推荐一种简单全能的富集分析工具

Cytoscape是一个用于复杂网络可视化高效软件，即可以让我们做出网络互作的图。Cytoscape里面有个插件Clue GO可以解决我们GO,KEGG的分析，还能展现良好的可视化效果。下图就是一个很好的例（ONCOTARGET被剔除前发表的）

但是Clue GO真正使用起来存在一些问题，比如：

1.一般不需要展示所有的GO terms，但是基本很难调出来这样。

2.如果想展示富集通路包含的基因，有些通路包含了几十个甚至更多的基因，图片太复杂了。

所以，我们可以换一种方法(Enrichr)来显示Clue GO的效果，下面我带大家来展示一下:

需要的工具

1、Enrichr 网址：

amp.pharm.mssm.edu/Enrichr/

2、Cytoscape

3、Excel

具备以上三点即可制作

具体过程

首先，我们将挑选好的差异表达基因复制，

即红色所圈出的那一列。

之后直接粘贴到enrichr的框口内，点击下方的submit即可（注意仅复制基因名）

一般利用GO分析和KEGG分析来挖掘信息，以下用KEGG来举例子。

我们选取上方pathway，若是想做GO则利用ontologies。

我们选取table界面

将结果导出成表格

即可以在系统找到这个文本，利用excel打开文本

我们选取前10项目，利用enrichr特别的combined socre，（统计渣感觉很科学）

由于cytoscape需要导入的是一对一的关系，所以我们需要对前10个项目进行一对一基因-项目的匹配。数据我们仅用combined score来表示pathway的可靠性。

在之前，我们需要对pathway所含基因进行处理。

利用分列来提取，利用固定符号分开。

之后要想弄出一对一的关系，只能利用excel粘贴的选项，横变竖排。个人目前仅有这种蠢方法，不知道有没有大神有改进的，欢迎分享。不过我们一般就弄前10个，所以也不多。

弄完这些之后，我们可以导入cytoscape

file-import-network-file（选取刚刚那个文本）

设置好主点，靶点，以及信息的归属，点击OK即可

之后进入了这种基础外观

之后可以利用上方工具栏layout对这些点进行排列，这个自己感觉怎么美观就怎么美观。。。多尝试，也可以手动一个一个移动。

Style界面可以设置图表的性质，byp.为单独node的性质，def.设置默认的node性质，byp优先于def.所以我们可以对特别的点在选中后在byp.中赋予特别含义。

我们对填充颜色进行梯度表示p-value的大小。我先设置默认填充为黑色，而有数值的node则根据continuous mapping。

我们对node的大小即size进行另一个性质的赋予，combined score，我们设置默认为6.0，其余有数值的根据导入的文本的数值。

最后我们将这个图片导出，file-export as image

选取pdf高清无码格式，去掉下方那个勾即可。

开头举例的那篇文献利用了KEGG富集分析，多个通路与p53基因有关联，所以猜测TMZ可通过与肿瘤蛋白P53（TP53）信号轴的相互作用发挥生物学效应。这个直接利用clueGO得出结果，但是如果在Clue GO不足以满足我们调试。。可以利用这个步骤来进行挖掘。同时enrichr也是一个很不错的线上富集分析的工具，简单全能，所以enrichr+cytoscape可以提供很多表现方式。