[NAR|2019] NetworkAnalyst 一站式表达谱

表达谱数据分析的时候，经常包括各种各样的分析。比如差异表达分析，富集分析，GSEA，蛋白相互作用分析等等等等。NetwordAnalyst是一个一站式分析转录组数据的数据库。在这里我们可以分析常见的一些分析。

image.png

基本介绍

数据库一共包括 五种分析方式：

1. 输入网络数据：比如从蛋白相互作用数据库下载下来的网络对应数据来进行可视化。其实功能类似于简易版的cytoscape。下图就是输入数据后得到的默认网络。
2. gene list input：如果我们已经有目标基因了，需要进行富集分析；蛋白相互作用分析等。同时我们也可以输入多个数据集的结果，然后得到venn图相关的重叠结果进行分析。
3. Gene Expression Table: 我们来输入RNA-seq或者microarray的表达矩阵，来进行下一步分析。
4. Raw RNA-seq Data: 输入RNA-seq的 fastq格式的数据来进行下游分析。
5. Multiple Gene Expression Tables: 输入多个数据集的表达矩阵，来对多个数据集进行整合的分析。

由于网站的功能很多，但是后续分析的结果类似，所以我们就用Multiple Gene Expression Tables来进行演示。

Multiple Gene Expression Tables

数据输入

点击Multiple Gene Expression Tables后，我们可以看到这样上传数据的界面。上传的表达矩阵的样本不能大于1000。

image.png

我们通过点击Add New来上传表达矩阵。表达矩阵应该是是这样的一个格式。

第一行是样本的变化，同时用 #来增加一个NAME的表示代表第一列为基因名。

第二行是本次实验设计的分组。

后面的行数则为表达矩阵，第一列是基因ID。

PS:

image.png

我们使用实例文件来进行分析，实例文件包括三个数据集，两个RNA-seq以及一个芯片数据。

image.png

上传数据完成后，点击Proceed下一步。这里会提示我们是否想要下载一个融合的数据集，如果想要下载的话，可以点击Download。我们点击Next可以进行下一步

image.png

质量评估

分析的第一步就是对数据进行质量评估，评估每个样本的分布，这个网站提供了两种对于样本评估的方式。PCA图和密度图

image.png

同时网站还提供了，对于不同数据集进行batch effect批次效应的矫正。

image.png

通过通过矫正完，可以看到矫正完的PCA图和密度图。

image.png

进行批次效应完事儿，我们点击Proceed。

荟萃分析

通过完质量评估，并且去掉批次效应后，我们可以进行荟萃分析来结合不同数据库的结果来得到重叠的结果。数据库提供了不同的进行数据结果融合的方法，同时也给了推荐指数。

image.png

我们选择第一个点击submit，然后点击Proceed。

差异基因

通过上面两部，我们可以得到差异表达基因。

image.png

同时我们点击View可以看到这个基因在每个数据集当中的变化。

image.png

接下来我们点击Proceed。

下游分析

在下游分析中，网站给了现有的一些常用的分析。这些平时我们都是通过不同的软件来做的，但是这个网站整合到一起了。

PS：而且用一种正确的方式整合到一起了。(真的会有人会用差异分析的结果去做GSEA的)。

image.png

由于分析的结果较多，我们以Netword Visual Analytics来对来对其中的结果进行说明。剩下的大家可以自己去点点看。点击Netword Visual Analytics后，会让我们来选择用什么数据集。我们可以选择重叠的数据集也可以选择各自的数据集。我们选择融合的数据集。

image.png

点击完后，我们可以看到，很多目前文章里面做的网络都可以进行做。其中包括·蛋白相互作用分析(PPI); 转录调控网络; 疾病/药物相关网络；共表达网络

image.png

而且网站对于一个分析也有很多其他的数据库可以选择。例如基因的蛋白相互作用(Generic PPI)。就可以选择string或者IMEx数据库。

image.png

我们选择好点击OK后，即可得到。对于网络的分析的一个初步的结果

image.png

下载

所有分析的结果，我们都可以下载下来

image.png

PS：其实目前很多基础的芯片数据分析的文章用这个网站就够了。而且方法也对，不会让一些不是很懂用法的虽然使用分析方式。当然同样的，这些也是最基本的分析方法，特别的还是需要自己分析的。