大家好呀,，我是先鋒班學(xué)員及時(shí)止損,。作為對(duì)生信體系課上篇的補(bǔ)充，今天我給大家介紹一個(gè)關(guān)于lncRNA的數(shù)據(jù)庫(kù),，全程傻瓜式操作喲,！當(dāng)然了，如果你做的生信分析不涉及l(fā)ncRNA可先點(diǎn)收藏,，以后遇到了再來學(xué)習(xí),。接下來我們就開始講解咯

數(shù)據(jù)庫(kù)簡(jiǎn)介

做lncRNA生信分析的同學(xué)都知道，想要了解lncRNA的功能,，就要找到lncRNA的靶基因（ceRNA套路除外）,，而共表達(dá)分析就是預(yù)測(cè)lncRNA靶基因的一種常用方法,。Co-LncRNA數(shù)據(jù)庫(kù)是通過共表達(dá)分析預(yù)測(cè)lncRNA的靶基因，并通過對(duì)靶基因進(jìn)行GO/KEGG富集分析,，來闡釋lncRNA的生物學(xué)功能,，為進(jìn)一步機(jī)制研究提供依據(jù)。Co-LncRNA收集了來自28個(gè)人體組織/細(xì)胞系,、共29012例樣本的RNA-seq數(shù)據(jù),，包括來自TCGA的133個(gè)數(shù)據(jù)集和來自GEO的108個(gè)數(shù)據(jù)集。數(shù)據(jù)庫(kù)還可以連接至GEO,、Ensembl,、UCSC等網(wǎng)站。數(shù)據(jù)庫(kù)網(wǎng)址：http://bio-bigdata./Co-LncRNA/ ,。使用該數(shù)據(jù) 時(shí)注意引用文獻(xiàn) ：Zhao Z, Bai J, Wu A, et al.Co-LncRNA: investigating the lncRNA combinatorial effects in GO annotations and KEGG pathways based on human RNA-seq data. Database (Oxford). 2015;2015:bav082. doi:10.1093/database/bav082

先來三張圖宏觀了解一下這個(gè)數(shù)據(jù)庫(kù)

功能模塊演示

下面對(duì)數(shù)據(jù)庫(kù)的6個(gè)主要功能模塊進(jìn)行逐一演示,。

1. CEGs模塊

CEGs代表共表達(dá)基因（Co-Expressed Genes），通過該模塊可篩選與單個(gè)lncRNA共表達(dá)的基因,。示例如圖4,，通過選擇一個(gè)特定的數(shù)據(jù)集，輸入lncRNA名稱（輸入格式包括Ensembl ID和gene symbol兩種）,，選擇共表達(dá)分析的方法（該網(wǎng)站提供線性回歸和Spearman相關(guān)兩種分析方法）,，設(shè)置相關(guān)系數(shù)和P值后，點(diǎn)擊go即可得到右側(cè)的結(jié)果界面,。結(jié)果中展示了與輸入的lncRNA共表達(dá)的mRNA以及相關(guān)系數(shù),、P值等信息，單擊“pattern”下方的圖形可顯示lncRNA與該mRNA的散點(diǎn)圖,，圖片提供PNG和PDF兩個(gè)下載格式,。此外，如果在“search by”處選擇mRNA,，篩選的結(jié)果則是與該編碼基因共表達(dá)的lncRNA,。

▲圖4 CEGs模塊：①選擇數(shù)據(jù)集；②選定數(shù)據(jù)集的簡(jiǎn)介,；③選擇輸入基因類型,；④輸入基因名，選擇分析方法,，設(shè)定閾值,；⑤示例數(shù)據(jù)；⑥幫助,；⑦lncRNA,；⑧mRNA；⑨相關(guān)系數(shù)；⑩P值,；?lncRNA-mRNA共表達(dá)模式,；?相關(guān)性散點(diǎn)圖

2. CEGsFuncs模塊：

該模塊可對(duì)單個(gè)或多個(gè)lncRNA共表達(dá)的mRNA進(jìn)行GO/KEGG富集分析。示例如圖5所示,，①-④的設(shè)置與CEGs模塊相同,，可以⑤處選擇GO/KEGG富集分析功能，并設(shè)置⑥中的P值,。以KEGG富集分析為例,，結(jié)果界面展示在右側(cè)，點(diǎn)擊“#Overlap”下方對(duì)應(yīng)的數(shù)字可顯示富集到該通路上的CEGs（⑨）,，點(diǎn)擊通路名稱（如圖中“hsa04110”）,，可展示該完整通路，與不同的lncRNA共表達(dá)的CEGs用不同顏色標(biāo)記（?）,。

▲圖5 CEGsFuncs模塊：①選擇數(shù)據(jù)集,；②選定數(shù)據(jù)集的簡(jiǎn)介；③選擇輸入基因類型,；④輸入基因名,，選擇分析方法，設(shè)定閾值,；⑤選擇GO/KEGG；⑥設(shè)置富集分析的P閾值,；⑦示例數(shù)據(jù),；⑧幫助；⑨展示富集到某一KEGG通路上的CEGs,；⑩“hsa04110”通路圖,；?lncRNA列表；?TUG1(ENSG00000253352) CEGs,；?MALAT1(ENSG00000251562) CEGs,；?TUG1(ENSG00000253352)和 MALAT1(ENSG00000251562) CEGs

3. merge CEGsFuncs模塊：

相比于CEGsFuncs模塊，該模塊可以允許多個(gè)數(shù)據(jù)集進(jìn)行合并分析,，以減小不同數(shù)據(jù)集對(duì)lncRNA共表達(dá)基因的影響,。除第一步選擇數(shù)據(jù)集時(shí)可以進(jìn)行多選之外，其余操作與與CEGsFuncs模塊相同,。選擇多個(gè)數(shù)據(jù)集時(shí)通過按住shift或者ctrl進(jìn)行操作,。

4. CEGsNet模塊：

該模塊可以將與單個(gè)或者多個(gè)lncRNA共表達(dá)的mRNA進(jìn)行可視化。以多基因列表為例（圖7）,，選定要分析的數(shù)據(jù)集,，輸入lncRNA列表，選擇分析方法，設(shè)置相關(guān)系數(shù)和P值后,，點(diǎn)擊go即可得到右側(cè)的結(jié)果界面,，可以點(diǎn)擊右上角的圖標(biāo)對(duì)圖片進(jìn)行縮放和移動(dòng)，但不足之處是圖片不能下載,。

▲圖7 CEGsNet模塊：①選擇數(shù)據(jù)集,；②選定數(shù)據(jù)集的簡(jiǎn)介；③輸入基因列表,，選擇分析方法,，設(shè)定閾值；④示例數(shù)據(jù),；⑤幫助,；⑥lncRNA TUG1(ENSG00000253352)；⑦lncRNA MALAT1(ENSG00000251562),；⑧TUG1(ENSG00000253352) CEGs,；⑨MALAT1(ENSG00000251562) CEGs；⑩TUG1(ENSG00000253352)和MALAT1(ENSG00000251562) CEGs

5. Analyse your data模塊

如果你所研究的數(shù)據(jù)集沒有被Co-LncRNA數(shù)據(jù)庫(kù)收錄,，那么可以通過該模塊上傳自己的lncRNA和mRNA表達(dá)矩陣,，進(jìn)行共表達(dá)分析和富集分析。通過圖中①②步上傳兩個(gè)表達(dá)矩陣,，矩陣的具體格式如??,，通過設(shè)置③-⑦的參數(shù)得到想要的結(jié)果，如??所示,，共表達(dá)和富集分析一步到位,。做生信分析的同學(xué)都知道，無(wú)論是使用R語(yǔ)言還是數(shù)據(jù)庫(kù),，輸入文件的格式非常重要,，格式不對(duì)將會(huì)報(bào)錯(cuò)。

▲圖8 Analyse your data模塊：①上傳lncRNA表達(dá)矩陣,；②上傳mRNA表達(dá)矩陣,；③選擇共表達(dá)分析方法；④設(shè)置回歸/相關(guān)系數(shù),；⑤設(shè)置P值,；⑥選擇CEGs合并方式；⑦選擇GO/KEGG,；⑧設(shè)置富集分析P值,；⑨示例數(shù)據(jù)；⑩說明,；?lncRNA表達(dá)矩陣的輸入格式,；?mRNA表達(dá)矩陣的輸入格式；?共表達(dá)分析結(jié)果；?相關(guān)性散點(diǎn)圖,；?富集分析結(jié)果,；?“hsa05212”通路圖

6. Download模塊

介紹到這里，如果你對(duì)這個(gè)數(shù)據(jù)庫(kù)前面的功能不太滿意（比如分析結(jié)果不可下載,、可視化做得不好等）,，那么請(qǐng)直接來到這一模塊。對(duì)于數(shù)據(jù)庫(kù)收錄的241個(gè)數(shù)據(jù)集,，該模塊可提供下載功能,，下載的內(nèi)容包括每個(gè)數(shù)據(jù)集的mRNA表達(dá)譜、lncRNA表達(dá)譜以及共表達(dá)分析結(jié)果,，下載后的數(shù)據(jù)可以通過R語(yǔ)言或者其他工具進(jìn)行進(jìn)一步分析及可視化,。如果正好包括你所研究的數(shù)據(jù)集，那簡(jiǎn)直太方便了,，相當(dāng)于數(shù)據(jù)庫(kù)已經(jīng)分析好了打包放在那里,，你來下載就可以啦。

彩蛋部分

數(shù)據(jù)庫(kù)還有一個(gè)ID Converter模塊,，可以進(jìn)行基因ID的批量轉(zhuǎn)換,，包括Ensembl ID、gene symbol,、Entrez Gene三種,，從此以后又多了一個(gè)可以轉(zhuǎn)換基因ID的工具啦！

文獻(xiàn)示例

目前利用Co-lncRNA數(shù)據(jù)庫(kù)發(fā)表的文章并不多,，這篇文章發(fā)表在《ORAL ONCOLOGY》（IF 3.73）,作者研究的腫瘤是口腔癌，將分析得到的兩個(gè)lncRNA放到了Co-lncRNA數(shù)據(jù)庫(kù)做了功能富集,，并將其中涉及的部分信號(hào)通路進(jìn)行了可視化,，這里用到的是CEGsFuncs模塊的功能（圖12）。

小結(jié)

好啦,，最后總結(jié)一下,，Co-LncRNA數(shù)據(jù)庫(kù)可以對(duì)單個(gè)或者多個(gè)lncRNA進(jìn)行共表達(dá)分析及GO/KEGG富集分析，并進(jìn)行一定程度的可視化,，還支持上傳自己的數(shù)據(jù)進(jìn)行分析,，是一個(gè)傻瓜式操作的lncRNA功能注釋的網(wǎng)站。數(shù)據(jù)庫(kù)提供示例數(shù)據(jù),，趕緊去實(shí)操一波吧,！

放眼望去，近幾年，很多人都有這樣一種感受,，那就是現(xiàn)在的科研要求越來越高,，論文發(fā)表越來越難。

這主要是因?yàn)楫?dāng)前競(jìng)爭(zhēng)越來越大,，優(yōu)質(zhì)科研成果及高水平論文越來越多,，學(xué)術(shù)市場(chǎng)水漲船高。現(xiàn)在,，要想在學(xué)術(shù)生涯獲得良好發(fā)展,，手握高分論文已經(jīng)成了通行證。這不僅是對(duì)科研人員,，對(duì)碩博生們也是如此,。對(duì)于碩博生們來說，優(yōu)質(zhì)的論文更是獲到學(xué)術(shù)自信,，確保順利畢業(yè),、獲得滿意工作的決定因素，根本無(wú)法忽視,。

但是說到這里,，很多人可能就抱怨了：現(xiàn)在發(fā)論文，真的很難很難??！

所以，我很想把一個(gè)優(yōu)質(zhì)的課程推薦給大家!一個(gè)可能改變所有醫(yī)學(xué)生一生的課程,。

10天領(lǐng)悟3分SCI套路

點(diǎn)擊下方

解螺旋服務(wù)號(hào)

免費(fèi)報(bào)名