Cytoscape插件5:DisGeNET(1)

基本功能

为了产生不同类型的网络,DisGeNET的控制面板提供了可以调整的参数。包含三个标签:gene disease network, disease projects, gene projections.默认的是gene disease network,这种模式下,不同的GDA(gene disease assosiations)网络可以通过选择不同的data来产生。Assosiation类型和/或disease classes由下拉菜单产生。GDA网络可以通过cut-off过滤。另外,GDA网络可以围绕一个特殊的疾病或基因建立,需要通过search boxes。其中一些功能也可以用来产生疾病project和gene project网络。

1.产生疾病相关网络

如果想获得特定某一来源的GDA网络,例如curated data,这是来自于很多网络的经过专家逐一认可的(uniprot,ctd-human,clinvar,orphanet,GWAS Catalog),选择感兴趣的来源即可,然后点create network。
GDA网络包含16969nodes,55641edges。可以应用cytoscape的layout算法来产生你想要的方式,例如选择organic。应用disgenet style。一旦获取了网络,一旦获取了网络,关于nodes和关系的特别信息就可以获得,面板右下角。例如使用cytoscape搜索框发现disgenet不同的疾病,包含alzheimer,如下图


image.png

2.产生gene或疾病projection 网络

如果想获得疾病网络来自于GWAS Catalog的,那么选择desease projection标签。然后选择source为GWASCAT(有下拉菜单)然后摁下create network。这个网络包含231个疾病,2844个edge。见下图


image.png

3.把网络先知道某一个特定的相关类型

建立GDA curated网络,限制类型为causal nutation,那么选择source为curated,从association 类型下拉菜单选择causal mutation。摁下create network,那么GDA网络会获取包含7625个nodes和8289个edges。见下图


image.png

这里,作者提出了一个小问题思考

nodes and 8299 edges. Could you find the gene in network carrying causal mutations for the largest number of diseases? Hint:order genes by column nrAssociatedDiseases?

找出哪个突变在最多类疾病中出现?
image.png

同理,我也做了一个各种疾病标记物的网络,也看了下哪种标记物出现在最多的疾病中,和哪种疾病的标记物最多


image.png

可见,TNF出现在最多的疾病标记物,特异性应该很低了

4.限制网络到某一具体的疾病class

网络也可以通过疾病类型进行过滤。疾病类型基于desease分支(C),和三个categories(F01,F02,F03),这都是基于Psychiatry和Psychology Branch(F),MeSH的等级分类。为了产生来自predicted数据的网络,并且假如我们只想包含Nutritional and metabolic disease。那么选择source(predicted),选择disease class(Nutirtional and metabolic disease)这在disease class下拉菜单实现。然后,create network。这个GDA网络有1237个nodes和1676个edges。考虑下,哪个疾病有最大数目的基因?


image.png

5 建立某一个基因/疾病或疾病/基因的set

控制面板中的search功能可以用于

围绕一个疾病或基因产生网络

围绕一个疾病和基因产生网络

围绕一组疾病或基因产生网络,匹配关键词

搜索可以限制source,关系类型,疾病类型,得分

还是可以不限制条件生成所有网络,然后在控制面板的搜索框输入比如“Alzheimer

或者最好是直接上面条件不限制,在搜索框输入“Alzheimer”这样更快

网络可以通过增加条件进一步过滤,比如输入APP,在gene search box,摁下create network。那么alzheimer所有亚型相关的网络和APP有关的就产生了。每个边代表gene-疾病直接关系的证据,这个关系是被source定义的。一个联系类型,或一片文章。每一个边的颜色区分联系类型。使用edge table在右下角的table panel可以探索每个联系的证据。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342

推荐阅读更多精彩内容