ARACNE算法从表达谱数据中推断基因调控网络

2022年在圣母大学组织的关于网络生物学未来方向的研讨会上，生物网络的推理和比较作为重要的研究方向，越来越多的被用于标记物的筛选与分子机制的研究。最近比较火热的viper实现单细胞蛋白活性推断，也是基于ARACNE算法构建的调控网络。

Reconstruction of Accurate Cellular Networks（ARACNE）算法于2006年发表在BMC Bioinformatics杂志,其升级版ARACNE-AP于2016年发表在Bioinformatics杂志，具体信息可以查询（https://github.com/califano-lab/ARACNe-AP）

一．程序输入

    程序输入主要包括表达谱矩阵与转录因子列表，表达谱矩阵按照列为基因名字，行为样本名字，其他为表达值（比如RPKM），转录因子列表为一列转录因子的名字。

二、程序分析

主要分为3个步骤：

1.计算 相互信息（MI）阈值

    java -jar -Xmx5G ARACNe-AP/dist/aracne.jar -e TCGA-STAD.txt -o ARACNe --tfs human_tf.txt --pvalue 1E-8 --seed 1 --calculateThreshold

会输出

    Finding threshold for 375 samples

    Parameters for fitted threshold function: 

    [0.06920274338285985, 6.225412313393141E-6]

    MI threshold: 0.07966707223888007

2.循环100次抽样筛选显著的MI

    for i in {1..100};do java -jar -Xmx5G ARACNe-AP/dist/aracne.jar -e TCGA-STAD.txt

-o ARACNe --tfs human_tf.txt --pvalue 1E-8 --seed $i --threads 64 ;done

3.进行一致性统计分析，筛选显著的Network

    java -jar -Xmx5G ARACNe-AP/dist/aracne.jar  -o ARACNe --consolidate --threads 60

三、程序输出

    输出结果包括三列，第一列为调控因子，第二列为靶基因，第三列为MI值，第四列为Pvalue值。

四、结果应用

    ARACNE-AP计算的结果文件可以用于viper R包aracne2regulon函数进行调用。