前言
pathview是一个通路可视化友好的R包，最主要的是它支持多组学数据映射（基因/蛋白-代谢）。自己用过它的R包，后来发现有网页版的，果断介绍给学员。因为不常用，记录要点，以后温习备用。
目前web版本和R包访问和应用次数如下，显然R群体用户占主导。Web界面是在PHP上使用Laravel Framework和R构建的。地址：https://pathview.uncc.edu/
image.png
使用时可以游客快速访问，不过注册的话会保留一段时间分析的结果。
image.png
工具使用的帮助文档详见：https://pathview.uncc.edu/tutorial#input，包括了示例说明，输入输出参数，结果说明。
示例1
image.png
New Analysis是我们要导入分析的数据，并设置的一些参数。怎么使用呢？或者说有哪些功能呢？它提供了example1-example4的4个案例，了解了这四种分析，后续我们只要依葫芦画瓢设置一下就OK了。下面我们先看下示例1.
image.png
多样本KEGG可视化。第一个选项，输入输出在这个demo数据中，基因有3个样本，代谢组有2个样本：
image.png
image.png
然后是物种、ID类型选择，支持的物种和ID类型很多。Pathway如果没有指定的，就选择自动。
image.png
第二个选项Graphics，即图形参数。没有特殊需求的话默认就好，不懂点击图中小图标。
image.png
第三个选项是颜色的选择。这个也是按需更改。
image.png
最后点击submit，出现运行输入配置参数和进度。完成后点击Analysis Results and logs。
image.png
image.png
结果如下。内容包括了关联上的通路图，pathway富集的结果文件，以及运行的日志文件。
image.png
随便点一个图查看下：
image.png
映射上的分子都标颜色了，基因三个样本，不同颜色不同丰度（经过归一化）；代谢2个样本，即2种颜色，顺序应该是按tab中样本先后顺序来的。
combo.res.sig.tsv是个什么文件，帮助文档里好像没有解释。我的理解是两个组学combine做的富集分析结果，重点看p值和q值。
image.png
gaga.res.sig.gene.tsv也没有解释，对于文件中的每一列不是很懂。但知道GAGA是FCS的一种富集分析方法，重点看p值和q值。
image.png
只是不明白，结果中图只有6个，为何两个富集分析结果中有这么多通路。
示例2
示例2是多个样本的Graphviz视图。和示例1的分析几乎是一样的，只是图形不同。Graphviz图是通过使用Graphviz引擎对pathway图进行布局，可以更好地控制节点或边缘属性和pathway拓扑，更重要的是可以保存为PDF格式的矢量图像（KEGG pathway视图只有png，不清晰）。
image.png
image.png
打开其中一个图，可以看到Graphviz简化了很多。
image.png
示例3
示例3是ID映射，这是最常用的功能吧。
image.png
demo数据中是单个样本的丰度，基因ID变成了Ensemble，化合物ID来自CAS。
基因数据：
image.png
代谢组数据：
image.png
得到的结果就只有映射的图片了，没有富集的结果。
image.png
查看下图片：
image.png
示例4
整合Pathway分析，要花费更长的时间。分析方法和上三个示例是一样的，只是默认的参数Pahtway Selection为“Auto”（其他三例为Manual）。
image.png
另外，和示例1相比就是demo数据的样本数增加了。
基因示例数据如下：
image.png
代谢组数据如下：
image.png
结果如下：
image.png
图形如下：
image.png
帮助文档中没说明以上数据是否重复。我查了下这6个图，基因都是1-3色，化合物都是1-2色，所以我推测基因是三个样，每个2重复，代谢两个样，每个2重复。
关于结果数据，和示例1比，除了combo.res.sig.tsv和gage.res.sig.gene.tsv外，还多了一个gage.res.sig.cpd.tsv文件，格式和gene的是一样的，如下：
image.png
所以，除了我上面讲的，示例1和示例4到底有什么区别？？？谁来告诉我。
文档解释：Since both gene and compound data (inputs) are included, this example goes beyond in that in integrates the two separate regular pathway analysis for gene and compound (intermediate results) into a more powerful meta-analysis (final results)。可是大哥，你的示例1也是整合了两个组学啊
更新
1.样本重复问题
经检查，示例2和示例4是可以设置重复的。点击下面这个铅笔：
image.png
image.png
image.png
我们自己数据导入时，也会弹出窗口提醒我们是否进行分组，设置的方式参考示例2和示例4（指明列数）。
image.png
2.示例1和4的区别
对于New Analysis来说没啥区别，只是说明了两种不同的输入方式作为参考，如不同数据和分组信息，在Pathway Selection选择了Auto。自己输一次就知道了。
3.组学选择
输入时，可以选择单组学或多组学：
image.png
网友评论