新春來臨之際~

BIOTREE預祝大家新春快樂~~

基因組學常規(guī)流程中通過實驗樣本組與組之間的比較得到成千上百的差異基因，再通過通路分析，從生物學角度探究差異基因的功能。但是常規(guī)的ORA、FCS方法往往忽視了基因在通路中復雜的相互作用關(guān)系，所以給大家介紹一種考慮更周全的分析方法SPIA。

SPIA整合了差異倍數(shù)、基因集顯著性和拓撲分析，為每條通路計算一個總體概率值PG。其與過表達分析（ORA）以及功能集打分（FCS）分析相比，具有以下優(yōu)點：

1. 不僅關(guān)注通路中的基因集，而且更重視基因在通路中的位置信息。

2. 充分考慮到擁有多種功能并且以不同角色參與到多條通路中的基因。

3. 除此之外，該方法還利用了通路的拓撲結(jié)構(gòu)進行分析。

使用 PNDE 和 PPERT 分別代表富集分析（ORA）和拓撲分析(PT)的p值，假設(shè)有一條涉及6個基因的通路（如下圖），圖a和圖b均有兩個基因映射到該通路上，圖1a是基因B與基因F，圖1b中是基因A與基因B；顯然圖1a中的兩個差異基因?qū)�這個通路的影響沒有圖1b中的大，但是使用富集分析計算出來的p值卻相等。SPIA分析出的結(jié)果能很好的刻畫這種不同（下圖PPERT值的差異）。

圖1 PPERT值的差異
 

SPIA選擇域直觀展示

如圖2，左上角x軸是PNDE，y軸是PPERT，如果單獨有兩個維度選擇顯著通路，PNDE選擇區(qū)域2、3、6；PPERT選擇區(qū)域1，2，4；SPIA選擇1、2、3、5。

圖2 SPIA選擇域直觀展示
 

SPIA與GSEA相比更有敏感性；與ORA相比有更好的特異性以及更好的通路排名。

歷年被引用數(shù)：

組學應用參考案例：

1. Hoyles L, Fernández-Real JM, Federici M, Serino M, Abbott J, Charpentier J, Heymes C, Latorre Luque J, Anthony E, Barton RH, Chilloux J, Myridakis A, Martinez- Gili L, Moreno-Navarrete JM, Benhamed F, Azalbert V, Blasco-Baque V, Puig J, Xifra G, Ricart W, Tomlinson C, Woodbridge M, Cardellini M, Davato F, Cardolini I, Porzio O, Gentileschi P, Lopez F, Foufelle F, Butcher SA, Holmes E, Nicholson JK, Postic C, Burcelin R, Dumas ME (2018) Molecular phenomics and metagenomics of hepatic steatosis in non-diabetic obese women. Nat Med 24(7):1070–1080 （IF=30.641）

2. Riikka H.， Juan C. Landoni， Kati J. Ahlqvist， et al. Defects in mtDNA replication challenge nuclear genome stability through nucleotide depletion and provide a unifying mechanism for mouse progerias， Nature Metabolism (2019). DOI：10.1038/s42255-019-0120-1 （2019年Nature的新刊）