基因共表达网络分析java,RNA-seq数据的基因共表达网络分析

目录

1 背景 BackgroundTypes of biological networks

Motivation for using co-expression networks

Network inference and reverse engineering

Basic graph terminology and data structures

Steps for building a co-expression network

Optimizing parameters for network construction

2 共表达流程 TutorialPreparing RNA-seq data for network construction

Building a co-expression network

Detecting co-expression modules

Annotating a co-expression network

Visualizing network正文开始

1.1 Types of biological networks

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：蛋白互作(PPI)

表示蛋白之间物理联系，它们几乎占据了细胞生物过程的中心位置。蛋白作为点，用无向的线连接

代谢网络

主要表示生化反应，有助于生物生长、繁殖、维持结构。点是代谢产物，并用有向的箭头表示代谢过程或特定反应的调节作用

基因互作

不同的点表示不同基因，描述它们功能相关性；可以根据基因的背景知识来推断线的方向

基因/转录调控

表示基因表达是如何被调控的；点是基因或转录因子，它们之间的关系也是定向，例如Reactome、KEGG等数据库中表示基因调节的关系

细胞信号

点表示通路中的物质，如蛋白、核酸或其他代谢物

各种通路

1.2 Motivation for using co-expression networks

为何研究共表达

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：Differnentail ex