差异共表达dcgl分析上海丰核信息科技有限公司

_上海丰核 SCI 论文发表，基金申请，实验外包 4000-331-887差异共表达分析 DCGL宣传画册目前，对基因的表达数据分析方法众多，常 规的如差异表达基因对比、聚 类等，但越来越多的研究认为 只是 寻找在不同条件下表达量有显著差异的基因并不能准确地反映出基因间的共同作用关系，而找出一 组在不同状态下基因间表达谱有相同性质、共同协作的基因群更能核心的反映出不同条件下基因间的相互作用关系，即差异共表达基因。分析差异共表达基因的工具也各有千秋，我运用了 R 语言中分析差异共表达网络的数据包 DCGL 进行差异共表达分析。通 过对 疾病芯片数据的预处理及综合整理，利用 R 软件的 DCGL 包对数据进行计算，得到差异共表达基因（DCGs）和差异共表达关系（DCLs ）数据（图 2）。然后，我 们对这些数据分别进行生物信息学分析。主要的分析方法有：差异共表达基因的功能富集分析（图 1）、差异共表达关系与已知转录调控关系的 overlap 分析（表 1）、构建差异共表达调控网络分析及疾病重要潜在基因的分析（图 3）等等。本流程中涉及的软件或者工具有：R 软件、 Perl、DAVID 工具、cytoscape 软件等；涉及的数据库有：NCBI GEO、TRANSFAC、KEGG PATHWAY 等；涉及的R 语言包有：Affy 、limma、DCGL 等。本流程可以分析的内容包括：1. 疾病：例如各种癌症，例如肝癌、胃癌、肺癌、乳腺癌等等；皮肤科疾病；_上海丰核 SCI 论文发表，基金申请，实验外包 4000-331-887儿科疾病；消化科疾病；心血管脑血管疾病；眼科疾病等等。2. 药物处理：例如某种药物处理样本前后分析。3. 其他方向：部分植物病变等。DCGL 分析流程图_上海丰核 SCI 论文发表，基金申请，实验外包 4000-331-887图 1 差异共表达基因（DCGs）的显著性代谢通路。横坐标代表富集的基因个数，纵坐标代表代谢通路的名称。表 1 DCLs 中包含的已知的转录调控关系TF Target cor.1 cor.2 cor.diffFLI1 CDKN1A-0.5931016120.7010606231.294162235ETS2 PLAU 7.12E-01 -0.5134132111.225511357HIF1A NR4A1 0.79000137 -0.4326707771.222672148_上海丰核 SCI 论文发表，基金申请，实验外包 4000-331-887PPARG ATP2A20.448097377-0.7213086571.169406033LEF1 VIM 0.484138641-0.6056842981.089822939ETS2 JUNB 0.735807964-0.3374065321.073214496ETV4 VIM 0.485632699-0.4912088150.976841514JUND PLAU 6.27E-01 0.0381429720.588792142ETS2 MMP9 0.6195963430.05290016 0.566696183VDR CDKN1A0.4977624620.0343281930.463434268注：TF 指转录因子，Target 指 Target gene，cor.1, cor2 分别代表 TF 和 Gene 的最大绝对相关系数（max absolute correlation）。cor.diff 指 cor.1 与 cor.2 差的绝对值。_上海丰核 SCI 论文发表，基金申请，实验外包 4000-331-887图 2. 差异共表达基因的最大绝对相关系数与相关系数比率关系散点图_上海丰核 SCI 论文发表，基金申请，实验外包 4000-331-887图 3 转录调 控网络图。图中菱形代表 TF，圆形代表 Target gene，黄点代表差异共表达基因，粉点代表非差异共表达基因，红边代表 DCLs 中包含的 3 个关系对，黑边代表已知的转录调控关系对参考文献：1. Lee, H.K., et al., Coexpression analysis of human genes across many microarray data sets. Genome Res, 2004. 14(6): p. 1085-94._上海丰核 SCI 论文发表，基金申请，实验外包 4000-331-8872. Stuart, J.M., et al., A gene-coexpression network for global discovery of conserved genetic modules. Science, 2003. 302(5643): p. 249-55.3. Yu, H., et al., Link-based quantitative methods to identify differentially coexpressed genes and gene pairs. BMC Bioinformatics, 2011. 12: p. 315.4. Liu, B.H., et al., DCGL: an R package for identifying differentially coexpressed genes and links from gene expression microarray data. Bioinformatics, 2010. 26(20): p. 2637-8.6. Irizarry, R.A., et al., Exploration, normalization, and summaries of high density oligonucleotide array probe level data. Biostatistics, 2003. 4(2): p. 249-64.7. Diboun, I., et al., Microarray analysis after RNA amplification can detect pronounced differences in gene expression using limma. BMC genomics, 2006. 7: p. 252.8. Kanehisa, M. and S. Goto, KEGG: kyoto encyclopedia of genes and genomes. Nucleic acids research, 2000. 28(1): p. 27-30.9. Huang da, W., et al., The DAVID Gene Functional Classification Tool: a novel biological module-centric algorithm to functionally analyze large gene lists. Genome biology, 2007. 8(9): p. R183.10. Wingender, E., et al., TRANSFAC: an integrated system for gene expression regulation. Nucleic acids resea