一文带你了解机制研究神器—— IPA分析

为什么要做IPA分析呢？对于基础研究来说，我们能直接感受到的是表型变化，如果想探究造成这种变化的机制，会去看基因的变化。而我们都知道，基因并非独立存在的，他们彼此之间的存在调节和介导关系。IPA分析可以解析通路，挖掘基因之间的关系，进而揭示表型变化。IPA 是基于QIAGEN近20年收集整理的QIAGEN Knowledge Base 开发的一款组学数据分子机理挖掘工具。可以对基因、蛋白、代谢物、药物和化合物等进行生物学功能和分子调控机理的解读，阐明生物学现象背后的分子机理、挖掘潜在的生物学标志物。

其核心部分：Ingenuity knowledge Base，是一个专业的生物学相互作用和功能注释数据库，收集了上百万的关于蛋白质，基因，化合物，细胞，组织，药物和疾病之间最直接的相互作用关系信息。信息来源的原始文献由几百位博士专家整理并且审阅，每周更新最新文献，每季度更新分析功能。

其独特的数据库及通路激活/抑制计算方式提供了传统富集分析和GSEA无法替代的优势。

•IPA的适用范围：人、大鼠、小鼠

•输入文件: (差异) 基因/蛋白 ID/名称、fold change (选填)

•差异基因个数：最少800个，最多8000个

•支持不同类型的数据，例如bulk RNA-seq/scRNA-seq、proteomics等

IPA的分析结果可以分为六个模块：经典通路分析、上游分析、疾病与功能分析、调控效应分析、相互作用网络、图形摘要，以下会对每个模块最重要的图进行解释。

IPA提供了700多种预设的经典通路（包括各种信号和代谢途径），对上传的数据集进行解释。

图1.经典通路富集分析统计，展示了差异基因在经典通路中的显著性富集情况。其中，横坐标为通路名称，纵坐标为富集的显著性水平（以10为底的负对数变换）；其中，橙色标注表示通路被激活，蓝色标注表示通路被抑制，橙色和蓝色的深浅代表激活或抑制的程度；Ratio表示在此信号通路中差异基因数与该通路中包含的所有基因数的比值。

分析基因表达数据时的一个关键问题在于，探究哪些上游分子可能驱动数据集中的基因或转录本表达变化。IPA会预测哪些上游调节因子被激活或抑制，导致了数据集中上调和下调的基因。

图2.上游调控因子网络图，上游调控子网络图展示了上游调控因子和与其直接相关的并存于数据集中的下游分子之间的相互作用关系。橙色线表示上游调控子与基因一致激活，蓝色线表示上游调控子与基因一致抑制，黄色线表示上游调控子与基因之间的表达趋势不一致，灰色线表示数据集中不存在与表达状态相关的预测信息。

上游调控因子给出的调控关系都是直接调控，如果想寻找间接调控关系，可以参考以下的因果网络图。

图3.因果网络图，因果网络图展示了主调控因子和与其直接相关的，调控差异基因的上游调控因子之间的相互作用关系。橙色线表示主调控子与上游调控子一致激活，蓝色线表示主调控子与上游调控子一致抑制，黄色线表示主游调控子与上游调控子之间的表达趋势不一致，灰色线表示数据集中不存在与表达状态相关的预测信息。

IPA可以预测数据集中分子表达变化对下游“疾病和功能”结果的影响。其中“功能”指的是生物过程，如细胞凋亡和细胞增殖。

图4. 疾病与功能富集分析统计，差异基因在疾病与功能中的显著性富集情况，横坐标为通路名称，纵坐标为富集的显著性水平。

调控效应分析旨在揭露下游疾病或生物学功能如何受到上游调控因子的影响。IPA分析将上游调控因子、数据集分子、下游功能（疾病）联系起来，并生产一个假设，用于解释上游调控因子的激活或抑制如何影响下游靶分子表达以及这些分子的表达对疾病和功能的影响。

图5.调控效应网络图，数据集中的基因与调控子和功能之间的相互作用关系。其中橙色的填充色代表该转录因子、酶、激酶或功能等被激活；反之，蓝色填充色则代表其被抑制。橙色线表示基因表达水平变化对该功能具有激活作用，蓝色线表示基因表达水平变化对该功能具有抑制作用，黄色线表示基因表达水平变化对该功能的影响与现有文献报道不一致，灰色线表示调控关系未知；实线表示直接相互作用，虚线表示间接相互作用。

IPA的交互网络可帮助解数据集中的分子是如何协同工作，无论是蛋白质的直接互作，还是通过某些间接的机制相互作用。

图6.基因相互作用网络图，某疾病或功能相关的分子之间的相互作用关系网络。其中橙色的填充色代表该转录因子、酶、激酶或功能等被激活；反之，蓝色填充色则代表其被抑制。橙色线表示基因表达水平变化对该功能具有激活作用，蓝色线表示基因表达水平变化对该功能具有抑制作用，黄色线表示基因表达水平变化对该功能的影响与现有文献报道不一致，灰色线表示调控关系未知；实线表示直接相互作用，虚线表示间接相互作用

图形摘要提供了IPA核心分析中主要结果的概览，并说明了这些概念如何相互关联。其展示内容均为算法推定的重要部分，包括经典通路、上游调节、疾病与生物功能等，并汇总为互相关联的分析图。

图7.图形摘要分析

图8.IPA在单细胞文章中的使用

过度的气道高反应性和炎症是哮喘的标志，脂多糖 (LPS) 暴露与疾病的严重程度和类固醇抵抗有关。为了研究哮喘恶化的机制，作者建立了以屋尘螨 (HDM) 诱导的哮喘为背景的 LPS 诱导的类固醇抗性恶化的小鼠模型，通过使用单细胞 RNA 深度测序来分析肺中的免疫细胞。

通过其分子和功能特性，作者鉴定了 20 个免疫亚群，例如嗜碱性粒细胞、2 型先天淋巴细胞 (ILC2) 和 CD8+ memory T 细胞。其特定细胞簇是白介素 (IL)-4 和 IL-13 转录物的主要来源，对地塞米松具有抗性。IL13 的中和消除了 HDM/LPS 诱导的气道高反应性、气道炎症和粘液过度分泌减少。此外，使用Ingenuity Pathway Analysis 系统，作者确定了调节嗜碱性粒细胞、ILC2和CD8+记忆T细胞活化的规范途径和上游调节因子。我们的研究为进一步了解哮喘发作期间的免疫状况提供了机制见解和重要的参考资源。

图9.IPA预测的 (A) 经典通路和 (B) 上游调节因子（C）三个集群中显示的上游调节器的表达水平。每个点的大小代表每种类型的细胞表达标记基因的比例，颜色代表每个标记基因在所有细胞中的平均表达