我们今天还是继续手把手来教大家,这篇不做实验的两分半文献(不知道点这里)是怎么弄的。昨天讲了如何用Morpheus来分析完差异基因(不知道的点这里),之后,重要的事情就是分析一下这些差异基因的组成。那就需要用DAVID来进行差异基因的GO分析和Pathway分析。
首先,从Morpheus上分析完数据后,点击下载,下载一个GCT文件,别管是什么,总是能用Excel打开的。
打开DAVID的网址(https://david.ncifcrf.gov/),然后输入所有的基因,选择Official-Gene-Symbol,因为其中有一些基因的名字不规范,所以可能会弹出一个框,表示要转化成基因名,选择直接转化成Official-Gene-Symbol就可以了。
显示GO分析结果的时候,会有很多选择,默认的选择是“GOTERM_BP_DIRECT”,但文献里用的分组是“GOTERM_BP_FAT”,你可以自己改选,然后点击表格。
按照GO的三种分类,大概可以了解到这些差异基因的分布情况。
在DAVID中也有Pathway分析结果,包含了KEGG和Wikipedia等的分析结果,我们就看一看KEGG的就可以了。
这个就是打开后的KEGG列表。做完这些分析,我们要明确的是,这些只是差异基因,但还未必是核心基因(Hub Genes),那我们就需要通过PPI(蛋白互作)来看看,这些基因中是否有一些重要的核心基因的存在。
打开STRING后把基因的列表输入进去,当然你可以选择只输入上调或者下调的基因。
记得基因列表出来之后,要拉到底
稍微等一会儿,就会形成蛋白互作的PPI网络图,但这只是第一步,把这个网络图Export出一个txt的表格文件,这个才是我们需要的。
用Excel打开表格,按照文章里描述的,筛选“combined score>0.4”的样本,这些就可以作为显著的Hub genes了。
导入到CytoScape,把调整好的这txt格式的文件导入,建立一个Node,当然可以选择有30个以上互作的基因。
用CytoScape的app——MCODE,来进行互作模型的分析,于是就变成了这样。整篇文献,大概就是分析了这些东西吧,大家有兴趣的话,就自己去分析一个试试看,反正也未必能发文章出来,当练练手也好。
…华丽丽的分割线…
李莫愁博士:这些都是基础的GEO芯片的分析工具,大家可以自己动手试试看,其实也不难,主要的核心思想就是:
看懂了么?好了,今天就策到这里吧。
联系客服