String/GeneMANIA两种常用蛋白质网络预测工具数据库简单介绍及操作流程展示

1. STRING (Search Tool for the Retrieval of Interacting Genes/Proteins)

STRING 是一个广泛使用的数据库和资源，主要用于预测和可视化蛋白质-蛋白质相互作用网络。它结合了实验数据、计算预测以及已知的生物学知识来预测蛋白质相互作用。

数据来源: STRING 的数据来源包括实验验证的相互作用、计算预测的相互作用、文献挖掘以及来自其他数据库的信息。

功能:

● 提供蛋白质之间的直接（物理）和间接（功能）相互作用信息。

● 允许用户查询特定基因或蛋白质的相互作用网络。

● 可视化相互作用网络并进行拓扑分析。

网址: STRING（https://string-db.org/）

2. GeneMANIA

GeneMANIA 是一个灵活且用户友好的工具，用于预测基因功能和构建基因相互作用网络。它通过整合多个来源的数据（包括基因共表达、蛋白质-蛋白质相互作用、遗传相互作用、通路、物理相互作用等），帮助研究人员找到与输入基因相关的基因。

数据来源: GeneMANIA 整合了多种数据类型，如基因共表达、蛋白质-蛋白质相互作用、遗传相互作用、共定位、路径、物理相互作用、蛋白质结构等。

功能:

● 快速生成基因相互作用网络，并通过多个网络权重模型进行预测。

● 提供可视化工具，可以查看输入基因及其相互作用伙伴的网络图。

● 支持多种生物物种。

网址: GeneMANIA（https://genemania.org/）

数据库操作流程

String

1、进入页面之后主要关注Search界面上的这两个红色方框内容。

左边红框可以选择是单一/多种蛋白输入模式，右边红框是输入蛋白(基因)名称并选择物种。

2、点击SEARCH后会进入下一步的界面，这里对输入的蛋白(基因)会有详细的解释。同时也可以把对应的信息从MAPPING处下载下来。

3、Viewers界面可以看到蛋白互作的证据来源。

4、Legend显示了网络中的核心内容信息。

STRING数据库的网络图由两大元素组成：点（Nodes） 和 线（Edges）。

● 点（Nodes）：每个点代表一个蛋白质，气泡内显示该蛋白的3D结构。点击气泡可以查看更多注释信息。不过，在这个网络图中，不同的剪接异构体或翻译后修饰的蛋白质被合并处理，每个点代表由同一基因位点产生的所有蛋白质变体。

● 线（Edges）：连线表示蛋白质之间的相互作用（PPI）。STRING通过整合7种类型的证据（如基因邻域、基因融合、共现、实验数据、共表达、数据库信息、文本挖掘），对每对蛋白的互作关系进行评分。这些证据的连线颜色各不相同，且综合得分越高，表示该蛋白质互作关系的可信度越高。点击任意连线可以查看详细的互作信息和证据评分。

在PPI网络图中，不同颜色的连线代表了7种证据类型：

1. 邻域（Neighborhood）：根据基因在染色体上的位置，评估它们是否可能相互作用。
2. 融合（Fusion）：通过全基因组分析，找出融合基因，推测其他基因间可能的关联。
3. 共现（Co-occurrence）：在进化过程中，经常一起出现的基因对可能相互作用。
4. 实验（Experiments）：基于已发表的实验数据，直接证明蛋白质间的相互作用。
5. 共表达（Co-expression）：分析基因或蛋白质的表达模式，寻找表达相似的基因对。
6. 数据库（Databases）：利用已有的生物数据库信息，如通路和蛋白质复合物，来支持相互作用的可能性。
7. 文本挖掘（Textmining）：通过分析科学文献中的关键词，找到可能的蛋白质互作证据。

这些证据通过不同颜色的连线展示，相互作用的可信度通过综合得分来表示。 5、Exports界面可以把数据导出，后续可用比如Cytoscape等软件进一步分析

GeneMANIA

1、进入官网后发现界面很简洁，左上角可输入蛋白(基因)名称

2、输入名称并分析之后会在官网中间出现网络图。

右侧有网络类别的解释(示例内容仅出现了三种)：

共表达（Co-expression）：基因表达水平在不同条件下相似，表明它们可能相关联。数据主要来自GEO数据库。

物理相互作用（Physical Interaction）：如果两个蛋白质在实验中被发现相互作用，它们就是相关联的。数据来自BioGRID和PathwayCommons。

遗传/基因相互作用（Genetic Interaction）：一个基因的改变影响了另一个基因的功能，表明它们在功能上相关。数据来自基础研究和BioGRID。

共享蛋白域（Shared Protein Domains）：两个基因产物具有相同的蛋白结构域，表明它们有关联。数据来自InterPro、SMART和Pfam。

共定位（Co-localization）：基因在同一组织表达或其产物在同一细胞位置出现，表明它们相关联。

通路（Pathway）：两个基因产物参与同一通路反应，表明它们相关联。数据来自PathwayCommons。

其他（Other）：不属于上述任何类别的相互作用网络。

3、可以选择不同的物种

4、左上角也有高级选项可以选择，里面主要包括了三种加权分析的方法：

Query-dependent weighting(自动优化加权) ：

● Automatically selected weighting (default)：根据输入基因数量自动选择权重。如果输入基因少于5个，默认采用基于Gene Ontology (GO) 生物过程的加权方法；若输入基因在5个或以上，则采用线性回归方法，以最大化输入基因间的连接性。

● Assigned based on query：使用线性回归自动分配权重，使输入基因之间的相互作用最大化，同时减少与非输入基因的相互作用。

Ontology-based weighting(基于基因本体论加权) ：

● Biological Process based：基因与GO生物过程相关。

● Molecular Function based：基因与GO分子功能相关。

● Cellular Component based：基因与GO细胞成分相关。

Equal weighting(均等加权) ：

● Equal by network：为所有网络分配相等的权重，适合查看连接输入基因的所有网络。

● Equal by data type：为所有网络类别分配相等权重，并在类别内的网络中均匀分布。

5、左边三个按钮可以让网络图产生不同的形状

6、Functions 选项显示了网络中基因的富集结果

7、下载界面可以把数据导出进行进一步分析

注：若对内容有疑惑或者有发现明确错误的朋友，请联系后台(欢迎交流)。更多内容可关注公众号：生信方舟

- END -