|
分析模块，输入差异基因FPKM矩阵，和转录因子列表文件（转录因子必须包含在差异基因FPKM矩阵中）。两两间的基因（包含转录因子）进行相关性检验，根据设定的相关系数与p值阈值，如果两两基因相关性分析满足阈值，则两两基因之间具有连通性，即两两基因之间在网络图上存在边。分析模块会生成网络图gml文件。gml文件，可通过Import方式导入到Cytoscape软件中，进行可视化作图，在Cytoscape软件中生成对应的调控网络图。 输入： 1、差异基因FPKM矩阵（过滤FPKM矩阵中，非差异表达基因对应的行）。 ！！不能使用包含非差异表达基因的原始FPKM矩阵。 示例： T4 T5 T6 T7 T8 T9 BM590_A0004 406.46 494.13 414.62 825.09 2678.41 555.67 BM590_A0005 605.70 755.09 643.55 1184.73 2980.14 568.58 BM590_A0015 382.41 435.68 435.09 667.24 1664.78 511.53 BM590_A0021 305.80 347.07 323.75 151.16 57.04 252.18 BM590_A0025 82.60 71.30 83.22 95.78 311.02 96.31 BM590_A0028 389.64 441.62 387.26 1020.02 5531.28 345.31 BM590_A0046 295.72 291.23 379.24 308.84 92.26 517.02 …… 2、转录因子列表文件（转录因子必须包含在差异基因FPKM矩阵中）。 示例： BM590_A1208 BM590_A2108 BM590_A0215 BM590_A1759 BM590_A1256 BM590_A2152 BM590_A2107 BM590_A1854 BM590_A1530 BM590_A2143 输出： 调控网络gml文件。 示例： graph [ graph [ ] name "" node [ id 0 label "BM590_B0721" color "lightslateblue" fillcolor "lightslateblue" ] node [ id 1 label "BM590_B0437" color "lightslateblue" fillcolor "lightslateblue" ]……. 注： 在Cytoscape中，通过左上方的File选项 –> Import -> Network -> File。导入对应的gml文件。 通过上方的layout选项 -> yFiles Layouts -> Organic。设置节点布局为organic。 通过左方的Style选项卡 -> Node -> Fill Color栏 -> 点击右侧三角展开 -> Column选项，选择fillcolor -> Mapping Type选项，选择Passthrough Mapping。将调控因子节点设为红色，其他节点设为天蓝色。 通过左方的Style选项卡 -> Node -> Shape栏 -> 点击前端的第一个小方框 -> 选择Ellipse。将节点性状设置为椭圆。 得到如下所示的网络图，其中，每个节点代表一个基因，每条边代表基因间存在连通（样本中，表达模式具有强相关性），红色节点代表调控因子，天蓝色节点代表其他基因。 通常，调控因子的连通性更强，即与之关联的边的数量更多，基本会处于网络的中心位置。 如需，更进一步的调整和作图，参考Cytoscape官网教程：（http://www.cytoscape.org/documentation_users.html）。 其中，示例用Cytoscape版本为：3.3.0，Java版本为：1.8.0_74。
分析模块引用了R语言（v3.2.3）Hmisc包（v3.16-0）中的rcorr函数进行相关性检验。 分析模块引用了Python（v2.7.9）语言networkx库（v1.10rc2）生成网络图gml文件。 |
