2017年IPA秋季更新

2017-10-15 00:00:00 来源:源资科技市场部

新闻摘要:全新的Analysis Match功能上线!

  全新的Analysis Match功能上线!


Analysis Match

      在2017秋季更新中,进行Core Analysis核心分析时,会自动启用Analysis Match模块。Analysis Match*自动挖掘IPA中其他相似或相反的核心分析的生物学结果进行对比,助力对结果的解释,或从已有的其他生物学机制中挖掘意想不到的潜在信息。Analysis Match将本次分析与之前存在Project Manager中其他的分析,以及公共资源中其他人类和小鼠的表达分析一同进行比对。从Canonical Pathways, Upstream Regulators, Causal Networks和Diseases and Functions四个方向进行比对。


新模块的功能特点:

      通过不同的疾病、组织、治疗方法和其他的生物生物特征建立分析的可信性
      深入了解上游调节,下游表型和生物通路探讨结果在疾病和其他功能的潜在作用
      通过广泛收集的公共数据库轻松获取和评估关键假设

  从IPA的Analysis Match分析结果是从SRA,GEO,Array Express,TCGA以及其他数据库中高度优化和质量控制而收集整理的超过6000个人类和小鼠的疾病及肿瘤的数据集。这些数据是由QIAGEN收购的新公司OmicSoft收集整理的,这些由DiseaseLand和Oncoland产生的对比信息包含了疾病和正常、治疗和非治疗等条件分组的对比信息。

  图1展示了这一新的Analysis Match标签页,示例数据是暴露于焊接烟尘的小鼠肺部的表达数据(IPA-Example Analysis)。图中的结果为在IPA中的OmicSoft库过滤得到的评分最高的结果。在库中的6000多个数据中,125个分析的总得分为> 60%(强相似表达模式)或<- 60%(强相反表达模式)。可以通过多种方式进一步过滤结果,例如通过比较类型、疾病状态、组织等等。在图1中,OmicSoft进行的统一注释语句表能够使Analysis Match结果进行关键词过滤。由于屏幕空间限制,IPA中仅显示了几列。

  Analysis Match分析是根据Canonical Pathways, Upstream Regulators, Causal Networks和Diseases and Functions四个方面创建一次分析的,将本次分析和其他所有分析在以上四个方面一一进行比对,并且计算总平均值。


*Analysis Match需要额外的授权,请联系我们进行申请。

 

图1:Analysis Match分析选项卡。默认情况下,分析是根据整体相似性评分(上面显示的最右栏)从最相似的到最不相似的进行排序。Analysis Match分析是根据Canonical Pathways, Upstream Regulators, Causal Networks和Diseases and Functions四个方面创建一次分析的,将本次分析和其他所有分析在以上四个方面一一进行比对。在上面的图片中,右边的前四个彩色列中的每一个代表了每一个方向与本次分析的百分比相似性。紫红色的颜色表明相似(如图所示)和青色的颜色表明不同(不显示)。第一个得分列(“CP”)是Canonical Pathways,第二个(“UR”)是Upstream Regulators,第三个(CN)是Causal Networks,最后一个(de)用于下游效应(即Diseases and Functions)。上面显示的最后一列是这四个方面匹配的平均值。注意,图中隐藏了默认情况下Analysis Match选项卡中的一些列。

  如图1所示,从库用良好的Analysis Match匹配结果是小鼠肺暴露于热灭活流感病毒表达分析(GSE41684),其在分析的四个方面具有很强的相似性。下一步是在Analysis Match所有分析结果中对所有的分析方向或其中一个方向进行详细的了解,充分理解Canonical Pathways, Upstream Regulators, Causal Networks和Diseases and Functions四个方面相似性评分的细节。在这个例子中,Analysis Match进一步过滤保留了“MouseDisease” 相关的75例分析,并通过点击热图视图按钮创建热图。图2显示了这个热图,行为Canonical Pathways, Upstream Regulators, Causal Networks和Diseases and Functions四个方面,列为75类似的分析案例。橙色或蓝色分别代表了正和负的Z值(表达同向或反向)。

 

图2。揭示四个分析方向相似和差异分析的“热图”。“4 hr lung”分析(首行中粉色高亮)与其他样本的对比结果从四个方面(最左列)进行Z-Score打分。其他参考的分析数据可能并不能获得显著性的Z-Score,行和列是按照Euclidean distance和 average linkage (UPGMA linkage)进行聚类。

  可以直接从热图上选择过滤感兴趣的结果。图3显示了在热图上对上游调控的转录因子的筛选。聚类的行揭示了具有相似的模式的转录因子,而聚类的列揭示了基于转录调节模式的下最密切相关的分析。

 

图3。Analysis Match的热图过滤结果只显示转录因子的上游调控结果。热图提供过滤条件进行深层次的分析。单击列明即可在新窗口中显示分析的原始数据。

  行揭示各分析样本之间有趣的相似性。例如,图4除去不感兴趣的结果后显示药物贝沙罗汀集群与“PPAR/RXR activation” canonical pathway, CR1L,ALDH1A2,SUMO1和ABCB4聚类在一起。贝沙罗汀是RXRA和RXRB激动剂,热图佐证了这一结果。SUMO1是PPAR活性的调节因子,但其他内容并不知道为何聚类为一类,这一结果提供了可能的有意义的调查方向。

 

图4。包含了Canonical Pathways和Upstream Regulators两个方面聚类热图。可能提供相关的有生物学意义的分析结果。

  可以将选定的结果发送到My Pathway中进行进一步分析,例如将节点连接在一起或发现针对它们的药物。

  使用OmicSoft库另一个有价值的方法利用IPA的数据集和分析进行如疾病名称或组织关键词搜索。下面的图5显示了一个不涉及沙丁胺醇albuterol的人类哮喘分析结果。从这些搜索结果中,可以双击打开分析,或选择最多20个结果进行可视化的Comparison Analysis。

 

图5。利用数据集和分析搜索发现感兴趣的结果。使用条件“不涉及沙丁胺醇albuterol的人类哮喘”发现136分析结果在。双击打开一个或创建一个最多20个结果的比较分析。选定的分析(或分析)的元数据显示在搜索屏幕的右侧。

用于分析的OmicSoft数据集存在IPA-Project Manager-Libraries中,如图6所示。注意,这些数据是只读的,不能从IPA导出。

图6。IPA中,OmicSoft库超过6000集的和相应的数据分析。该资源是只读的,不能从IPA导出。


总结:

  将IPA文献分析与因果分析与OmicSoft提供的海量数据相结合,创造了一个独特的方法进行生物数据挖掘。


IPA本次其他重大更新

      Comparison Analysis热图提供了树状图
      从网络和通路能导出chemical IDs
      四个新的Canonical Pathways
      支持Affymetrix的Clariom数据
      从BioPlex 2.0 protein-protein interaction database导入56000条新的Findings
      IPA更新帮助文件


【责任编辑:(Top) 返回页面顶端
Copyright © 2008 - 2020 Tri-ibiotech.com All Right Reserved. | 备案许可证: 沪ICP备11020704.