生物信息学生物网络介绍_SW-20130310分析.pptx

生物网络介绍 宋伟 目录 分类 方法 分析 一、 二、 三、 分类 芯片数据 二代测序数据 差异表达基因 GO pathway 生物网络 PPI网络 转录调控网络 miRNA靶基因网络 小分子数据 1. 蛋白质与蛋白质相互作用网络(PPI) 原理：单个的蛋白质往往不会独自发挥作用，它们可能通过与别的对象互作，共同作用下才能发挥调节作用。 方法： STRING：一个PPI web-service，可以通过输入目的基因名称，得到蛋白质互作网络。 数据库收集：收集人类的蛋白质相互作用网络数据，我们从mint，hprd，grid这3个数据库中整理蛋白质相互作用数据。利用perl将含有目的基因名称的关系对找出，然后cytoscape作图。 结果： 得到PPI网络图 得到HUB蛋白 互作网络模块 GO、pathway功能富集分析 1. 蛋白质与蛋白质相互作用网络(PPI) String: Known and Predicted Protein-Protein Interactions / CYTOSCAPE Ppi网络图 Hub蛋白的筛选：从已经得到的生物学网络可知, 绝大部分生物学网络都服从scale-free （无尺度）网络的属性, 即网络中的少数节点具有大量的连接, 大部分节点都只有很少的连接, 这些少数节点是网络关键性节点( hub)。 对得到的相互作用网络进行节点分析 ，利用互作蛋白网络的无尺度性质，找到网络中的中心蛋白质（hub蛋白） Ppi网络图 PPI网络模块分析 方法： String工具； Cytoscape 插件ClusterONE。 2. Gene Ontology analysis GO富集分析 GO(gene ontology)是基因及基因产物的功能分类体系，它从三个方面：生物过程 (Biological Process)、分子功能(Molecular Function)、细胞组分(Cellular Component)来描述基因、基因产物的特性。 常用的对基因进行GO分析的软件、工具如下： DAVID Gene2go Webgestalt GeneInfoViz GeneCodis FuncAssociate BiNGO GOEAST GO分析结果展示 重点介绍富集基因个数最多的前几个GO，通过引用已实验证明了的该GO term与疾病有关（参考文献），阐述疾病的发病机理 GO分析结果展示 Category Term description Count PValue GOTERM_BP GO:0008219 cell death 4 0.001981 GOTERM_BP GO:0016265 death 4 0.002118 GOTERM_CC GO:0005856 cytoskeleton 5 0.002456 GOTERM_CC GO:0044430 cytoskeletal part 4 0.00865 GOTERM_BP GO:0007010 cytoskeleton organization 3 0.017652 GOTERM_BP GO:0006915 apoptosis 3 0.022067 GOTERM_BP GO:0012501 programmed cell death 3 0.022955 GOTERM_CC GO:0043232 intracellular non-membrane-bounded organelle 5 0.029423 GOTERM_CC GO:0043228 non-membrane-bounded organelle 5 0.029423 选择阀值：P value 0.05且Count2。 3. Pathway analysis Pathway是值生物代谢通路，我们最常用的pathway数据都为KEGG pathway数据。 常用的基因pathway富集分析工具有 DAVID Onto-Tool: Pathway-Express Webgestalt KEGG数据库 选择阀值 Pathway分析结果展示 pathway分析结果展示 Pathway分析结果展示 4. 转录调控网络分析 原理：一个转录因子可以调控多个靶基因，一个靶基因可以被多个转录因子所调控，故此形成网络。 方法： 人类：在TRANSFAC 数据库和TRED数据库中获得调控关系原始数据，计算在两个数据库中都出现的调控关系对。 拟南芥：AGRIS数据库。 结果： 调控网络 调控模块 GO、pathway功能富集分析 转录调控网络图 模块以及调控它们的转录因子。黄色的代表转录因子，绿色的代表靶基因 预测工具 miRBase TargetScan mirTarget2 TarBa