生物信息学分析--共表达分析

 

       共表达网络分析（Gene Co-expression Network Analysis)是基于基因间表达数据的相似性而进行的网络分析，共表达网络的理念在于通过基因表达的相似性分析基因产物可能的相互作用关系，从而了解基因间相互作用网络，寻找起调控枢纽作用的核心基因（hub gene）。近年来，共表达网络分析在各种疾病研究中的应用越发广泛[1-3]。

 
 

共表达分析的具体步骤
 

1、差异基因的筛选
2、差异基因根据趋势分析、相关性分析的进一步筛选
3、构建共表达网络
4、进行k-core算法分析选取核心基因

共表达分析的优势
 

1、较全面地研究基因间相互作用关系。
2、各个数据库开放的基因表达量数据众多，可免去部分实验步骤。
3、分析结果可衔接多种生信分析与实验（例如： GO及KEGG富集分析， RT-PCR验证）。
4、生成结果高度可视化，简单易懂。
 

 

服务内容
 

1、文献调研
2、数据获取与整理
3、统计学分析

趋势分析图例

4、网络构建及分析

WGCNA算法网络聚类图例
 

共表达网络kcore算法分析图例

 

 5、结果作图

（可根据客户课题个性化定制）


 

服务特色
 

       采用专业软件进行统计学分析与网络构建，且以天河二号超强大计算能力为载体，有处理大量数据的能力，结果可靠[4-5]。


 

参考文献
 

[1] Chen F, Zhu H H, Zhou L F, et al. Genes related to the very early stage of ConA-induced fulminant hepatitis: a gene-chip-based study in a mouse model[J]. BMC Genomics, 2010, 11(1): 240.
 
[2] Chen J, Yu L, Zhang S, et al. Network Analysis-Based Approach for Exploring the Potential Diagnostic Biomarkers of Acute Myocardial Infarction[J]. Frontiers in Physiology, 2016, 7.
 
[3] Miao X, Luo Q, Zhao H, et al. Co-expression analysis and identification of fecundity-related long non-coding RNAs in sheep ovaries[J]. Scientific Reports, 2016, 6.
 
[4] Langfelder P, Horvath S. WGCNA: an R package for weighted correlation network analysis[J]. BMC Bioinformatics, 2008, 9(1): 559.
 
[5] Ernst J, Bar-Joseph Z. STEM: a tool for the analysis of short time series gene expression data[J]. BMC Bioinformatics, 2006, 7(1): 191.