进军数据挖掘新领域，豪斯医生教你轻轻松松教你构建ceRNA网络

ceRNA网络已经不属于一个很新的内容了，pubMed中输入ceRNA and TCGA，大量的文章可以被检索出来，关键是影响因子也不低。随便几张功能富集的图加上lncRNA,miRNA和mRNA比对的表格，就能轻轻松松上4分以上。

身边有小伙伴也是私下跟我请教关于ceRNA网络构建的方法。说实话，我自己做过这个网络，心里知道这个网络可不是说想建就能建的，里面涉及的步骤和程序确实有点复杂和繁琐，包括lncRNA的提取，查找miRNA成熟体，数据库的比对，网络的构建和优化等等。所以，我自己也是会了这个方法以后也懒得去做，但是今天，我想给大家推荐一款R包--GDCRNATools，这个包真的是做到了下载，分析，构建网络和功能富集于一体。整个过程也简便了很多。

PS：这个包的开发者又是咱中国人，太了不起了！

1

包的安装和加载

2

数据的下载

这边的数据下载包括mRNA，miRNA和lncRNA，貌似是一句废话。但是这里得跟大家交代一下，大家在数据下载的时候既可以用这个包去下载，也可以用我们之前交给大家的方法，即gdc-client.exe去下载，甚至用第三方提供的数据都是可以的。我们这边为了演示的方法，直接使用其内置的数据集。

大家可以看到上述的代码也是一键完成了数据的标准化，非常简单。这边细心的朋友会发现，我们这边只是提取了miRNA数据和RNA数据。大家不妨看一下结果。下面这张是miRNA的表达矩阵，且行名已经是miRNA的成熟体的命名形式了。不像从官网中下载的miRNA的数据，并没有3p和5p的结构。

接下来这张图是Ensemble ID的表达矩阵。从这里我们会分别提取出mRNA和lncRNA的数据。

3

metadata文件处理

在这边我们需要将上述的结果稍搁置一会儿，得简单处理一下metadata这个文件。这个文件大家也不陌生，里面含有样本的信息、文件的名字，部分的临床信息等等。我们通过下面的代码，将一些重复的样本，非原发性和非实质性肿瘤进行滤过。但在我们这个数据集中，没有样本被过滤出去。

4

差异基因筛选

紧接着，我们开始做差异基因的分析，同时将差异的lncRNA和蛋白编码的mRNA提取出来。注意这边做差异的方法采用了limma包。最后生成的deALL，deLNC和dePC分别是所有的，lncRNA和mRNA的差异基因。

5

数据库比对

差异做完以后，就是关键的一步——数据库的比对。将目前数据库记载的lncRNA-miRNA，miRNA-mRNA之间的作用关系对找出来，然后用我们上述得到的差异lncRNA和mRNA进行比对，最终确定该数据集中的这些关系对。这边用来比对的数据库是starBase。具体的结果大家可以自行跑程序查看。

不过通过上述的代码，我发现这边貌似没有做miRNA表达矩阵的差异，这个是跟我之前读到的文献有所出入的。另外这边仅仅使用了一个数据库进行比对，而我们如果是自行去做ceRNA网络的时候，尤其比对是miRNA数据库的时候，我们往往会寻找多个数据库。因为这些数据库单个拿出来假阳性率特别高，所以需要多个数据库综合一起分析。不知道他内部的程序运行是不是考虑到了这些，至少在代码方面，我没有看出来。

6

结果文件输出

其实到了这里，主要的分析已经做完了，最后一步就是可视化的过程，我们会用到cytoscape这个可视化工具。我们就通过下面的代码将结果进行输出。其中edge是关系对文件，node是属性文件，通过这两个文件就能实现网络的可视化过程。

以上就是我们ceRNA分析的全部过程，其实这个包还有其他功能，包括绘制火山图、功能富集、生存分析，这些都会在后面的推文中一一给大家进行介绍。