基因表达分析工具--CLUE

生信草堂 · 公众号 · · 2017-11-01 18:00

正文

图片1.png

“

生信草堂

将会与更多的优秀微信公众号合作，把最优秀的微信推文呈现给大家，希望可以帮助读者更多的了解生信技术，培养和提高读者的生信分析能力！

号外，号外，号外

你想和生信分析大神做好朋友么？

你想认识更多爱好生信分析的小伙伴么？

你想让自己的生信分析走上快车道么？

那就赶快加入我们的生信交流微信群吧！

正确加入我们的模式是：

添加我们的微信bioinformatics88为好友

标注“加入生信草堂交流群”

在群里请大家注明自己本名，单位，研究领域

便于小编管理

导读

当你通过转录组测序或者芯片分析得到差异表达的基因后，你该怎么办，如何进行进一步的分析是个头疼的事情。今天，小编给大家介绍一个可以对表达上下调的基因进行系统分析的在线工具—CLUE（Connectivity Map Linked User Environment）。

首先，我们先来了解一下背景。LINCS，全称是Library of Integrated Network-Based Cellular Signatures，是由美国国立卫生研究院（National Institutes of Health，NIH）资助的一个项目（http://www.lincsproject.org/LINCS/）。该项目旨在通过与公共数据库比较在实验处理或疾病状态下基因表达或生物学过程的改变，从而帮助我们获得更详细的对所改变的细胞信号通路的认识，进而寻找相关的治疗方法或找出一些生物标记物。

我们今天要讲的是其中的一个分支，即LINCS Transcriptomics。这一部分是基于LINCS L1000数据库，对一组表达上下调的基因进行进一步分析。LINCS L1000是一个完整的基因表达数据库，该数据库是使用20,000余种小分子化合物、基因过表达和基因敲减等处理人的细胞系后得到的一个集合。基于该数据库，我们可以将自己感兴趣的基因集合输入，进而获得与所输入的基因集有相似作用的基因或与我们的实验处理存在相似作用的化合物。在结果中，会通过相似性的分值进行排名，分值越高，相似性越高；反之，负数分值则表明存在相反的作用，分值越低，相反的作用越明显。结果主要分为三个部分：过表达基因、敲减基因和小分子化合物。将我们输入的基因与数据库比较后，可以获得是否有基因过表达或敲除实验得到了相似的结果？是否有一些小分子化合物和我们的处理或疾病模型有相似的作用？如果有，在哪些细胞系中已有研究？诸如此类的问题将会在结果中展现出。

说了这么多原理，其实操作是很简单的，只要登录在线客户端即可，网址是https://clue.io/。要想使用，当然首先要注册新账户了。注册并登录之后，你就可以从Tools中找到Query，然后就会出现如下界面了。

接下来，首先给你准备分析的这组基因或这个项目起个名（这个将在结果中显示），然后在左侧框中输入我们前期发现的上调的基因，右侧框中输入下调的基因，最多150个，最后submit即可。请看如下例子：

等待一段时间后，结果将在Tools--History中显示，点击Heatmap即可显示出所有预测出的结果。结果列表可以导出，文件格式为.gct，可以用Excel打开。结果中主要包括三部分内容：Compound（CP），Gene Knock-Down（KD），Gene Over-Expression（OE）。这些基因是与所输入的基因直接相关的基因，可做进一步分析。根据Summary列的分值或者每个细胞系下对应的分值，可以得出排名。而Compound是指这些化合物可能与我们的实验处理有相似的作用，因而可以进一步验证这些Compound的作用。很多情况下，这些Compounds属于一些通路或受体的抑制剂或者激活剂，这为下一步进行验证提供方向。

好了，赶紧找你的基因输入进去试试吧。

参考文献：

1.Lamb J, Crawford ED, Peck D, Modell JW, Blat IC, Wrobel MJ, Lerner J, Brunet JP, Subramanian A, Ross KN et al: The Connectivity Map: using gene-expression signatures to connect small molecules, genes, and disease. Science (New York, NY) 2006, 313(5795):1929-1935.

2. Subramanian A, Narayan R, Corsello SM, Peck DD, Natoli TE, Lu X, Gould J, Davis JF, Tubelli AA, Asiedu JK et al: A Next Generation Connectivity Map: L1000 Platform And The First 1,000,000 Profiles. bioRxiv 2017.