NetworkAnalyst ——不会R照样发SCI

简介

今天要介绍的一款网页轻工具叫NetworkAnalyst，是一个表达谱数据综合可视化的工具。目前，该工具可对已选择基因的ID、不同数据集基因表达矩阵、 RNAseq 和 RNAseq fastq文件进行可视化分析。首先，咱们看下NetworkAnalyst发表的文章里面对该类轻工具的总结

优势一看自然就明白了，至于它能干嘛，每个按钮点一点，还提供示例数据，上手自然简单！官网首页，已经到第3个大版本了

基因ID的可视化

基因ID的可视化主要包括各种可视化分析( Assorted Visual Analytics )和网络可视化分析( Network Visual Analytics )两类。具体可视化内容如下图：

各种可视化分析

1.List Enrichment Network

可基于geneontology数据库和 Panther数据库进行GO分析，基于KEGG数据库进行通路富集分析。下图为一组差异表达基因KEGG分析的结果：

2.和弦图、韦恩图和热图的制作

一组基因数据做不了哈，需要多组数据，这里就不展示效果图了

网络可视化分析

1.蛋白相互作用网络（PPI）

（1）PPI网络

可基于 IMEx数据库和 STRING 数据库制作PPI网络

下图以一组差异表达基因基于IMEx数据库构建PPI网络为例：

2D:

3D:

（2）某个组织中的PPI网络

该功能基于 DifferentialNet 数据库，用于构建人输入基因在不同组织器官中的PPI网络。这个功能懂的人自然就知道比较牛逼了，特定组织的PPI网络，或许会有新的发现哟！

2.Gene Regulatory Networks (GRN)

主要包括三个可视化分析：gene-MiRNA调控网络，TF-gene调控网络和TF-MiRNA调控网络。

（1）gene-MiRNA调控网络基于 TarBase 和 miRTarBase数据库，用于构建基因与MiRNA的调控网络。

2D：

3D：

（2）TF-基因调控网络基于ENCODE数据库、JASPAR数据库和 Enrichr数据库制作的转录因子-基因调控网络。

ENCODE数据库从ENCODE ChIP-seq数据获得的转录因子和基因靶标数据。仅适用于峰值强度信号<500和预测的调节电位得分<1（使用BETA减法算法）。
JASPAR数据库通过TF结合位点配置文件数据库派生的JASPAR转录因子目标。
ChEA，即芯片富集分析，Enrichr数据库可通过整合文献精选的Chip-X数据推断得到。

（3）TF-MiRNA基于 RegNetwork 数据库制作转录因子调控网络，仅适用于人和小鼠。

构建输入基因中的转录因子与MiRNA相互调控网络。

2D：

3D：

3.Diseases, drugs & chemicals（疾病，药品和化学药品）

主要分为蛋白药物相互作用网络、蛋白化学物品相互作用网络和基因与疾病的联系

蛋白药物相互作用网络基于 DrugBankdatabase (Version 5.0)

蛋白化学物品相互作用网络基于 Comparative Toxicogenomics Database (CTD)

基因与疾病的联系 DisGeNET database

4.Gene Coexpression Networks

（1）组织特异性基因共表达网络基于 TCSBN database

下图为差异表达基因在脂肪组织中的共表达的网络：

（2）细胞特异性基因共表达网络基于 Immuno-Navigator database

下图展示了差异表达基因在CD4+T细胞中的共表达情况：

基于基因表达矩阵进行meta分析

对电脑的要求：①最新版本的Google Chrome或Mozilla Firefox；②至少15英寸显示屏，分辨率为1440 x 900或更高；③使用Intel Core i5 / i7或同等功能的至少2G可用内存。

合并的方法

基因表达矩阵的合并总共有4种方法：合并 P Values ，合并 Effect Sizes ，投票计算和直接合并。合并 P Values ，合并 Effect Sizes和投票计算主要适用于不同平台测得的基因表达矩阵，其中合并 P Values 和合并 **Effect Sizes **通过随机效应模型和固定效应模型合并。直接合并适用于同一平台测得的表达矩阵。

合并后的可视化方法如下图所示：

1.Network Visual Analytics

对选择的基因进行网络可视化分析，可选择提交数据集中的任何一个数据集的差异表达基因，也可选择通过meta分析合并后的差异表达基因。结果如前所述。

2.ORA Enrichment Network

ORA（Over-Representation Analysis）富集分析为普通富集分析，同Network Visual Analytics 中的基因富集分析。通差异表达基因的富集分析。

3.ORA Heatmap Clustering

4. Venn Diagram

韦恩图可以做各个数据集与meta分析过表达基因的交集，点击某个区域即可显示交集的基因。

5.Chord Diagram

和弦图可有效显示少于1000个基因的关系，最大不超过2000个基因。

6. GSEA Enrichment Network

主要展示GSEA分析的结果。注意：这里需要修改合并方法中的P值，取得所有基因的表达矩阵。

7.GSEA Heatmap Clustering

可以展示某个功能集中基因的富集情况。下图展示了转录因子信号通路的基因富集情况。

8.合并后的PCA 3D

好了，今天的分享就到这里了哈，总结一下，这个轻工具非常好用，蛋白互作神器，图都是发表级的，还比STRING数据库的原始图高大上不少，更牛逼的是现在它还可以做各种分析，祝大家使用愉快哈！

作者：解琪琪；任恩惠
链接：https://www.jianshu.com/u/bcb81276c29d
来源：简书
参考文献：

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 (doi:10.1093/nar/gkz240)
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" Nucl. 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)

简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。