基因的上下游分析

　　實(shí)驗介紹基因的上下游分析是做生物醫學(xué)研究必要的分析之一，但需要整合各種調控數據庫以及多樣本基因表達數據，某些研究人員可能無(wú)從下手！

 

　　您只需要提供感興趣的基因（或者miRNA，TF）名稱(chēng)，云生信整合全世界權威公共數據庫所有樣本數據，從眾多基因上下游的分析結果中，挑選出與疾病最相關(guān)的結果。結果作為實(shí)驗的理論支持，大大降低實(shí)驗的假陽(yáng)性！

 

　　基因的上下游分析分析內容：

 

　　1. 轉錄因子調控靶基因分析（TF-target）；

 

　　2. microRNA調控靶基因分析（miRNA-Target）；

 

　　3. 蛋白質(zhì)與蛋白質(zhì)相互作用分析（PPI）；

 

　　4. 其他，例如TF-miRNA、TF-lncRNA、lncRNA-mRNA、miRNA-lncRNA等。

 

　　云生信整合的全世界權威公共數據庫所有樣本數據：

 

　　1. 各個(gè)物種的轉錄調控數據庫（TRANSFAC、JASPAR、TRED、PAZAR、AGRIS、RegulateDB、CHIPBASE等）；

 

　　2. 各種miRNA調控靶基因的算法工具（miRBase、miRWalk、TargetScan、miRanda、PicTar、PITA等）；

 

　　3. 蛋白互作數據庫（如HPRD、STRING、DIP、BioGRID、MINT等）；

 

　　4. TCGA數據庫的RNA-seq、small-RNA-seq等；

 

　　5. GEO數據庫的基因芯片、miRNAx芯片等。

 

　　圖片可直接使用：

 

　　云生信團隊的分析過(guò)程依托于云生信分析平臺（www.bioclouservice.com ），獲得的分析圖片完全達到SCI論文的水平要求，可以直接使用。

 

　　分析耗時(shí)及報價(jià)：

 

　　基因的每種調控分析為1500元，與疾病關(guān)聯(lián)的精確分析為2000元。多個(gè)基因或多種調控同時(shí)分析還有大優(yōu)惠！

 

　　結直腸癌相關(guān)的miR-***的上游和下游調控關(guān)系分析樣例

 

　　分析目的：

 

　　通過(guò)對結直腸癌公共芯片數據的分析，獲得與結直腸癌相關(guān)的mir-***調控的上游、下游基因。

 

　　分析過(guò)程：

 

　　1. 公共芯片數據的選擇下載。

 

　　本分析使用的數據下載自GEO（GSE4****）[1]，樣本來(lái)自1992年至2004年期間在MSK腫瘤中心接受診治的結直腸癌患者，包括1**例結直腸癌樣本，與5*例正常結直腸組織對照。芯片平臺使用的是Affymetrix HG-U133A ，能夠檢測超過(guò)*****個(gè)人基因的轉錄表達水平。

 

　　2. 差異表達基因分析

 

　　我們使用R軟件包Limma[2]中的經(jīng)驗貝葉斯模型識別1**例結直腸癌與5*例正常結直腸組織之間的差異表達基因，以logFC絕對值大于或者等于0.585（相當于1.5倍的平均表達水平改變）和adj.P.Val 小于0.05為基因顯著(zhù)差異表達的閾值。adj.P.Val是Benjamini & Hochberg方法[3]進(jìn)行多重檢驗校正的結果。我們一共發(fā)現了522個(gè)顯著(zhù)上調基因和653個(gè)顯著(zhù)下調基因。

 

　　3. miRNA靶基因關(guān)系分析

 

　　使用miRecord數據庫[4]的實(shí)驗驗證數據，以及miRecord數據庫的預測數據。其中，miRecord預測工具我們使用了miranda[5]，mirtarget2[6]，pita[7]，rnahybrid[8]，targetscan[9]這5中預測方法進(jìn)行分析，然后選擇預測結果出現4次及以上的關(guān)系對作為 miRNA調控靶基因關(guān)系對。最后，我們將這些預測得到的靶基因與結直腸癌差異表達基因進(jìn)行交集分析，得到了miRNA調控的差異表達基因信息。

 

　　miRecord Validated Targets數據庫中，經(jīng)過(guò)實(shí)驗驗證的miR-***調控靶基因只有一個(gè)結果，即 MTA1基因。miRecord Predicted Targets數據庫中，選擇大于等于4次的關(guān)系對，最終得到了2214個(gè)靶基因。

 

　　將實(shí)驗驗證結果+預測結果共計2215個(gè)靶基因與522個(gè)顯著(zhù)上調基因和653個(gè)顯著(zhù)下調基因取交集后，分別得到了49個(gè)上調靶基因和58個(gè)下調靶基因。如圖1所示。

 

　　圖1 miR-***的靶基因與差異表達基因的venn圖

 

　　4. TF調控miRNA分析

 

　　我們使用CHIPbase[10]數據預測分析調控miR-***的轉錄因子（TF）信息，然后從中篩選出屬于差異表達基因的TF。

 

　　利用CHIPbase數據庫我們得到，調控miR-***的轉錄因子共有**個(gè)，其中屬于結直腸癌差異表達基因的共有2個(gè)，即MYC,CEBPB。

 

　　5. 構建整合網(wǎng)絡(luò )圖。

 

　　結合miR-***的上游和下游分析結果，使用cytoscape[11]軟件做圖，結果如圖2所示。

 

　　圖2 整合網(wǎng)絡(luò )圖。菱形代表轉錄因子（TF）；六邊形代表miRNA；橢圓代表靶基因。紅色代表差異上調基因，綠色代表差異下調基因。

 

　　結論

 

　　通過(guò)以上的分析，我們能夠得到與疾?。ńY直腸癌）相關(guān)的差異表達基因列表，miR-***調控的靶基因以及被調控的轉錄因子，并從中獲得與結直腸癌相關(guān)的miR-***的上游和下游關(guān)系。我們可以從中獲得重要的轉錄因子，并挑選合適的靶基因。

 

　　參考文獻1.Sheffer, M., et al., Association of survival and disease progression with chromosomal instability: a genomic exploration of colorectal cancer. Proceedings of the National Academy of Sciences of the United States of America, 2009. 106(17): p. 7131-6.

 

　　2.Smyth, G.K., Limma: linear models for microarray data, in Bioinformatics and Computational Biology Solutions Using {R} and Bioconductor, R.G.a.V.C.a.S.D.a.R.I.a.W. Huber, Editor. 2005, Springer: New York. p. 397--420.

 

　　3.Benjamini, Y.H., Yosef Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society, Series B, 1995. 57(1): p. 289-300.

 

　　4.Xiao, F., et al., miRecords: an integrated resource for microRNA-target interactions. Nucleic acids research, 2009. 37(Database issue): p. D105-10.

 

　　5.John, B., et al., Human MicroRNA targets. PLoS biology, 2004. 2(11): p. e363.

 

　　6.Wang, X., miRDB: a microRNA target prediction and functional annotation database with a wiki interface. RNA, 2008. 14(6): p. 1012-7.

 

　　7.Kertesz, M., et al., The role of site accessibility in microRNA target recognition. Nature genetics, 2007. 39(10): p. 1278-84.

 

　　8.Kruger, J. and M. Rehmsmeier, RNAhybrid: microRNA target prediction easy, fast and flexible. Nucleic Acids Res, 2006. 34(Web Server issue): p. W451-4.

 

　　9.Agarwal, V., et al., Predicting effective microRNA target sites in mammalian mRNAs. Elife, 2015. 4.

 

　　10.Yang, J.H., et al., ChIPBase: a database for decoding the transcriptional regulation of long non-coding RNA and microRNA genes from ChIP-Seq data. Nucleic Acids Res, 2013. 41(Database issue): p. D177-87.

 

　　11.Smoot, M.E., et al., Cytoscape 2.8: new features for data integration and network visualization. Bioinformatics, 2011. 27(3): p. 431-432.