如何构建共表达网络来挖掘基因功能

共表达网络是一种基于组学数据，通过一定的算法来计算并大规模预测基因功能的方法。通过对构建的网络进行注释，可以挖掘出一些与生物体生长发育等相关的重要的基因或功能模块。小编这里以物种A为例，介绍一种用PCC和MR算法构建共表达网络的方法。

数据处理与分析

从公共平台上收集了物种A不同组织（根，茎，叶，果实等）以及不同胁迫处理（包括生物胁迫和非生物胁迫）的转录组数据。首先，用Tophat软件将测序的reads比对到参考基因组上，用FastQC软件对这些数据进行质量控制，将比对率过低的样本数据过滤，并通过箱线图过滤掉那些重复性不好或者质量不好的数据。然后，对筛选后剩下的样本数据，用cufflinks工具来计算基因在不同样本中的表达值（FPKM值）。

共表达网络构建

番茄的共表达网络是相关性网络，主要是由两两基因间表达值的相关性系数连接而成。小编这里用PCC（Pearson correlation coefficient）来计算两两基因间的相关系数。如下图所示，为基因A和基因B在不同样本中的表达模式，通过PCC计算其PCC值为0.7。

将所有基因两两配对计算得到的PCC值从小到大排序，来画PCC分布图，如下图所示。按照以往的经验，选取最低5%和最高5%的PCC值作为候选的共表达基因对（如下图所示）。可看出，在该物种中，PCC在[-1，-0.35]区间内的基因对被认为是具有负向共表达关系，而PCC在[0.55,1]区间内的基因对被认为是具有正向共表达关系。

接下来，为进一步增加共表达关系的可信度，小编这里用MR（Mutual rank）互相排序的方法来构建共表达网络，即是用计算geneA在geneB中和geneB在geneA中PCC排名的几何平均值。

网络可信度评估

GO词条，作为一类基因功能注释的先验知识，可用来评估具有不同临界值的PCC和MR的网络。小编这里选取基因数目在[4，20]区间内的GO词条和其对应的基因，用ROC（Receiver Operating Characteristic）曲线和AUC值作为特定二值分类器来评价构建网络的优劣。接下来选取了PCC>0.6，0.7，0.8，0.9和MR排序前三（top3）+MR

其中，ROC曲线对角线为采用随机取值的分类器的结果，此时AUC值为0.5。若ROC向上凸起，即AUC值越大，说明分类结果越好。由此可看出，MR top3+MR

对网络进行功能分析

小编这里推荐三种分析工具，基因簇功能富集分析工具，GO富集分析和motif分析，来对网络基因进行功能分析。构建好的共表达网络，可结合这些分析工具及已有的功能注释来：

1，预测可能的基因功能；

2，结合已有的研究报道，挖掘出重要生物学过程中可能起重要调控功能的基因；

3，提高物种全基因组基因功能注释的覆盖度。