根据客户提供差异基因（转录本），差异蛋白，差异代谢物可进行如下关联分析：

方案一 转录组与蛋白质组关联分析

方案二 转录组与代谢组关联分析

方案三 蛋白质组与代谢组关联分析

方案四 转录组、蛋白质组与代谢组三者关联网络分析

方案五 代谢组-微生物多样性联合分析

image

方案一 转录组与蛋白质组联合分析示例

1.1 mRNA与蛋白表达相关性分析

将所有的差异表达蛋白的 mRNA 表达量计算出来，比较两者之间的相关性。我们将基因和蛋白能够完全对应，表达趋势完全一致的列出：

Fig.1 差异蛋白与差异基因表达相关性分析

1.2 差异基因与差异蛋白 pathway 分析

将差异基因与差异蛋白同时使用 GenMAPP v2.1 向 KEGG pathway 数据库映射， 获得他们的共同的 pathway 信息。

Fig.2 差异基因与差异蛋白 pathway 图，带☆的是蛋白，红色的是上调，蓝色的是下调

1.3 差异基因与差异蛋白互作网络构建

整合构建 mRNA 与 protein 互作网络如下：

Fig.3 差异基因与差异蛋白整合调控网络构建，圆点是基因，矩形点是蛋白

方案二 转录组与代谢组联合分析示例

2.1 mRNA 与代谢物表达相关性分析

将所有的差异表达代谢物的酶基因对应 mRNA 表达量计算出来，比较两者之间的相关性。我们将基因和代谢物能够完全对应，表达趋势完全一致的列出：

Fig.4 差异代谢物与差异基因表达相关性分析

2.2 差异基因与差异代谢物 pathway 分析

将差异基因与差异代谢物同时使用 GenMAPP v2.1 向 KEGG pathway 数据库映射，获得他们的共同的 pathway信息。

Fig.5 差异基因与差异代谢物 pathway 图，圆点是代谢物，长方形是酶基因

2.3 差异基因与差异代谢物互作网络构建整合构建 mRNA 与代谢物互作网络如下：

Fig.6 差异基因与差异代谢物整合调控网络构建，长方形是基因，椭圆是代谢物

方案三 蛋白组与代谢组联合分析示例

参考转录组与代谢组关联分析

方案四 转录组、蛋白组与代谢组联合分析示例

综合上述得到的基因、蛋白与代谢之间的调控关系，构建三者的调控网络。

Fig7. IPA 软件构建的基因、蛋白、代谢物互作网络
Fig8. metscape 软件构建的基因、蛋白、代谢物互作网络

方案五 代谢组-微生物多样性联合分析示例

1. Mantel test

用于检验来源于相同样本集的两个距离矩阵间的相关性强弱。

image

第一和第二列为用于相关性检验的两套数据所对应的距离矩阵；

第三列为样本量；

第四列为Mantel检验得到的相关系数r，r的绝对值越接近1，表明两套数据间的相关性越高； 第五列为P值，P值越接近于零，表明相关性检验的统计显著性越高，结果越可靠；

第六列为置换检验的次数；第七列表明检验类型为单侧或双侧检验。

2. Procrustes分析

可以通过计算各样本在两套数据上的间距平方和（M2），来量化两套数据的一致性高低。还可以对样本进行置换检验，从而评估两套数据之间相似度的统计显著性。

image
Fig9.Procrustes 分析结果的三维排序图

3. CIA 协惯量分析

   
   Fig10.CIA 分析结果的二维排序图

参考文献

[1] Sunia A. Trauger,Ewa Kalisak ,J,Gary Siuzdak et. al.Correlating theTranome, Proteome, and Metabolome in the Environmental Adaptation of aHyperthermophile. Journal of Proteome Research 2008, 7, 1027–1035 1027.

[2] Cho K et al. Integrated tranomics, proteomics, and metabolomicsanalyses to survey ozone responses in the leaves of rice seedling. J ProteomeRes. 2008Jul;7(7):2980-98.

[3] Coen M et al. Integrated application of tranomics and metabonomics yields new insight into the toxicity due to paracetamol in the mouse. J Pharm Biomed Anal. 2004 Apr 1;35(1):93-105.

[4] Espinoza C et al. Interaction with diurnal and circadian regulation resultsin dynamic metabolic and tranional changes during cold acclimation in Arabidopsis. PLoS One. 2010 Nov 23;5(11):e14101.

[5] Bono H et al. Comprehensive analysis of the mouse metabolome based on the tranome. Genome Res. 2003 Jun;13(6B):1345-9.

[6] Kanani H et al. Individual vs. combinatorial effect of elevated CO2conditions and salinity stress on Arabidopsis thaliana liquid cultures:comparing the early

[7] Mantel, N., The Detection of Disease Clustering and a Generalized Regression Approach. Cancer Research, 1967. 27(2 Part 1): p. 209-220.

[8]Gower, J.C., Generalized procrustes analysis. Psychometrika, 1975. 40(1): p. 33-51.

[9]Dray, S., D. Chessel, and J. Thioulouse, Co-inertia analysis and the linking of ecological data tables.Ecology, 2003. 84(11): p. 3078-3089.

医学转录组与基因组的联合分析

整体研究思路如下图**

图1 转录组与基因组联合应用分析内容示例

基因组测序技术可从DNA层面筛选出遗传变异信息，将研究对象的表型进行系统定性研究，转录组测序可从RNA层面分析显著差异表达基因，及关键基因的通路富集分析。
**转录组与基因组数据联合circos总览 **

图2 转录组与基因组数据circos总览

Circos图展现内容涉及基因组与转录组多组学检测数据，系统并直观地展示了整体的测序深度、SNP/InDel变异密度、基因表达强度、基因融合等信息，便于研究结果的整体性分析。

基因拷贝数变化与表达量变化联合聚类分析

图3 不同样本间基因拷贝数变化与表达量变化聚类分析

拷贝数变异(Copy number variations，CNVs)是一种广泛存在于人类基因组上的遗传变异。由于CNVs可以通过剂量效应直接改变特定基因的表达量，进而导致癌症等疾病的进程发展。因此，可以基于拷贝数与基因表达值变化对同一个基因二者的展现模式进行关联分析。
等位基因特异性表达分析

图4 特异性表达基因的功能富集分析

等位基因的表达并非是均等的，很多等位基因只表达其中一个基因，这种情况称为单等位基因随机性表达。基因组变异或表观信息的改变均会导致等位基因的特异性表达，这种表达为基因组相同而表型不同的情况提供了遗传基础。另外，等位基因特异表达作为癌症的重要特征之一，在各种癌症中频繁地被观测到。

融合基因分析

融合基因是指两个基因的全部或一部分序列相互融合为一个新的基因，是染色体易位、缺失或染色体倒置所致的结果。研究发现很多癌症的发生都与基因融合现象有关，如非小细胞肺癌的EML4-ALK基因融合。因此，融合基因可被视为是驱动突变，可以作为癌症诊断标记。

图5 融合基因的形成示意图

新生抗原分析

癌症细胞在基因变异的基础上产生的带有特异性氨基酸序列变异的蛋白称为“新生抗原”（neoantigen)。研究表明新生抗原鉴定及分析在个体化肿瘤免疫治疗中极具应用前景[4]。

图6 转录组与基因组联合分析新生抗原示意图[5]

参考文献：

[1] Hao N, Du Y, Li H Y, et al. CsMYB36 is involved in the formation of yellow green peel in cucumber (Cucumissativus L.)[J]. Theor. Appl. Genet., 2018.

[2] Wang G L, Shi T, Chen T, et al. Integrated whole-genome and tranome sequence analysis reveals the genetic characteristics of a riboflavin-overproducing Bacillus subtilis[J]. Metab. Eng., 2018, 48: 138-149.

[3] Styrkarsdottir U, Helqason H, Siqurdsson A, et al. Whole-genome sequencing identifies rare genotype in COMP and CHADL associated with high risk of hip osteoarthritis[J]. Nat Genet, 2017, 49(5): 801-805.

[4] Chu Y, Liu Q, Wei J, et al. Personalized cancer neoantigen vaccines come of age[J]. Theranostics, 2018,8(15): 4238-4246.

[5] Hacohen N, Fritsch E F , Carter T A , et al. Getting Personal with Neoantigen-Based Therapeutic Cancer Vaccines[J]. Cancer Immunology Research, 2013, 1(1):11-15.