上篇Connectivity Map(cMap)的探索应用（一）中简单提及以下两种做法：一是提供了cMAP的在线分析网站：www.broad.mit.edu/cmap （需要非盈利机构的邮箱注册方可使用）；二是有提供cmap的githup代码仓储：https://github.com/cmap/ （其内包括多种解决版本，包括R，python等）, 简单看过R版的流程，这个R包主要用于gct/gctx文件的构建。但是，具体有没有R包能在本地做cMAP分析还没有探索。
针对第一项，如何在线分析？经Connectivity Map官网介绍，在线进行cMAP分析的主要有两个网站：
1-旧版build2
网站：https://portals.broadinstitute.org/cmap/, 该网站仍可以使用，但不再更新。
目的：该网站主要提供以下几种功能，最主要的是query功能，用于评估自身提供的上下调基因与数据库build2中收录的上千条小分子药物处理的表达谱信息之间的相似性。在使用上有疑问，可以查看help中的文档信息。
优势：普通注册即可使用，使用方法简单；输入的查询基因数量可到1000.
不足：build2数据库不再更新，目前收录1300左右的小分子表达谱（源自芯片平台的数据）。输入格式必须是GPL96探针号的grp格式。
2-Clue平台
网站：https://clue.io/，该网站为新版，提供最新功能。
目的：和旧版类似，但在旧版的基础上增加了很多其他功能。其中常用的仍然是Query功能（上下调基因数量限制在150）和Touchstone功能，具体每个工具的用法或有疑问可参考https://clue.io/connectopedia/
优势：数据库更全更多，且维持更新。目前约8000以上的表达谱收录，包括小分子处理后表达谱（主要源自L1000）、基因敲除类表达谱和基因过表达类表达谱等。
不足：该网站需要非营利性邮箱注册，比较麻烦（学校及附属单位不用担心这个问题）。此外网站分析速度比较慢，容易炸毛。
cMAP分析结果如何展示？
1. 与数据库中表达谱信息比较相似性
目前从涉及cMAP的文章来看，大多离不开相似性比较的问题，该分析主要依赖query功能的大多还依赖build2数据库。理由一方面build2小分子数据库源自完整的芯片数据，累计引用度也高，从数据严谨度上讲更受信任。新版clue中的小分子数据库主要源自L1000，数据不如build2全面。
* 单组signature结果展示样式（该样式结果源自build2中result的detail result）
参考文献：The Connectivity Map: Using Gene-Expression Signatures to Connect Small Molecules, Genes, and Disease .
* 多组signature的结果展示样式
数据来源：其实就是单独将每组signature都去做build2的query功能得到permuted results，如下图。
然后将各组signature得到的结果进行汇总，绘制热图。
参考文献：Machine Learning Identifies Stemness Features__Associated with Oncogenic Dedifferentiation
2. CMap mode of action analysis （MoA分析）
经查询，涉及cMAP的文章还经常做MoA分析( CMap mode of action analysis)，该分析主要源自Touchstone功能，该功能主要挖掘数据库中各表达谱之间的关系。但MoA分析需要的是该功能下收录的小分子的MoA信息，如下。从数据上来看，其实就是要找到ID与MoA之间的对应关系。可以将这部分数据全部导出，以便后期重复使用。
导出的结果为txt文本，内容信息如下。可以发现MoA是个更大的分类范畴，往往不同的小分子作用在功能分类属于同一类。比如BRD-K04887706和BRD-K28296557这两个小分子，在MoA上同属于AKT inhibitor。
数据来源：常规情况下，是根据query功能结果筛选出感兴趣的小分子，然后根据这个小分子从数据库中调出这些小分析与MoA的关系，然后根据两者之间的关系构建点图。例图如下：
未解决的问题！！！
在线分析这类方法还是很繁琐的，要进行线上分析，线下绘图。
不知道有没有相关的R包可以处理这类分析？
如何重现这篇science里的cMAP拓展分析？按cMAP的原理来看，下文以CX3CR1+和CX3CR1-基因集为signature，60个单细胞表达谱为参考数据库，看CX3CR1+和CX3CR1-这组signature与60例单细胞数据的相似性，从而评估这些细胞的类型，哪些属于CX3CR1+，哪些属于CX3CR1-？要完成这项分析，如何构建60个细胞的参考数据库？
"Two distinct interstitial macrophagepopulations coexist across tissues in specific subtissular niches"这篇文章借用cMAP的框架原理，做分析上的变通。通过已发表的两种巨噬细胞的表达值设置的基因集，与scRNA（smart-seq）检测得到的60多个细胞，借用cmap原理，识别出60个细胞各自属于巨噬细胞的哪一种类型。
借助cMAP分析，利用CX3CR1+基因集和CX3CR1-基因集（源自文章），识别出60多个scRNA数据中哪些细胞接近于CX3CR1+，哪些细胞接近于CX3CR1-。
不知道有没有大神会做？想抱大腿！
