RNA-seq数据的基因共表达网络分析

Posted 2023-02-28

参考技术A

生物网络可以包含不同的数据类型，用点（node）和边（edge）区分。常见的网络类型：

看图说话： 某个细胞受到刺激1，也许它的A通路就会上调表达，B通路下调，结果可能比刺激前还要理想；

受到另一种刺激2后，A通路下调，B通路上调，那么可能就比较糟糕

通过共表达网络，就可以探索A、B通路是如何被调控的，以及背后基因的相互关系；另外，互作的基因一般都参与同样的生物途径

一般来讲，探索基因表达数据的 标准流程 是这样：

但是有个 弊端 ，它只能两两比较（如：感染与未感染），然后得到的结果也只是知道哪些上调哪些下调，是一个宏观的结论

使用Co-expression network 共表达网络 可以分析多个处理的基因表达数据（例如：不同时间段处理），还能推断未知基因产物的功能、检测sub-groups

利用网络进行推断：可以使用表达量数据、已知的转录因子、ChIP-ChIP或ChIP-seq、时间序列等，因为网络是有向、交叉 的，所以可以判断许多的关系信息

说到网络，就要看一下 有向和无向网络：

构建共表达网络的关键步骤：

对于多个分组信息，需要生成几组两两组合的差异比较矩阵（取决于表型数据中的因子信息）；并且方差不显著的基因就要去除

这里需要了解的有 quantile normalization 、 voom