前言
做RNA-seq基因表達數據分析挖掘，我們感興趣的其實是“基因互作”，哪些基因影響了我們這個基因G，我們的基因G又會去影響哪些基因，從而得到基因調控的機制。
直覺確實是很明確的，但是細節處卻有很多問題。
我們討論的到底是基因表達的互作，還是基因產物的互作？
------------
對於蛋白編碼基因，它翻譯產生蛋白，如果此蛋白不參與轉錄過程，理論上不可能會影響另一個基因的表達，那也就不存在基因表達的互作的，它們的基因表達被很好的隔離起來了，相互獨立，互不影響。
但現在鑒定出了很多調控基因或其他在基因組上的調控序列，比如miRNA、lncRNA等，它們也都需要從基因組上轉錄出來，然后轉錄產物會去影響其他基因的表達（影響轉錄）。這才是基因表達互作，雖然MiRNA、lncRNA不能被稱作基因。
------------
基因產物的互作就普遍了，那就是蛋白互作，也就是STRING等數據庫里收集的信息。
蛋白互作也容易直觀理解些，復雜的多細胞生命體，幾乎所有的功能都是靠蛋白來實現的，所以有很多蛋白要互相結合（空間上）在一起來行使自己的功能。
------------
還有一個就是遺傳學領域的基因互作，這與生物學的基因互作完全不同，遺傳學考慮的是宏觀的基因互作，站在表型的基礎上。 Novel phenotypes often result from the interactions of two genes。
遺傳學的基因互作是生物學基因產物互作的結果。
STRING database的挖掘
這個數據庫絕對是做實驗人的寶藏，里面包含了各種蛋白互作關系，不用做實驗就有一大堆證據。
IPA了解一下，收費的高端分析軟件，大部分就是整合的這個數據庫，很多大佬喜歡用IPA來找明星基因，再來講故事，實例請看之前解讀的CSC paper。
首先了解一下STRING里面有哪些文件可以下載：
https://string-db.org/cgi/download.pl?sessionId=yMNmD7s36wS8
選你的物種，減少文件大小，常用的就是互作數據：
一般我們想知道某個蛋白會與哪些其他蛋白互作，以及互作的類型，然后做下游分析，信息都在這幾個文件里了。
注：有哪些互作關系需要好好搞清楚，移步help，https://string-db.org/cgi/help.pl?sessionId=yMNmD7s36wS8
Docs » User documentation » Getting started » Evidence
Conserved Neighborhood
Co-occurrence
Fusion
Co-expression
Experiments
Databases
Text mining
每一個PPI關系的證據來源是不同的，選擇你需要的證據。我覺得里面最可靠的就是Experiments, Databases和Text mining了。
當然，我們是高手，能用更簡單的方法絕不用復雜的，那么STRING的API了解一下。
用任意腳本語言讀以下格式化地址：
https://string-db.org/api/[output-format]/interaction_partners?identifiers=[your_identifiers]&[optional_parameters]
就能得到一個dataframe結果，不用下載，不用篩選，速度更快，隨調隨用。
實例，我想知道HDAC4的互作蛋白，可以這么抓：
老鼠：Mus%20musculus
url <- "https://string-db.org/api/tsv/interaction_partners?identifiers=HDAC4&species=Homo%20sapiens"
webDf <- read.table(url, header=T)
head(webDf)
stringId_A stringId_B preferredName_A preferredName_B ncbiTaxonId score
1 ENSP00000264606 ENSP00000080059 HDAC4 HDAC7 9606 0.934
2 ENSP00000264606 ENSP00000202967 HDAC4 SIRT4 9606 0.809
3 ENSP00000264606 ENSP00000209873 HDAC4 AAAS 9606 0.901
4 ENSP00000264606 ENSP00000209875 HDAC4 CBX5 9606 0.779
5 ENSP00000264606 ENSP00000212015 HDAC4 SIRT1 9606 0.988
6 ENSP00000264606 ENSP00000215832 HDAC4 MAPK1 9606 0.572
nscore fscore pscore ascore escore dscore tscore
1 0 0 0 0.061 0.320 0.90 0.061985
2 0 0 0 0.052 0.166 0.00 0.778000
3 0 0 0 0.058 0.000 0.90 0.000000
4 0 0 0 0.062 0.463 0.54 0.159000
5 0 0 0 0.052 0.415 0.90 0.812000
6 0 0 0 0.000 0.433 0.00 0.276000
結果解讀：
Output fields (TSV and JSON formats):
| Field | Description |
|---|---|
| stringId_A | STRING identifier (protein A) |
| stringId_B | STRING identifier (protein B) |
| preferredName_A | common protein name (protein A) |
| preferredName_B | common protein name (protein B) |
| ncbiTaxonId | NCBI taxon identifier |
| score | combined score |
| nscore | gene neighborhood score |
| fscore | gene fusion score |
| pscore | phylogenetic profile score |
| ascore | coexpression score |
| escore | experimental score |
| dscore | database score |
| tscore | textmining score |
抓其他信息改下API就行了
還有很多工具是基於STRING做富集分析的，也可以了解一下，主要看自己需求。
待續~