我們上一期介紹了數(shù)據(jù)挖掘中的表達(dá)量挖掘法（回顧戳這里?），相信大家都已經(jīng)了解了四大利器的威力，那么今天我們就帶大家接著了解一下功能挖掘法和尋找“明星”的數(shù)據(jù)挖掘方法吧。

圖1.轉(zhuǎn)錄組數(shù)據(jù)挖掘常用方法

雖然我們進(jìn)行了表達(dá)量的挖掘，但是每個基因在生物過程中都具有它們獨(dú)特的功能，僅關(guān)注表達(dá)量的信息，會讓我們漏掉非常多的信息。因此我們不能局限于表達(dá)量挖掘，而忽略了基因的功能。數(shù)據(jù)的挖掘除了我們常用表達(dá)量四大利器之外，還離不開我們的功能三大利器——注釋信息、GO富集分析、KEGG富集分析。

1.注釋信息

注釋信息，是我們數(shù)據(jù)挖掘中的長劍，所有的基因都會有它自己特殊的功能，通過注釋的方法能幫助我們將基因外層厚厚的謎團(tuán)破開。選擇不同的數(shù)據(jù)庫進(jìn)行注釋就是從不同的角度將基因的功能挖掘出來，我們可以合理的利用這些注釋信息來尋找我們的目標(biāo)基因。舉個例子，如果我們研究的目標(biāo)是病原侵染宿主的機(jī)制時，那么這個時候，PHI數(shù)據(jù)庫和植物R基因數(shù)據(jù)PRGdb就是幫助我們解開謎團(tuán)的利劍。

PHI數(shù)據(jù)庫，是專門收集病原宿主互作基因的數(shù)據(jù)庫，研究的對象主要是真菌、卵菌和細(xì)菌病原，即病原的信息，通過PHI數(shù)據(jù)庫的注釋，可以快速的幫我們找到，侵染過程中在病原內(nèi)起作用的關(guān)鍵基因。

而R基因是植物的抗病基因，病原入侵時會在植物體內(nèi)繁殖或擴(kuò)張，為了應(yīng)對病原的入侵，植物就會請出R基因來幫忙識別病原所產(chǎn)生的效應(yīng)蛋白，阻止病原菌的擴(kuò)散。通過植物R基因數(shù)據(jù)庫PRGdb就可以幫助我們將植物體內(nèi)的R基因找出來。

綜上所述，將PHI數(shù)據(jù)庫和PRGdb數(shù)據(jù)庫聯(lián)合使用，就可以快速的幫助我們定位病原宿主互作過程中的目標(biāo)基因，簡單又高效，是不是很優(yōu)秀呢~

當(dāng)然，研究的目標(biāo)不同，可以用到的數(shù)據(jù)庫也就不同，為了方便廣大科研人員，其實(shí)已經(jīng)有非常非常多的數(shù)據(jù)庫可以針對特定的目標(biāo)進(jìn)行分析，后期我們會多多介紹常見的數(shù)據(jù)庫，幫助大家進(jìn)行數(shù)據(jù)挖掘。

圖2.PHI數(shù)據(jù)庫和PRGdb數(shù)據(jù)庫

2.GO/KEGG富集分析

除了注釋信息之外，我們還經(jīng)常會利用GO和KEGG富集分析來進(jìn)行數(shù)據(jù)挖掘，他們倆是可以說是我們聽得最多的98k，在文章分析的時候，受到廣大學(xué)者的喜愛。通常與高通量測序相關(guān)的文章，我們都能看到他們倆的身影。

為什么富集分析會這么廣泛的使用呢？原因也比較簡單，基因的注釋雖然重要，但是當(dāng)我們面對成百上千的差異基因or目標(biāo)基因集時，信息非常零碎，利劍就難以一一將基因的謎團(tuán)破除，我們就需要對這些基因進(jìn)行歸類，而歸類的這個過程，就是富集分析。

富集分析的作用，一方面是對零散的基因功能信息進(jìn)行歸類，幫助我們找到下一步研究的方法，而另一方面就是產(chǎn)生一些美觀的圖表了，一篇文章，如果沒有幾張鎮(zhèn)得住場面的圖形，那很難入得了審稿人的法眼的。

富集分析的思路，就是研究差異的基因顯著富集在哪些通路之中。富集分析的研究方法同樣有兩種，一種就是直接對富集顯著的通路開展討論和分析，既然這些通路會被顯著富集，說明它們肯定在差異中起到了重要的作用，那么研究它們，肯定沒有錯。

此外，有些不顯著的通路，但是明顯就是與我們研究相關(guān)，我們也是可以進(jìn)行討論，比如“Plant Hormone Signal transduction pathway”，當(dāng)我們研究的課題是植物激素相關(guān)時，這個通路我們肯定要討論一下了。至于為什么，大家可以看一下周老師的解釋（鏈接戳這里），有詳細(xì)的介紹原因，在這里，我們就不再贅述了。

圖3.GO富集調(diào)控圖（左），KEGG富集氣泡圖（右）

1.已有文獻(xiàn)報道的“明星”基因or通路

介紹完了表達(dá)量挖掘法和功能挖掘法，可能大家會覺得還是比較難下手，需要我們一步步的進(jìn)行挖掘，其實(shí)還有一些捷徑可以走，那就是——尋找“明星”。

我們在做某個方向的研究時，往往已經(jīng)有很多前人幫我們鋪好了路，需要研究哪些基因、通路，都已經(jīng)在文章中做了許多探討和研究。而我們可以做的，就是盡量的多收集相關(guān)的文獻(xiàn)。比如我們研究的是細(xì)胞自噬，那么就去搜索與細(xì)胞自噬相關(guān)的文章,將搜出來相關(guān)的文獻(xiàn)進(jìn)行匯總，發(fā)現(xiàn)原來PI3K/Akt/mTOR通路大家都會討論進(jìn)行討論，那么毫無疑問的，我們下手就對了。

盡管文獻(xiàn)的搜索和閱讀會花費(fèi)不少的時間，但正所謂磨刀不誤砍柴工，提前多花些時間進(jìn)行調(diào)研，我們在寫文章時就不會盲人摸象，毫無頭緒了。

圖4.醫(yī)學(xué)機(jī)制研究中的“明星”

2.某些特定的基因

除了尋找明星分子，其實(shí)我們還可以去尋找些特定的基因進(jìn)行研究，比如轉(zhuǎn)錄因子，激酶/磷酸酶，等等。這類基因通常具有特定的功能，在轉(zhuǎn)錄調(diào)控過程中起到重要的作用，也常常在文章中進(jìn)行討論，或者整個文章就是圍繞著這些特定的基因展開分析。針對這些特殊的基因，也是幫助我們進(jìn)行數(shù)據(jù)挖掘的好幫手。

圖5.轉(zhuǎn)錄因子分類統(tǒng)計圖

介紹了這么多，相信大家對數(shù)據(jù)挖掘的這些秘密武器有大致的了解了。在實(shí)際的數(shù)據(jù)挖掘中，我們可以將表達(dá)量、功能和尋找“明星”這三種利器相互結(jié)合進(jìn)行使用，如富集分析中尋找關(guān)心的通路，其實(shí)就是將功能挖掘與“明星”通路兩種利器強(qiáng)強(qiáng)聯(lián)手，快速定位目標(biāo)通路。

大家可以盡可能的進(jìn)行嘗試，挖掘想要的結(jié)果。如果還有更多的疑問，可以聯(lián)系基迪奧生物，我們會專門針對你的問題進(jìn)行答疑解惑哦~那么，我們下期再見啦~