全转录组重磅来袭，联合分析你知多少 ？

做过全转录组的童鞋们都知道全转录组是1个样本构建2种文库，得到4种RNA（mRNA、lncRNA cicrRNA 、smallRNA）。然而拿到数据时候，我们是不是有种很懵的感觉，不禁感叹数据量如此大，该怎么形成一个完整的调控网络？那不妨看看全转录组联合分析，小编带你感受全转录组联合分析的美！来，一张导图带你快速一览全局。

策略一

差异RNA在全基因组范围内分布

拿到数据后为了快速的了解差异的mRNA、差异miRNA、差异lncRNA或者是差异circRNA分布情况，一般可以先做饼状图，差异基因分布柱状图，或者是来一张酷炫的圈图，对数据整体情况进行查看。饼状图往往是看在项目中整体检测到的基因或者是差异基因（注意这里的基因可以mRNA、miRNA、lncRNA、circRNA中的任意一种的占比情况；差异基因基因分布柱状图则主要展示不同类型的RNA在不同染色体表达量的分布情况。圈图则主要是从全基因组范围窥探不同类型的RNA表达量的情况，从多角度看数据的差异有助于发现差异调控机制。

Fig1 A：差异RNA显著性circos图。

B:差异表达的RNA数目分布。C:RNA在不同染色体的表达分布

策略二

差异gene相关靶向RNA分析

非编码RNA作用的靶基因是分析中不可缺少的一部分。比如说lncRAN作用的靶基因分析，miRNA作用的靶基因，circRNA作用的靶基因分析。找到每种非编码RNA对应靶基因后，则可以通过韦恩图寻找关键的基因，快速缩小验证的范围。

Fig 2 韦恩图

策略三

共表达分析

当然除了上述的韦恩图外，也可以通过共表达的方式来确定不同类型的RNA之间的联系。具有相同表达模式的基因更趋向于拥有相同的功能。当样品数量大于等于5时,可以采用皮尔森相关性分析，分别对差异RNA之间构建mRNA-lncRNA, miRNA-circRNA共表达网络，筛选条件是共表达的RNA对之间相关性的绝对值大于0.9, 显著性p值小于0.01。数据展示形式可以是表格，也可用是相关性网络图（与Fig3类似）。

策略四

竞争性内源RNA(ceRNA）网络分析

竞争性内源RNA(ceRNA)是近几年来的研究热点，是一种全新的转录调控模式。根据竞ceRNA作用机制，主要是通过以下3个条件筛选获取候选的ceRNA关系对：

1) ceRNA之间相同的miRNA数目应大于5；

2) 超几何检验p值小于 0.01，校正后的FDR值小于 0.01；

3) 当样品数量大于等于5时，可以考虑ceRNA的表达水平，将共表达分析的结果考虑进来，即得到ceRNA之间两两均共表达的ceRNA共表达网络。

基于ceRNA网络，对每个差异组合提取差异的关系对，绘制成相关性网络图。如下：

Fig 3 差异lncRNA-miRNA-mRNA关系对示意图。lncRNA、miRNA、mRNA分别用圆、菱形、箭头表示，上下调分别用红色和绿色表示

策略五

关键基因通路整合分析

Fig 4 KEGG整合通路网络

所有的分析最终还是要回归到功能或者是通路，因此最终还需对关键RNA中的基因进行通路富集分析。目前采用的方法：1、采用随机游走中的经典算法PageRank来获取网络中所有节点的打分（即重要性）。选择网络中打分排布在前0.1 的点，即关键RNA，作为重点的研究对象；2、对关键RNA中的基因进行通路富集分析，选择最显著富集的前5个通路。提取这5个通路中基因与基因之间的关系整合成网络，并将关键基因map到通路中，当然如果有感兴趣的目标基因，也可以根据目标基因作图。