继续手把手教你分析那篇2.5分不做实验的文献

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。