当前位置：首页 > news >正文

20W+喜爱的Pathview网页版 | 整合表达谱数据KEGG通路可视化

news 来源：原创 2024/9/20 23:43:01

Pathview网站简介

网址：https://pathview.uncc.edu/

前段时间介绍了一个R包 — Pathview。它可以整合表达谱数据并可视化KEGG通路，操作是先自动下载KEGG官网上的通路图，然后整合输入数据对通路图进行再次渲染。从而对KEGG通路图进行一定程度的个性化处理，并且丰富展示信息。

Pathview包6大功能分别是：化合物和基因集同时绘制在通路上，多状态或样本同时或分开绘制，展示离散数据标记上下调或是否存在，不同来源的ID的转换和映射，不同物种使用时名称的处理和未注释物种的处理（直接用于宏基因组或微生物组数据）。具体见Pathview包：整合表达谱数据可视化KEGG通路

Pathview网站是在该包的基础上，对一些核心功能进行延伸：

简单直观的图形使用界面。
用的是RESTful API，因此访问速度很快。(该API是一个bash脚本，通过cURL使用。cURL是一个利用URL语法在命令行下工作的文件传输工具)
有完整的通路分析流程，支持多组学数据和整合分析。
交互式并带有超链接的结果图能更好地解释数据。
通过同步常规数据库获得最完整以及最新的通路数据。
所有资源和分析都是开源的。
注册免费，登录之后可以共享数据和保存分析历史。
有完整的在线Help和帮助文档。
多个示例带你快速上手使用。

输入数据

输入数据是最重要的且是唯一一个没有默认值的选项。储存数据矩阵的文件格式都是以tab或者逗号分隔的txt或者csv文件，点击编辑框可设置对照组和处理组样本。

数据类型主要分为两类：

任何类型基因数据（表达谱、组蛋白修饰、染色质开放性等）的数据表，需要包含一列基因ID用于数据映射，比如ENTREZ Gene，Symbol，RefSeq，GenBank Accession Number，Enzyme Accession Number等等，在选项框中共有13种基因ID可选。这里的基因数据是一个广泛的概念，包括基因、转录本、蛋白质、酶及其表达、修饰和任何可测量的属性。基因数据文件的第一列是基因ID，第一行是样本ID。如果文件只有一列基因ID也是可以的。
化合物数据也是如此，包括代谢物、药物、小分子和它们的测量值和属性，以及用于数据映射的化合物ID，选项框中化合物数据库ID共计22种，常用的是KEGG数据库ID。除了行是化合物，化合物数据文件格式和基因数据文件的基本一致（或许还需要指定样本列和实验设计）。

输出结果

结果主要是数据整合得到的通路图，有两种：原始KEGG视图和Graphviz视图。

原始KEGG视图将数据渲染到KEGG通路图（栅图，比如png格式），带有大量的前后关系和元数据，解释性更强。浏览器版本中该图是可交互的，每个Node都带有超链接，可点击它们转到更详细的解释。

3种不同形状表示不同的对象。
4种箭头表示四种对象之间的关系。
12种蛋白质-蛋白质相互作用关系
4种基因表达之间的关系。
1种酶-酶关系：两步连续反应。

Graphviz视图是使用Graphviz引擎（矢量图，如pdf格式）渲染的通路图，在点/线属性和图形拓扑上更好理解。

16种连线类型
4种节点类型

操作

网页版用示例展示了4个主要功能：多样本的KEGG视图，多样本的Graphviz视图，ID mapping和整合通路分析。最后一个会得到可视化文件和通路分析的结果统计文件（可下载），耗时较长。

该网站最突出的功能是ID mapping，整合的Mapper模块将13种的基因或者蛋白质ID，22种化合物或者代谢物ID比对到标准KEGG的基因或化合物ID。换句话说，能将输入的不同类型的数据ID精准比对到目标KEGG通路。

输入和输出选项/Input&Output

物种|Species：对应物种的KEGG号，科学名称或公用名称，比如可以在该选项中直接选择KEGG Orthology的KO——ko-KEGG Orthology-N。常用的是hsa——home sapiens-human。具体根据导入的数据类型判断。

通路选择|Pathway Selection：对于连续型数据采用GAGE（Generally Applicable Gene-set Enrichment）方法或者离散型数据（比如基因或者化合物ID表）采用over-representation方法做通路分析（GO、GSEA富集分析一网打进）

GAGE是一种自限性原假设的基因集分析方法，充分利用了表达谱数据，并将表达数据分为实验集和通路集分别进行分析处理，会考虑到基因集的上调和下调，得到更为准确和科学的结果。

如果没有得到显著的通路，会自动选择靠前的几个通路。基因数据和化合物数据一起分析的时候，会先各自筛选通路，然后通过meta分析将结果组合成更强大的全局统计量/ p值。

Pathway Selection一般建议选用auto，这在不确定通路的情况下再适用不过。若想自定义几个通路，则可以选择Manual。

通路ID|PathwayID：是KEGG的通路ID，一般是5位数字，当通路选择是auto时该选项自动关闭。

输出后缀|Output Suffix：在结果文件名后面添加的后缀。

图形选项/Graphics

Kegg Native：有KEGG图形渲染（.png）和Graphviz引擎渲染（.pdf）。Graphviz引擎渲染可能会因为KEGG的xml数据文件缺失数据而丢失点。

Same Layer：图层控制

Kegg Native项被勾选时，点的颜色会和通路图在一个图层，修改颜色的时候，节点标签不变。
Kegg Native项未被勾选时，线/点类型的图例会在一个图层，节点标签也会从原来的KEGG基因标签（或EC编号）变为官方基因符号。

离散型（基因和化合物数据）|Discrete：基因数据或者化合物数据一般是作为连续型数据使用。但也可以选择被视为离散数据，这样就可以以p值，倍数变化来选择显著的基因或者化合物列表，从而个性化标出离散数据中是否存在上下调。

但是网页版本没有设置选值的选项，还是Pathview包更适合使用这个设置。

Keys Alignment：当基因数据和化合物数据都不为NULL时如何对齐颜色标签。默认选项为“ x”（由x坐标对齐）和“ y”（由y坐标对齐）。

多状态|Multi State：默认值为TRUE，判定多状态（指多个样本或多列）基因数据或化合物数据是否应该整合并绘制在一张图中。

换句话说，不勾选“Multi State”的情况下，基因或者化合物节点会切成多个来对应数据中的状况数或者样本数，即由”一张图每个节点多种颜色”变为”多张图每个节点一种颜色”。

数据匹配|Match Data：默认是TRUE，判定基因数据或化合物数据的样本数是否匹配。

假设基因数据和化合物数据的样本大小分别为m和n（m>n），多余的空列NA（不加颜色显示）会在保证样本大小一致的情况下添加部分到化合物数据中，如此，才能在Multi State为TRUE时，得到相同数量的基因节点和化合物节点片段。

Signature Position：pathview的署名位置，默认是左下角。选择“None”的时候不显示。

Key Position：颜色标签的位置，默认是“左上角”。一般上面是基因节点，下面是化合物节点。选择“None”的时候不显示。

化合物节点名偏移|Compound Label Offset：设置化合物节点标签在默认位置或者节点中心处的长度（仅在Kegg Native=FALSE时有用）。这个选项在化合物用全名标记时很实用，能决定化合物节点的外观。

颜色选项/Coloration

节点计算|Node Sum：在比对有多基因或化合物时选择计算节点总数的方法。默认值是Sum，还有mean，median，max,max.abs和random。

空值的颜色|NA Color：基因数据或者化合物数据中缺失值或NA值的颜色。选项有透明"transparent"和灰色 "grey"

限制（基因和化合物）|Limit (Gene and Compound)：基因数据或化合物数据转换为颜色时的限制值（即颜色标签的数值范围）。

这个选项是数值型的，一个框可以输入用逗号分隔的两个数字，比如“1,2”（不带引号）—— 第一个数字表示下限，第二个数字表示上限。输入单个值“n”的时候，网站认为范围是(-n, n)。

Bins (Gene and Compound): 在基因数据和化合物数据转换为颜色时，此参数可以设置颜色标签的长度。预设值为10。

Low, Mid, High (Gene and Compound)：低，中，高（基因和化合物），这些参数可以选择“基因数据”和“化合物数据”的色谱。

“基因数据”和“化合物数据”的默认数据（低-中-高）分别是“绿色-灰色-红色”和“蓝色-灰色-黄色”。

这里既可以用颜色的通用名称（绿色，红色等），也可以用十六进制颜色代码（比如00FF00，D3D3D3等）或颜色选择器指定颜色。

网页版优势

以上是网页版的参数选择，较Pathview包而言少了Split Group|分组和扩展节点|Expand Node功能，个别参数的灵活性也待改进，但网页版不需要占用本地内存，KEGG视图的节点能超链接到更详细的信息，而且多通路分析作为网页版最大的优势，有着完整的通路分析流程，支持多组学数据和连接公共通路。

这一步在本地的话还需要用gage包得到基因集在KEGG数据库的所有通路分析结果，代码如下：

> library(gage)
> data(gse16873)
> cn <- colnames(gse16873)
> hn <- grep('HN',cn, ignore.case =TRUE)
> dcis <- grep('DCIS',cn, ignore.case =TRUE)
> data(kegg.gs)
> #pathway analysis using gage  用gage做通路分析
> gse16873.kegg.p <- gage(gse16873, gsets = kegg.gs,
+ ref = hn, samp = dcis)
> #prepare the differential expression data  准备差异表达数据
> gse16873.d <- gagePrep(gse16873, ref = hn, samp = dcis)
> #equivalently, you can do simple subtraction for paired samples 得到成对的样本
> gse16873.d <- gse16873[,dcis]-gse16873[,hn]
> #select significant pathways and extract their IDs 得到重要通路的ID
> sel <- gse16873.kegg.p$greater[, "q.val"] < 0.1 & !is.na(gse16873.kegg.p$greater[,
+ "q.val"])
> path.ids <- rownames(gse16873.kegg.p$greater)[sel]
> path.ids2 <- substr(path.ids[c(1, 2, 7)], 1, 8)
> #pathview visualization Pathview可视化
> pv.out.list <- sapply(path.ids2, function(pid) pathview(gene.data = gse16873.d[,
+ 1:2], pathway.id = pid, species = "hsa"))

网页版本实现方式如下——Example 4：