【生信小工具】如何从一堆差异表达基因中筛选“关键基因”？这个零代码Friends分析工

大家好小云又来分享生信小工具喽~

今天小云分享一种Friends分析的小工具!

 那什么是Friends分析呢？

生信分析中的Friends分析是一种基于网络拓扑结构的分析方法，用于探索基因或蛋白质在生物学过程中的相互关系和作用。该方法可以通过构建基因或蛋白质相互作用网络，利用网络拓扑结构参数计算每个节点的重要性，并进一步分析和预测不同节点在相关生物过程中的功能和调控机制。

 生信文章中也会用到Friends分析

比如下面这篇文章中，关键基因的筛选就用到了Friends分析：

文中Friends分析显示，TNF超家族成员11（TNFSF11）与其他DEGs的相关性最强，因此可能在疾病中发挥关键作用：

Friends分析可以用零代码生信分析在线工具（网址：http://www.biocloudservice.com/home.html ）中的“基于基因功能注释信息挖掘关键作用”模块。

1. 分析原理？

在生信分析中，常见的应用场景就是：从特定蛋白质的功能信息出发，查找与其功能相似或相关的蛋白质，并对这些蛋白质间的关联程度进行比较、量化。这是生物信息学中经常遇到的问题，GO 语义相似度为这种分析提供了可能。通常认为，如果两个基因产物的功能相似，那么他们在GO 中注释的术语（term），在GOtree 中所处的位置就比较相近，反映在语义相似度上，就是他们的语义相似度比较高。

在我们日常分析中，经常能够拿到一大堆的差异表达基因，从里边挑选哪个基因出来进行验证常常让我们感到困扰。通常我们会对差异基因的条目进行富集分析，看看是否富集在某个GOterm 或者KEGG 通路当中。这时候已经对结果进行了相当程度上的清晰化。但是如果富集到的某个我们感兴趣的通路中基因数目依然比较多，那么如何从这些基因中挑选最重要的那个就是个问题。

① 第一个线索是基因的差异改变的程度比较大，但差异改变程度大并不一定代表重要。

② 第二个线索就是该基因的产物与通路上的其它基因产物都有互作，简而言之，该基因编码蛋白的“朋友”比较多的话，那么该基因就可能比较重要。

① 就可能比较重要。

因此这个分析工具通过基于一组基因集，结合各个基因在GO（Gene Ontology，基因本体论）数据库中的功能注释信息，包括分子生物学功能（Molecular Function，MF）、生物学过程（Biological Process，BP）和细胞学组分（Cellular Components，CC），利用基因在MF 本体、BP 本体以及CC 本体下的几何平均值，一个打分值同时包括基因的分子功能、生物学过程和细胞定位三个信息，从而找到该组基因中与其他基因相互作用最强的基因，即关键基因，同时绘制基因与其它基因相似性值的箱式图和云雨图。

分析流程图

2. 具体操作步骤

（1）进入小工具页面后，可以使用说明、常见问题、输入数据模板等选项，点击页面中的”上传数据”。

（2）提示上传数据需要“文件名和格式要和示例数据一致”，可以根据”输入数据模板”整理数据，并上传。

（3）数据整理：点击”输入数据模板”进入以下页面，可以看到给出的模板，点击文件可以在线预览和下载。

（4）制作好数据后，点击“上传文件”，如图显示上传成功。

点击页面最下方的“返回程序主页面”。

点击”运行自有数据”，即可跳转到结果展示页面。

结果会输出一个表格csv 格式文件，三个pdf 格式的图片文件。可以在线预览，也可以直接下载全部结果。

3. 结果展示和解读

（1）friends_box.pdf

该图表示各个基因与其它基因相似性的分布箱式图，从上到下按照相似性大小排序，最上边的基因表示和其它基因相似性最大，为关键基因

（2）friends_raincloud.pdf

该图表示各个基因与其它基因相似性的分布云雨图，从上到下按照相似性大小排序，最上边的基因表示和其它基因相似性最大，为关键基因

（3）friends.pdf

该图是将箱式图和云雨图合并到一张图片中，方便比较

（4）gene_friends.csv

该表格表示各个基因和其它基因之间的相似性，第一列为基因symbol，第二列为相似性度量值

总结

这个小工具通过基于一组基因集，结合各个基因在GO数据库中的功能注释信息，包括分子生物学功能（MF）、生物学过程（BP）和细胞学组分（CC），利用基因在MF 本体、BP 本体以及CC 本体下的几何平均值，一个打分值同时包括基因的分子功能、生物学过程和细胞定位三个信息，从而找到该组基因中与其他基因相互作用最强的基因，即关键基因。

设置参数少，用户只需要输入感兴趣或关注的基因ID 以及对应的基因symbol，软件将自行计算出各个基因和其他基因之间的相似性值，以此来代表与其它基因互作强度，从而找到关键的基因。感兴趣的小伙伴赶紧动手用起来吧！