上次介绍了如何用基因功能（GO）和信号通路（Pathway）分析来缩小差异基因范围。那如何筛选出核心Pathway呢？
信号通路是一个相互作用网络，核心Pathway主导了疾病变化过程，是影响其他信号通路的枢纽。找到核心Pathway，我们就找到了疾病的关键因素。
在上次案例中，作者用表达谱研究非吸烟肺癌患者的致癌机制时，通过p值大小选择了最显著的三条通路作为候选研究方向。今天我们用这批数据GSE19804来看看如何用Path-net 找到其中的核心通路。
Path-net，即Pathway Relation Network，是基于KEGG数据库中信号通路的上下游关系，构建的通路之间的相互作用网络图。
Path-net示意图如下，每个点代表一个通路，箭头表示通路之间的上下游关系。通过Path-net，我们可以直观判断哪些是核心通路。
ps：图来自GCBI在线实验室Path-net分析
小编在GCBI样本库中找了GSE19804数据，在GCBI在线实验室中首先做了差异基因和pathway分析，并用显著性的pathway进一步做了Path-net，分析结果有两种形式展示，分别为表格和图形。
在Path-net的网络图中，看三个要素，点的大学，颜色及箭头。点的大小代表degree值，点越大代表通路越核心。颜色反映了通路中差异表达基因的情况，红色代表差异基因全部上调，蓝色代表下调，黄色代表既有上调又有下调，若是多分组情况，差异基因不分上下调，用紫色表示。箭头反应了通路之间的上下游关系。
信号通路属性表格统计了某个通路与其他通路的连接数及通路中差异基因的上下调。
Outdegree表示某个Pathway下游通路数目，Indegree表示其上游通路数目，Degree则表示上下游通路数目的总和。Degree值越大代表Pathway越靠近网络图的中心，即越核心。最后一列Pathway Feature代表通路中差异基因的上下调情况，down代表全部下调，up代表全部上调，down|up代表其中既有上调又有下调。
小编此次分析共得到44条相互作用通路，从上表可以看出处于核心的三条通路分别是MAPK signaling pathway，Apoptosis和pathway in cancer。
信号通路相互作用关系表直接列出了对应的上游通路（source pathway）和下游通路（target pathway）。
从表格中可以提取到三方面的信息，核心程度degree，通路中基因上下调情况及通路上下游关系。
path-net用degree来反应pathway的核心程度，具体研究可结合实验背景用degree值来衡量相关通路，并理清其上下游通路。当通路太多时可根据p值对pathway进行二次过滤。
用的数据来自非吸烟肺癌患者的致癌机制研究，所以锁定了degree值排名第三的pathway in cancer，并得到了如下以pathway in cancer为中心的太阳图（外周为其上下游通路）。
怎么做Path-net呢？注册GCBI，即可在GCBI在线实验室分析。
在GCBI在线实验室中很简单，建立方案，在pathway后面加载网络分析模块，右边选择pathwayRelationNetwork，点击运行即可。
注：一般显著性信号通路数量建议控制在20-100个左右，数量太少可能会由于信号通路的上下游关系太少连不成网络图，数量太多网络图太大，不便于后续挑选。
三步即可，勾选出核心pathway，在关注通路里点击太阳图，点重新布局即可。可点击显示标签或者隐藏标签来设置是否显示通路名称。
关于表达谱研究中如何挑选目标基因，我们分别从差异基因结果解读、GO和pathway分析，和path-net分析来切入，总结一下整体思路：
本文由 GCBI学院 作者：其明技术专家 发表，转载请注明来源！
