广东时时彩今天开奖结果
基因的上下游分析是做生物医学研究必要的分析之一,但需要整合各种调控数据库以及多样本基因表达数据,某些研究人员可能无从下手!
您只需要提供感兴趣的基因(或者miRNA,TF)名称,云生信整合全世界权威公共数据库所有样本数据,从众多基因上下游的分析结果中,挑选出与疾病最相关的结果。结果作为实验的理论支持,大大降低实验的假阳性!
 
基因的上下游分析分析内容:
 
1. 转录因子调控靶基因分析(TF-target);
2. microRNA调控靶基因分析(miRNA-Target);
3. 蛋白质与蛋白质相互作用分析(PPI);
4. 其他,例如TF-miRNA、TF-lncRNA、lncRNA-mRNA、miRNA-lncRNA等。
 
云生信整合的全世界权威公共数据库所有样本数据:
 
1. 各个物种的转录调控数据库(TRANSFAC、JASPAR、TRED、PAZAR、AGRIS、RegulateDB、CHIPBASE等);
2. 各种miRNA调控靶基因的算法工具(miRBase、miRWalk、TargetScan、miRanda、PicTar、PITA等);
3. 蛋白互作数据库(如HPRD、STRING、DIP、BioGRID、MINT等);
4. TCGA数据库的RNA-seq、small-RNA-seq等;
5. GEO数据库的基因芯片、miRNAx芯片等。
 
图片可直接使用:
 
云生信团队的分析过程依托于云生信分析平台(www.bioclouservice.com ),获得的分析图片完全达到SCI论文的水平要求,可以直接使用。

 
分析耗时及报价:
 
基因的每种调控分析为1500元,与疾病关联的精确分析为2000元。多个基因或多种调控同时分析还有大优惠!

结直肠癌相关的miR-***的上游和下游调控关系分析样例

分析目的:
通过对结直肠癌公共芯片数据的分析,获得与结直肠癌相关的mir-***调控的上游、下游基因。
分析过程:

1. 公共芯片数据的选择下载。

本分析使用的数据下载自GEO(GSE4****)[1],样本来自1992年至2004年期间在MSK肿瘤中心接受诊治的结直肠癌患者,包括1**例结直肠癌样本,与5*例正常结直肠组织对照。芯片平台使用的是Affymetrix HG-U133A ,能?#24739;?#27979;超过*****个人基因的转录表达水平。

2. 差异表达基因分析

我们使用R软件包Limma[2]中的经验贝叶斯模型识别1**例结直肠癌与5*例正常结直肠组织之间的差异表达基因,以logFC绝对值大于或者等于0.585(相当于1.5倍的平均表达水平改变)和adj.P.Val 小于0.05为基因显著差异表达的阈值。adj.P.Val是Benjamini & Hochberg方法[3]进行多重检验校正的结果。我们一共发?#33267;?22个显著上调基因和653个显著下调基因。

3. miRNA靶基因关系分析

使用miRecord数据库[4]的实验验证数据,以及miRecord数据库的预测数据。其中,miRecord预测工具我们使用了miranda[5],mirtarget2[6],pita[7],rnahybrid[8],targetscan[9]这5?#24615;?#27979;方法进行分析,然后选择预测结果出现4次及以上的关系对作为 miRNA调控靶基因关系对。最后,我们将这些预测得到的靶基因与结直肠癌差异表达基因进行?#24739;?#20998;析,得到了miRNA调控的差异表达基因信息。
miRecord Validated Targets数据库中,经过实验验证的miR-***调控靶基因只有一个结果,即 MTA1基因。miRecord Predicted Targets数据库中,选择大于等于4次的关系对,最终得到了2214个靶基因。
将实验验证结果+预测结果共计2215个靶基因与522个显著上调基因和653个显著下调基因取?#24739;?#21518;,分别得到了49个上调靶基因和58个下调靶基因。如图1所示。

图1 miR-***的靶基因与差异表达基因的venn图
 

4. TF调控miRNA分析

我们使用CHIPbase[10]数据预测分析调控miR-***的转录因子(TF)信息,然后从中筛选出属于差异表达基因的TF。
利用CHIPbase数据库我们得到,调控miR-***的转录因子共有**个,其中属于结直肠癌差异表达基因的共有2个,即MYC,CEBPB。

5. 构建整合网络图。

结合miR-***的上游和下游分析结果,使用cytoscape[11]软件做图,结果如图2所示。
 

图2 整合网络图。菱形代表转录因子(TF);六边形代表miRNA;椭圆代表靶基因。红色代表差异上调基因,绿色代表差异下调基因。

结论

通过以上的分析,我们能够得到与疾病(结直肠癌)相关的差异表达基因列表,miR-***调控的靶基因以及被调控的转录因子,并从?#35874;?#24471;与结直肠癌相关的miR-***的上游和下游关系。 我们可以从?#35874;?#24471;重要的转录因子,并挑选合适的靶基因。

参考文献

1.Sheffer, M., et al., Association of survival and disease progression with chromosomal instability: a genomic exploration of colorectal cancer. Proceedings of the National Academy of Sciences of the United States of America, 2009. 106(17): p. 7131-6.
2.Smyth, G.K., Limma: linear models for microarray data, in Bioinformatics and Computational Biology Solutions Using {R} and Bioconductor, R.G.a.V.C.a.S.D.a.R.I.a.W. Huber, Editor. 2005, Springer: New York. p. 397--420.
3.Benjamini, Y.H., Yosef Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society, Series B, 1995. 57(1): p. 289-300.
4.Xiao, F., et al., miRecords: an integrated resource for microRNA-target interactions. Nucleic acids research, 2009. 37(Database issue): p. D105-10.
5.John, B., et al., Human MicroRNA targets. PLoS biology, 2004. 2(11): p. e363.
6.Wang, X., miRDB: a microRNA target prediction and functional annotation database with a wiki interface. RNA, 2008. 14(6): p. 1012-7.
7.Kertesz, M., et al., The role of site accessibility in microRNA target recognition. Nature genetics, 2007. 39(10): p. 1278-84.
8.Kruger, J. and M. Rehmsmeier, RNAhybrid: microRNA target prediction easy, fast and flexible. Nucleic Acids Res, 2006. 34(Web Server issue): p. W451-4.
9.Agarwal, V., et al., Predicting effective microRNA target sites in mammalian mRNAs. Elife, 2015. 4.
10.Yang, J.H., et al., ChIPBase: a database for decoding the transcriptional regulation of long non-coding RNA and microRNA genes from ChIP-Seq data. Nucleic Acids Res, 2013. 41(Database issue): p. D177-87.
11.Smoot, M.E., et al., Cytoscape 2.8: new features for data integration and network visualization. Bioinformatics, 2011. 27(3): p. 431-432.

基因的上下游分析

基因的上下游分析是做生物医学研究必要的分析之一,但需要整合各种调控数据库以及多样本基因表达数据,某些研究人员可能无从下手! 您只需要提供感兴趣的基因(或者miRNA,TF)


联系我们

扫描二维码分享到微信

广东时时彩今天开奖结果