net，我们可以直观判断哪些是核心通路。小编在GCBI样本库中找了GSE19804数据（研究非吸烟肺癌患者致癌机制）做了path-net分析，分析结果有两种形式展示，分别为表格和图形。信号通路属性表格统计了某个通路与其他通路的连接数及通路中差异基因的上下调。Outdegree表示某个pathway下游通路数目，indegree表示某个pathway上游通路数目，degree则表示上下游通路数目的总和。
Degree值越大代表pathway越靠近网络图的中心，即越核心。最后一列Pathway feature代表通路中差异基因的上下调情况，down代表全部下调，up代表全部上调，down|up代表其中既有上调又有下调。小编此次分析共得到44条相互作用通路，从上表可以看出处于核心的三条通路分别是MAPK signaling pathway，Apoptosis和pathway in cancer。
信号通路相互作用关系表直接列出了对应的上游通路（source pathway）和下游通路（target pathway）。在path-net的网络图中，分别通过点的大小，颜色及箭头来与表格中的信息相对应。点的大小代表degree值，点越大代表通路越核心。
颜色反映了通路中差异表达基因的情况，红色代表差异基因全部上调，蓝色代表下调，黄色代表既有上调又有下调，若是多分组情况，差异基因不分上下调，用紫色表示。path-net用degree来反应pathway的核心程度，具体研究可结合实验背景用degree值来衡量相关通路，并理清其上下游通路。当通路太多时可根据p值对pathway进行二次过滤。小编用的数据来自非吸烟肺癌患者的致癌机制研究，所以小编锁定了degree值排名第三的pathway in cancer，并得到了如下以pathway in cancer为中心的太阳图（外周为其上下游通路）。在GCBI在线实验室中很简单，建立方案，在pathway后加载网络分析模块，右边选择pathwayRelationNetwork，点击运行即可。（样本选择、差异分析、GO分析和pathway分析可参考“一文掌握GO和pathway分析”）注：一般显著性信号通路数量建议控制在20-100个左右，数量太少可能会由于信号通路的上下游关系太少连不成网络图，数量太多网络图太大，不便于后续挑选。三步即可，勾选出核心pathway，在关注通路里点击太阳图，再点重新布局即可。可点击显示标签或者隐藏标签来设置是否显示通路名称。截止目前，关于表达谱研究中如何挑选目标基因，我们分别从差异基因结果解读、GO和pathway分析，加上今天的path-net分析已经推了三篇文了，总结一下整体思路：
接下来GCBI知识库还会陆续会推出系列生信分析教程，敬请期待！
知识拓展：
