今天應(yīng)該是本系列文章的第三篇了，不知大家有沒(méi)有視覺(jué)疲勞？咳咳，當(dāng)然了，本宮也就是禮貌性地問(wèn)一問(wèn)，此類文章還有許多，寫還是會(huì)寫的。

今天的文章是'MicroRNA and Transcription Factor Gene Regulatory Network Analysis Reveals Key Regulatory Elements Associated with Prostate Cancer Progression'，發(fā)表在PLOS ONE上（此雜志本宮就不多作介紹了），作者都是歪國(guó)仁，單位以伊朗的為主，還有印度的和土澳的，估計(jì)是伊朗的人去那倆地方留學(xué)，別問(wèn)本宮為何知道的辣么多~

言歸正傳，本文研究的是前列腺癌，用的樣本是對(duì)應(yīng)的非癌樣本以及轉(zhuǎn)移和非轉(zhuǎn)移3組樣本，主要方法是構(gòu)建miRNA、mRNA與轉(zhuǎn)錄因子（TF）的調(diào)控網(wǎng)絡(luò)，來(lái)揭示比較癌癥轉(zhuǎn)移和非轉(zhuǎn)移組中的Keg基因。

下面介紹一下文章的主要思路和方法

1、GEO數(shù)據(jù)集獲取和差異基因篩選

這也算是老套路了，作者選取的數(shù)據(jù)集是GSE21032，這個(gè)數(shù)據(jù)集是個(gè)很大的數(shù)據(jù)集，作者從218個(gè)樣本中挑選出139個(gè)miRNA和mRNA均有數(shù)據(jù)的樣本進(jìn)行分析。差異基因的篩選標(biāo)準(zhǔn)也是P<0.05和log(fc)的絕對(duì)值>1，這部分可以直接用GEO2R分析再用EXCEL簡(jiǎn)單處理即可，小張之前也介紹過(guò)。最終，作者在原發(fā)癌組、轉(zhuǎn)移組中分別篩選出下圖所示的差異miRNA、mRNA以及TF，當(dāng)中有一些有交集，有一些沒(méi)有完全沒(méi)有交集（比如上調(diào)的TF）。

2、生物學(xué)功能分析

作者對(duì)差異mRNA進(jìn)行了GO分析，利用的工具是Cytoscape的插件BiNGO。通過(guò)下列的網(wǎng)絡(luò)圖簡(jiǎn)單地闡述了疾病與相關(guān)生物學(xué)功能的關(guān)系。

3、TF調(diào)控網(wǎng)絡(luò)分析與miRNA調(diào)控網(wǎng)絡(luò)分析

TF與基因的關(guān)系通過(guò)TRANSFAC數(shù)據(jù)庫(kù)獲取，這個(gè)數(shù)據(jù)庫(kù)是TF數(shù)據(jù)庫(kù)中公認(rèn)的比較好用的數(shù)據(jù)庫(kù)，然而不是一個(gè)完全免費(fèi)的數(shù)據(jù)庫(kù)，免費(fèi)使用只能使用截止到05年的數(shù)據(jù)，如果在高校中有條件的童鞋，可以試試這個(gè)數(shù)據(jù)庫(kù)。獲取了TF-mRNA配對(duì)的相關(guān)數(shù)據(jù)之后，再在芯片數(shù)據(jù)中分析TF與mRNA的相關(guān)性（利用皮爾森相關(guān)性系數(shù)）。miRNA與基因的關(guān)系如何預(yù)測(cè)想必大家應(yīng)該比較熟悉了，之前的文章中已經(jīng)介紹了許多miRNA相關(guān)的數(shù)據(jù)庫(kù)，作者用了MirTarbase、miRanda和TargetScan三個(gè)數(shù)據(jù)庫(kù)來(lái)預(yù)測(cè)miRNA與mRNA的作用關(guān)系。同樣的，作者利用表達(dá)相關(guān)性進(jìn)行進(jìn)一步篩選以降低假陽(yáng)性率。

網(wǎng)絡(luò)構(gòu)建好了，key基因如何篩選？本文中作者主要應(yīng)用了兩個(gè)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)參數(shù)，一個(gè)就是之前常說(shuō)的degree，另一個(gè)是中介中心性(Betweeness Centrality)，這是一個(gè)網(wǎng)絡(luò)中地位重要性的圖論概念，簡(jiǎn)單的說(shuō)就是中心性越高表示該節(jié)點(diǎn)在網(wǎng)絡(luò)中的重要性越高。這兩個(gè)參數(shù)利用Cytoscape的CentiScape插件都可以輕松搞定。

4、生存分析

最終作者篩選出兩個(gè)關(guān)鍵的轉(zhuǎn)錄因子HOXD10和PGR，并運(yùn)用生存分析進(jìn)行驗(yàn)證，結(jié)果表明這兩個(gè)轉(zhuǎn)錄因子確實(shí)在前列腺癌的轉(zhuǎn)移過(guò)程中起到了重要作用。

小結(jié)：利用數(shù)據(jù)庫(kù)或者軟件預(yù)測(cè)出來(lái)的結(jié)果往往會(huì)出現(xiàn)假陽(yáng)性，比如說(shuō)TRANSFAC數(shù)據(jù)庫(kù)對(duì)轉(zhuǎn)錄因子的預(yù)測(cè)，是基于Bind Sites的預(yù)測(cè)，Bind Sites位于Gene的調(diào)控區(qū)內(nèi)，是很短的一段序列，與轉(zhuǎn)錄因子結(jié)合，調(diào)控基因轉(zhuǎn)錄，由于Bind Sites本身太短，所以特異性較差，預(yù)測(cè)出來(lái)的結(jié)果可能很多都是假陽(yáng)性的，所以我們要通過(guò)進(jìn)一步的篩選，比如文章中用的基因表達(dá)的相關(guān)性分析，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)分析等等來(lái)降低假陽(yáng)性率，最后再通過(guò)生存分析驗(yàn)證，讓整個(gè)文章的結(jié)果有理有據(jù)讓人信服。其它的數(shù)據(jù)庫(kù)比如miRNA靶基因的預(yù)測(cè)，我們往往需要用多個(gè)數(shù)據(jù)庫(kù)的結(jié)果取交集，也同樣是為了提高數(shù)據(jù)的可信度。

最后說(shuō)一下科研手冊(cè)——生信特輯的事，獲取方式為：