2018-09-25
根據客(ke)戶(hu)提供(gong)差異(yi)基因（轉錄(lu)本），差異(yi)蛋白，差異(yi)代謝物可進行如(ru)下關聯分析：
方案一 轉錄(lu)組與蛋白質組關聯分析
方(fang)案二 轉錄組(zu)與代謝組(zu)關聯(lian)分(fen)析
方案三 蛋(dan)白質組(zu)與代謝組(zu)關聯(lian)分析
方案四 轉錄組(zu)、蛋(dan)白質組(zu)與(yu)代謝組(zu)三者關聯網(wang)絡分(fen)析
方案五 代謝組-微(wei)生物多樣性聯合分(fen)析
方案一 轉錄組與蛋白質(zhi)組聯合分析示例(li)
1.1 mRNA與蛋白表達相關性(xing)分(fen)析
將所有的(de)差(cha)異表達(da)蛋白的(de) mRNA 表達(da)量(liang)計算出來，比(bi)較兩者之(zhi)間(jian)的(de)相關性。我們將(jiang)基因和蛋白能(neng)夠完全對應，表達趨勢完全一致(zhi)的列出：
Fig.1 差異蛋白與差異基因(yin)表(biao)達相關(guan)性分析
1.2 差異基因與差異蛋白 pathway 分(fen)析
將差(cha)異基因與差(cha)異蛋白同時使用 GenMAPP v2.1 向(xiang) KEGG pathway 數(shu)據庫映射， 獲得(de)他們的(de)共同的(de) pathway 信息。
Fig.2 差異基(ji)因與差異蛋白 pathway 圖，帶☆的是(shi)(shi)蛋白，紅(hong)色的是(shi)(shi)上調，藍色的是(shi)(shi)下調
1.3 差異基因與差異蛋(dan)白互作網絡構建(jian)
整(zheng)合構(gou)建(jian) mRNA 與 protein 互作(zuo)網絡如下：
Fig.3 差異基因與差異蛋(dan)白整合調控(kong)網絡構建，圓點是基因，矩(ju)形點是蛋(dan)白
方案二 轉錄組(zu)與代謝組(zu)聯(lian)合(he)分析示(shi)例
2.1 mRNA 與代謝物表達(da)相(xiang)關性分析
將所有的差異(yi)表達代謝物的酶基(ji)因對(dui)應 mRNA 表達量計算出來(lai)，比較兩(liang)者之間的(de)相關性。我們(men)將(jiang)基因和代謝物能(neng)夠完全(quan)對應，表達趨勢(shi)完全(quan)一致的(de)列出：
Fig.4 差異(yi)代謝(xie)物(wu)與差異(yi)基(ji)因表(biao)達(da)相關性分析
2.2 差(cha)異基因與(yu)差(cha)異代(dai)謝物 pathway 分析
將差異基因與差異代謝物同時使用(yong) GenMAPP v2.1 向 KEGG pathway 數據(ju)庫映射，獲得他(ta)們的共同的 pathway信息。
Fig.5 差異(yi)基因(yin)與差異(yi)代(dai)謝物 pathway 圖，圓點是代(dai)謝物，長方形是酶基因(yin)
2.3 差(cha)異(yi)基因與差(cha)異(yi)代謝(xie)物互作網絡構(gou)建整合構建 mRNA 與代謝物互(hu)作網絡如下：
Fig.6 差(cha)異基因(yin)與差(cha)異代謝物整合調控網(wang)絡構(gou)建，長方形是基因(yin)，橢圓是代謝物
方案三 蛋(dan)白(bai)組與代(dai)謝組聯(lian)合(he)分析示例
參考轉錄組與(yu)代謝組關聯分析
方案四(si) 轉錄(lu)組、蛋(dan)白組與代謝組聯合分析示例
綜合上述得到的(de)基因、蛋白與代謝之(zhi)間的(de)調控關系，構建三者的(de)調控網(wang)絡。
Fig7. IPA 軟件構建的基因(yin)、蛋白、代謝物互作(zuo)網絡
Fig8. metscape 軟件構建(jian)的基因、蛋(dan)白、代(dai)謝物互作網(wang)絡
方案五 代謝(xie)組(zu)-微生物多樣性聯合(he)分析示例(li)
1. Mantel test
用于檢驗來源于相同樣本集的兩個距離矩陣間的相關性強弱。
第一和第二列(lie)為用于相關性檢驗的(de)兩套數據所(suo)對應的(de)距離矩陣；
第三列為(wei)樣本量；
第四列為(wei)Mantel檢驗得到的(de)(de)相(xiang)關(guan)系(xi)數(shu)r，r的(de)(de)絕對值越接近(jin)1，表(biao)明兩套數(shu)據間的(de)(de)相(xiang)關(guan)性越高(gao)； 第五列為(wei)P值，P值越接近(jin)于零，表(biao)明相(xiang)關(guan)性檢驗的(de)(de)統(tong)計顯(xian)著(zhu)性越高(gao)，結(jie)果越可靠；
第(di)六列為置換檢驗(yan)的次數；第(di)七列表(biao)明檢驗(yan)類型為單側(ce)或雙側(ce)檢驗(yan)。
2. Procrustes分析
可以通過計算各樣本在兩套數據上的間距平方和（M2），來量化兩套數據的一致性高低。還可以對樣本進行置換檢驗，從而評估兩套數據之間相似度的統計顯著性。
Fig9.Procrustes 分析結果的三維排序圖(tu)
3. CIA 協慣量分(fen)析
Fig10.CIA 分析結(jie)果的二維排序圖
參考文獻
[1] Sunia A. Trauger,Ewa Kalisak ,J,Gary Siuzdak et. al.Correlating theTranscriptome, Proteome, and Metabolome in the Environmental Adaptation of aHyperthermophile. Journal of Proteome Research 2008, 7, 1027–1035 1027.
[2] Cho K et al. Integrated transcriptomics, proteomics, and metabolomicsanalyses to survey ozone responses in the leaves of rice seedling. J ProteomeRes. 2008Jul;7(7):2980-98.
[3] Coen M et al. Integrated application of transcriptomics and metabonomics yields new insight into the toxicity due to paracetamol in the mouse. J Pharm Biomed Anal. 2004 Apr 1;35(1):93-105.
[4] Espinoza C et al. Interaction with diurnal and circadian regulation resultsin dynamic metabolic and transcriptional changes during cold acclimation in Arabidopsis. PLoS One. 2010 Nov 23;5(11):e14101.
[5] Bono H et al. Comprehensive analysis of the mouse metabolome based on the transcriptome. Genome Res. 2003 Jun;13(6B):1345-9.
[6] Kanani H et al. Individual vs. combinatorial effect of elevated CO2conditions and salinity stress on Arabidopsis thaliana liquid cultures:comparing the early
[7] Mantel, N., The Detection of Disease Clustering and a Generalized Regression Approach. Cancer Research, 1967. 27(2 Part 1): p. 209-220.
[8]Gower, J.C., Generalized procrustes analysis. Psychometrika, 1975. 40(1): p. 33-51.
[9]Dray, S., D. Chessel, and J. Thioulouse, Co-inertia analysis and the linking of ecological data tables.Ecology, 2003. 84(11): p. 3078-3089.
