高通量数据深入分析（之二）
今天我们严肃的讨论一下
如果左手有一组MicroRNA数据
右手有一组mRNA/lncRNA数据
如何利用多组数据
找到核心MicroRNA和重要靶基因
如何分析最近正热门的CeRNA关系
靶基因预测
用倍数法或P值筛选到差异MicroRNA后，第一步要做的就是靶基因预测，靶基因预测数据库很多，常见的有这些：
↑这个用的比较多
↑也不错，但比较慢
↑优势在于可以预测MicroRNA和lncRNA的关系
↑用的也挺多
↑离线版功能强大
相关性分析
靶基因预测结果通常很多，一个MicroRNA对应上千个mRNA的情况很常见，如何减少假阳性率，是靶基因预测的关键，推荐两种方法：
1. 多个数据库取交集，通常用2~3个数据库的共同结果，优点是可以有效减少靶基因数量，缺点是不同数据库算法不同，一不小心，交集靶基因就为0了。
2. 用单一数据库预测结果和mRNA高通量检测结果取交集，找到既受MicroRNA调控又有相应表达变化的靶基因（负相关）。
MicroRNA-Gene调控网络构建
如何在几十个MicroRNA和几千个靶基因中挑选出最重要的调控因子，供下游研究，是MicroRNA分析的难点。
这就需要咱们来构建一个MicroRNA-靶基因调控网络。
首先确定网络中的元素：MicroRNA当然就是用差异MicroRNA，但是靶基因太多，为了避免网络太复杂，变成这样↓
所以，
我们关键问题是如何提剔除冗余mRNA
推荐在构建网络之前先对靶基因进行GO和Pathway富集，选择有显著性（P<0.05）的GO和Pathway中的基因构建网络。
这样可以有效减少靶基因数量。
构建一个正常的调控网络，类似这样↓
然后，利用网络中的特征值
特征值最高的MicroRNA处于网络的枢纽性地位
该MicroRNA调控能力最强
同时找到被MicroRNA调控的关键靶基因
CeRNA分析
CeRNA（competing endogenous RNAs）假说揭示了一种RNA间相互作用的新机制。
已知MicroRNA可以通过结合mRNA导致基因沉默，而ceRNA可以通过竞争性地结合MicroRNA来调节基因表达。ceRNA可以通过应答元件（microRNA response elements，MREs)与microRNA结合从而影响microRNA导致的基因沉默，这揭示了一条RNA→microRNA调节通路的存在，具有重大生物意义。
目前，环状RNA（circRNA）研究很热，但事实上circRNA只占ceRNA的一小部分：
上图是4月4日，Nature Reviews Genetics上发表了一篇题为“Endogenous microRNA sponges: evidence and controversy”的综述。形象的展示了CeRNA的组成。
如何预测CeRNA关系：
如上图所示，咱们以lncRNA为例（也可以是mRNA/circRNA等）展示一下如何筛选CeRNA关系，构建CeRNA调控网络：
首先~
寻找mRNA和lncRNA共同结合的MicroRNA：
mRNA可直接通过靶基因预测数据库查询，lncRNA比较复杂，需要在linux下用miRanda离线版算法进行序列匹配。
做出来是这样的↓
然后~
找到与同一个MicorRNA作用的一对mRNA和lncRNA，LncRNA在这里起到竞争性结合作用，充当MicroRNA海绵。
最后~
剔除冗余CeRNA关系：因为虽然很多mRNA和lncRNA都和同一个MicroRNA有配对关系，但他们在体内没有竞争关系，这种lncRNA并不作为有效的CeRNA，需要在分析中剔除。
方法为通过Co-expression 算法，筛选有正相关关系的mRNA-lncRNA组合。
这样，就找到了准确的CeRNA关系。再把这些关系放进网络中，就可以构建出CeRNA作用网络：
通过图论的方法计算网络中每个CeRNA的权重值，可以找到起核心调控作用的CeRNA 。
最后，推荐一篇CeRNA的经典文献：
今天我们严肃的讨论一下
如果左手有一组MicroRNA数据
右手有一组mRNA/lncRNA数据
如何利用多组数据
找到核心MicroRNA和重要靶基因
如何分析最近正热门的CeRNA关系
靶基因预测
用倍数法或P值筛选到差异MicroRNA后，第一步要做的就是靶基因预测，靶基因预测数据库很多，常见的有这些：
↑这个用的比较多
↑也不错，但比较慢
↑优势在于可以预测MicroRNA和lncRNA的关系
↑用的也挺多
↑离线版功能强大
相关性分析
靶基因预测结果通常很多，一个MicroRNA对应上千个mRNA的情况很常见，如何减少假阳性率，是靶基因预测的关键，推荐两种方法：
1. 多个数据库取交集，通常用2~3个数据库的共同结果，优点是可以有效减少靶基因数量，缺点是不同数据库算法不同，一不小心，交集靶基因就为0了。
2. 用单一数据库预测结果和mRNA高通量检测结果取交集，找到既受MicroRNA调控又有相应表达变化的靶基因（负相关）。
MicroRNA-Gene调控网络构建
如何在几十个MicroRNA和几千个靶基因中挑选出最重要的调控因子，供下游研究，是MicroRNA分析的难点。
这就需要咱们来构建一个MicroRNA-靶基因调控网络。
首先确定网络中的元素：MicroRNA当然就是用差异MicroRNA，但是靶基因太多，为了避免网络太复杂，变成这样↓
所以，
我们关键问题是如何提剔除冗余mRNA
推荐在构建网络之前先对靶基因进行GO和Pathway富集，选择有显著性（P<0.05）的GO和Pathway中的基因构建网络。
这样可以有效减少靶基因数量。
构建一个正常的调控网络，类似这样↓
然后，利用网络中的特征值
特征值最高的MicroRNA处于网络的枢纽性地位
该MicroRNA调控能力最强
同时找到被MicroRNA调控的关键靶基因
CeRNA分析
CeRNA（competing endogenous RNAs）假说揭示了一种RNA间相互作用的新机制。
已知MicroRNA可以通过结合mRNA导致基因沉默，而ceRNA可以通过竞争性地结合MicroRNA来调节基因表达。ceRNA可以通过应答元件（microRNA response elements，MREs)与microRNA结合从而影响microRNA导致的基因沉默，这揭示了一条RNA→microRNA调节通路的存在，具有重大生物意义。
目前，环状RNA（circRNA）研究很热，但事实上circRNA只占ceRNA的一小部分：
上图是4月4日，Nature Reviews Genetics上发表了一篇题为“Endogenous microRNA sponges: evidence and controversy”的综述。形象的展示了CeRNA的组成。
如何预测CeRNA关系：
如上图所示，咱们以lncRNA为例（也可以是mRNA/circRNA等）展示一下如何筛选CeRNA关系，构建CeRNA调控网络：
首先~
寻找mRNA和lncRNA共同结合的MicroRNA：
mRNA可直接通过靶基因预测数据库查询，lncRNA比较复杂，需要在linux下用miRanda离线版算法进行序列匹配。
做出来是这样的↓
然后~
找到与同一个MicorRNA作用的一对mRNA和lncRNA，LncRNA在这里起到竞争性结合作用，充当MicroRNA海绵。
最后~
剔除冗余CeRNA关系：因为虽然很多mRNA和lncRNA都和同一个MicroRNA有配对关系，但他们在体内没有竞争关系，这种lncRNA并不作为有效的CeRNA，需要在分析中剔除。
方法为通过Co-expression 算法，筛选有正相关关系的mRNA-lncRNA组合。
这样，就找到了准确的CeRNA关系。再把这些关系放进网络中，就可以构建出CeRNA作用网络：
通过图论的方法计算网络中每个CeRNA的权重值，可以找到起核心调控作用的CeRNA 。
最后，推荐一篇CeRNA的经典文献：
