在生物信息学研究中，深入剖析基因功能及相关生物通路是理解生命活动机制的关键。Reactome数据库作为生物通路研究的重要资源，不仅提供了丰富的通路注释信息，还具备强大的分析功能，能助力科研人员从不同角度挖掘数据价值。
上一篇内容为大家介绍了Reactome的访问与查询下载数据功能，没看过的小伙伴可以跳转信号通路数据库—Reactome入门教程：如何访问与高效查询！查看哦。本篇将继续详细介绍 Reactome 数据库的主要分析功能及其使用方法
核心分析功能框架
进入Reactome（https://reactome.org/）主页，点击Analysis Tools即可进入分析功能页面。
Reactome的分析功能可分为四大类：
1. 通路富集分析：识别基因/蛋白列表显著富集的生物学通路
2. 表达数据分析：将组学数据映射到通路网络进行可视化解读
3. 比较基因组学分析：跨物种通路保守性比较
4. 组织分布分析：查看不同人类组织通路中的RNA/蛋白质表达
通路富集分析
Reactome 的基因列表分析功能可用于探究一组蛋白质或小分子标识符，无论是否带有表达数据。其分析涵盖过表达分析与通路拓扑分析。
输入格式
定性数据：数据应为单列的标识符，如 UniProt ID、基因符号或 ChEBI ID 等。这些标识符会与 Reactome 通路匹配，以检测是否存在过表达情况及通路拓扑结构。
定量数据：除了标识符列，还需包含一列或多列数值（表达量或剂量反应值等）。系统会识别此类数据为定量数据，除了进行过表达分析，还会基于数值生成彩色覆盖图，直观展示在 Reactome 通路图中的数据分布。
提交过程可识别多种类型的标识符，并在预分析阶段将其映射到 Reactome 分子。理想的标识符选择为：蛋白质用 UniProt ID，小分子用 ChEBI ID，DNA/RNA 分子用 HGNC 基因符号或 Ensembl ID。此外，还有众多其他标识符也能被识别和映射。默认情况下，所有非人类标识符会转换为人类等效物，但如果想使用非人类标识符搜索非人类 Reactome 通路，可取消勾选相应选项。
用户上传自己的基因列表后，识别通过的基因富集通路会展示在通路浏览器下方，点击可进行详情查看。
表达数据分析（Reactome GSA）
Reactome GSA 是集成在 Reactome 生态系统中的新通路分析工具，其主要特点是进行定量通路分析（即基因集分析），可直接在通路层面提升差异表达分析的统计效力，还能同时分析多个数据集，实现比较通路分析，便于快速评估在独立实验或研究中是否观察到相同效应。目前，该工具支持定量蛋白质组学、转录组学和微阵列数据，且可将这些不同方法获得的数据集在单个分析中组合，进行多组学通路分析。
算法选择：在 Reactome 通路浏览器的 “Analyze Gene Expression” 选项卡下，需先选择用于差异通路分析的算法。目前提供三种算法，PADOG 和 Camera 可在两组样本间进行差异表达分析，ssGSEA 则是一种基因集变异方法，可返回每个样本的通路水平定量数据。
数据上传：选择 “Select a file from a local folder” 下的选项上传数据。文件必须是制表符分隔的文本文件（CSV 或 TSV 格式），第一列包含基因或蛋白质标识符，后续列对应各个样本，第一行是样本名称，后续行是基因 / 蛋白质。
测试数据加载：为方便测试工具，Reactome GSA 提供了两个黑色素瘤相关 B 细胞的（匹配）数据集（蛋白质组学和转录组学测量），也可上传本地数据，或是根据物种、关键词检索公共数据集。
用户可以使用这些选项选择您希望从分析中获得的输出类型，并通过在下面提供邮箱地址，在分析结束时收到邮件提醒。
分析完成后，即可点击Results查看分析结果。
结果展示于通路浏览器下方，可点击查看具体的通路数据。
比较基因组学分析
该工具可用于将人类途径与从反应本体推断出的其他物种进行比较。
使用物种选择器选择其他物种，然后单击“Go”按钮进行比较。
例如，此处我们将人类与小鼠（Mus musculus）进行比较，可得到数据如下。
该功能可用于以下应用场景：
模式生物研究结果向人类转化
进化生物学研究
实验模型选择参考
组织分布分析
该工具可用于查看不同人类组织通路中的RNA/蛋白表达。
使用实验选择器选择数据集，目前仅HPA（E-PROT-3）-Expression Atlas一个数据集可供选择。
使用组织选择器选择所选实验中的所有所需组织类型，单击“GO”按钮以获取结果。
选择后可在通路浏览器中的分析数据中查看具体数据。
通过合理运用 Reactome 数据库的这些分析功能，科研人员能够更深入地解读基因数据，挖掘生物通路背后的奥秘，为生命科学研究提供有力支持。在实际操作过程中，可根据具体研究需求灵活选择合适的分析工具和方法，充分发挥 Reactome 数据库的价值。
【免责声明】发布内容来源于互联网、业内人士投稿以及微信公众号等公开资源，我们对文中观点持中立态度，文中观点不代表本平台的立场。所有文章仅供读者参考和交流使用。转载的文章版权归原作者所有，如有侵权行为，请及时与我们联系以便删除。
