對於pathway 數據庫而言,我們最常見的就是利用KEGG 富集分析挖掘其中的信息,得到顯著富集的幾條通路;
對於代謝通路而言,不同的通路之間是會有相互關系的,比如在上游的通路中產生的代謝產物,進入下游的通路繼續發揮作用。
pathway和pathway 之間存在一個上下游的關系,所有的pathway 的相互關系就構成了1個網絡,在這個網絡中,肯定會存在degree比較多的pathway, 所以通過network 分析,我們可以挖掘出比較重要的一些pathway。
下面以human 為例,進行說明
在某條具體的通路圖上,圓角矩形代表的是另外一條通路,比如 MAPK 信號通路 hsa04010
上圖中紅色方框標記的就是其他的一些通路,我們可以看到hsa04010 通路中的一些物質會參與到其他通路中去,這個時候,就可以理解為hsa04010 是上游通路,紅色方框標記的通路為下游通路;
對於某一條具體的通路而言,都可以通過上面的描述,來得到其對應的下游通路;
將所有的代謝通路的上下游關系進行匯總,就會得到一個network, human 的整個network 見下圖:
由於人一共有350多條pathway , 所以整個網絡圖還是比較龐大的,這里我將節點的大小映射到了degree上,從圖中,我們可以一眼看到最大的幾個pathway, 這些pathway 在整個network 中就有重要地位;
下面是具體的每個節點的degree,我選了top20
由於整個network 是1個有向圖,所以每個節點以后入讀 indegree 和 出度 outdegree , 根據degree 降序排列,發現MAPK signal pathway 是整個human pathway network 中的核心pathway;
我們還可以將整個network 和富集分析的結果結合起來,挑選其中顯著富集的pathway 進行展示,看富集到的通路中,核心通路是哪些
下面是1個示例
由於富集到的通路較少,網絡圖也更加的直觀。