IPA

产品详情

IPA(Ingenuity Pathway Analysis)
组学数据建模、分析和理解工具

深度挖掘生命科学核心研究领域中复杂的生物和化学关系


Ingenuity Pathway Analysis (IPA®)介绍
Ingenuity Pathway Analysis (IPA®)是一款基于云计算的图形化界面生物信息学软件,适用于基因表达、miRNA和SNP微阵列及代谢组学、蛋白质组学等数据的分析、整合和理解。IPA®还适用于生成基因、化合物的各类小规模实验的数据分析。IPA®从生物学通路角度,助您挖掘实验数据中隐藏的生物学意义,揭秘实验数据价值。


IPA是一款一体化的基于网络的软件应用程序,可实现基因表达、miRNA和SNP微阵列及代谢组学、蛋白质组学和RNAseq实验数据的分析、整合和理解。IPA还可用于小规模实验分析,生成基因和化学物质清单。利用IPA可以搜索有关基因、蛋白质、化学物质和药物以及实验系统相互作用模型构建的目标信息。数据分析和搜索性能有助于理解数据、特定靶点或候选生物标记物在更大的生物学或化学系统中的重要性。该软件以Ingenuity Knowledge Base高度结构化且内容丰富的生物学和化学发现为基础。


应用

IPA帮助您揭秘下列领域的数据背后的发现:
-
转录组学
-生物标记物发现
-miRNA研究
-毒物基因组学
-代谢组学
-药物再定位
-蛋白质组学
-因果网络分析

转录组学
IPA 可以帮助您分析几乎所有的转录组学相关的问题和应用

生物标志物发现
鉴定实验数据集中最具潜力和最相关的生物候选物

MicroRNA 研究
鉴定microRNA 研究中生物性最相关的靶点

毒理基因组学
提供候选化合物毒性和安全性评估

代谢组学
将您的代谢组学数据与Ingenuity Knowledge Base中丰富的通路和过程信息关联

NGS/ RNA-Seq数据分析
更好地理解分析由RNA-Seq实验得到的异构体特异性的生物学意义

蛋白质组学
帮助您回答设计蛋白组学实验时遇到的生物学问题

因果网络分析
帮助您建立更全面的调控网络,便于您更好的了解基因数据背后的生物学意义



IPA®支持的物种
人类、大鼠和小鼠
其他可以找到人类、大鼠和小鼠的直系同源基因的物种,如:拟南芥(Arabidopsis thaliana)、斑马鱼( Danio rerio )、果蝇(Drosophila melanogaster)等

Ingenuity knowledge Base是IPA最核心的部分,其是一个及其专业的生物学相互作用和功能注释的数据库,其收集了上百万的关于蛋白质,基因,化合物,细胞,组织,药物和疾病的之间最直接的相互作用关系信息。这些相互作用关系,任何的发现,包含了详尽的信息,已经收集到的原始文献,均由几百位博士专家整理并且审阅,确保其准确性。数据库中这些信息有机的整合在一起,能够让研究者由相关的信息,由应用计算来的信息和由同义词均得到准确的有保证的查询结果。因此,Ingenuity knowledge Base具有别的数据库无法比拟的容量和功能。


IPA®功能


IPA的各种分析性能

Causal Network Analysis
Causal Network Analysis可综合鉴定数据组中控制基因表达的上游分子。Causal Network Analysis除探索数据组中上游调节因子与目标分子之间的直接或单程联系外,还揭示了与数据组靶点相关联的调节因子网络。以目的分子、疾病或功能为标准对因果网络进行评分,关注相关性最高的网络。



Comparison Analysis
Comparison Analysis可以采用Comparison Analysis热图快速显示经典信号通路分值随剂量、时间或其他因素变化的趋势。按分值、层次聚类或趋势区分优先次序。


BioProfiler
了解相关基因以及化合物,对疾病或表型进行快速谱分析。鉴定已知的存在因果关系的基因作为潜在靶点,或者鉴定有毒性、与已知药物、生物标记物和通路相关的靶点。


Upstream Regulator Analysis
该分析可以预测可能引起基因表达变化现象的上游分子,包括miRNA和转录因子。


Mechanistic Networks
Mechanistic Networks可自动生成合理的信号通路级联,描述导致基因表达变化现象的潜在机制。


Downstream Effects Analysis
利用基因表达结果鉴定重要的下游生物学过程的上调或下调。
Pathway Analysis、Canonical Pathways、Overlapping Pathways、Pathway Import和评分
利用这些分析确定受影响最大的通路。


Network Analysis
构建并探索转录网络、miRNA–mRNA靶点网络、磷酸化级联反应及蛋白质–蛋白质或蛋白质–DNA相互作用网络。鉴定从信号通路事件到转录效应等一系列调控事件。探索药物或靶点与相关基因或化学物质之间的联系,理解毒性反应。以与项目相关度最高的分子关系为基础编辑并拓展网络。


microRNA Target Filter
该过滤组件缩减了步骤数量,通过检查miRNA–mRNA对、探讨相关生物学背景并根据相关生物学信息及表达信息进行过滤,轻松、快速且可靠地鉴定mRNA靶点。microRNA Target Filter利用TarBase和miRecords提供的已经过实验验证的相互作用关系以及TargetScan预测的miRNA–mRNA相互作用关系,深入了解miRNA的生物学效应。此外,Ingenuity IPA还包括大量来源于同行评审文献的miRNA相关结果。


Toxicity Lists and Toxicity Functions
Toxicity Lists and Toxicity Functions将实验数据与临床病理学终点相联系,有助于理解药理反应并支持作用机制和毒性机制假设的建立。


Molecule Activity Predictor (MAP)
利用MAP研究子网络和经典信号通路,以及通过选择目的分子,显示上调或下调,并模拟网络或通路中下游分子引起的结果和上游活动建立假设。


Isoform View
利用Isoform view可以明确高通量RNAseq数据的生物学意义。利用功能蛋白结构域和异形体文献方面的信息,鉴定您实验中受到明显调控的异形体,并确定其潜在影响。


Gene and ChemView
利用Ingenuity IPA中的搜索功能,了解有关基因、药物、化学物质、蛋白质家族、正常细胞和疾病过程以及信号和代谢通路的最新发现。


Biomarker Filter
该过滤功能可以根据与发现研究最相关的生物学特性,快速鉴定最佳的候选生物标记物。


Path Designer
Path Designer将网络和通路转换为可供发表的通路图,包括色彩、自定义文字和字体、生物学图标、细胞器和定制背景。使用Ingenuity IPA中保存的高质量内容扩展并了解通路。

IPA(Ingenuity Pathway Analysis)2017夏季更新

   IPA作为分子网络挖掘的平台式软件,每年有四次更新,不断完善软件的功能,为研究人员提供完善的,个性化的,易用的生物信息分析解决方案。本次更新,主要为IsoProfiler模块添加了人类组织相关的数据挖掘功能。

   本次于2017年6月30日更新:IsoProfiler添加了人类组织生物学背景

   本次更新使Isoprofiler能够访问GTEx组织表达数据,使您能够在从51个不同的人体组织RNA序列表达数据中无缝地探索表达谱数据。可以探讨以下问题:
       从实验数据集得到的差异表达的转录本是否只在一个几个特定组织中表达?例如,它会不会可能是在一个特定的组织中的药物作用靶标?
       该基因在同一个组织中会不会有其他的转录本表达?
       在实验数据及中有哪些转录本在肝脏中或是其他组织中中是特异表达的?
       在实验数据集中,转录本的组织富集结果如何?是否仅富集在一种或几种组织内?
       对于在实验数据集中一个给定的基因,在特定组织中,哪些转录本是高表达的,哪些是低表达的?

   GTEx内部的数据是采用OmicSoft(QIAGEN子公司)对原始FASTQ文件进行处理后,再由IPA团队采用Ensembl 88和RefSeq 80基因模型进行进一步处理,得到每个转录在各组织中的FPKM中位值。这些数据随后被导入到IsoProfiler,计算组织富集评分。因此,根据这个数据,Isoprofiler可以过滤你的RNA-Seq数据集并且获得转录本的组织富集度(详见Isoprofiler帮助)。

   图1显示了一个Isoprofiler窗口的部分内容:揭示了肝癌RNA-Seq数据集中通过“来源于数据集中”、“肝脏富集”、“蛋白质编码”、“与肝细胞癌相关(基于Ingenuity Knowledge Base)”等过滤条件得到了一系列基因信息:

图1:包括新的GTEx人体组织表达数据的Isoprofiler模块。图上显示从肝细胞癌数据集的过滤出一个基因子集的结果,可在IPA实例分析数据文件夹中找到(题为“HCC EM pool Tumor vs_ Normal 2016-09-30”)。Isoprofiler过滤器被设置为保留所有至少有一个转录本在肝脏中富集的所有基因,并且能够编码一个蛋白质,并且根据Ingenuity Knowledge Base与肝细胞癌相关的基因。在肝脏中的表达(基于GTEx)表示在列“肝(FPKM)”中,并FPKM值被认为在肝组织富集的基因用黄色高亮和粗体表示。在Isoprofiler帮助中,能看到IPA在组织富集的定义细节和如何使用这一更新。

   图二:您可以容易查看以线性图表示的选定基因的所转录本的表达。点击表达值为黄色高亮的FGL1-204基因表格的“3 tissues”链接,就能看到该基因在肝脏组织中高度富集,其表达值是其在其他51个组织的中位值的9000倍以上。

图2:GTEx人体组织的基因表达数据FGL1。在IsoProfiler的FGL1基因线图表明,fgl1-204亚型在肝脏中的表达比其他任何51个组织的表达高多了。X轴上列出的每个组织每个转录本在样本集的平均FPKM。

这个过滤结果表明FGL1(FGL1-204)可能是一个相关的生物标志物:它编码的蛋白与HCC相关特异的在肝脏中高表达。内含GTEx的Isoprofiler是一个独特的工具,能够针对RNA-Seq数据在转录水平进行创新性研究。


注:具备Isoprofiler模块只能在IPA高级分析模块下运行。


2017年IPA秋季更新
全新的Analysis Match功能上线!


Analysis Match

      在2017秋季更新中,进行Core Analysis核心分析时,会自动启用Analysis Match模块。Analysis Match*自动挖掘IPA中其他相似或相反的核心分析的生物学结果进行对比,助力对结果的解释,或从已有的其他生物学机制中挖掘意想不到的潜在信息。Analysis Match将本次分析与之前存在Project Manager中其他的分析,以及公共资源中其他人类和小鼠的表达分析一同进行比对。从Canonical Pathways, Upstream Regulators, Causal Networks和Diseases and Functions四个方向进行比对。


新模块的功能特点:

      通过不同的疾病、组织、治疗方法和其他的生物生物特征建立分析的可信性
      深入了解上游调节,下游表型和生物通路探讨结果在疾病和其他功能的潜在作用
      通过广泛收集的公共数据库轻松获取和评估关键假设

  从IPA的Analysis Match分析结果是从SRA,GEO,Array Express,TCGA以及其他数据库中高度优化和质量控制而收集整理的超过6000个人类和小鼠的疾病及肿瘤的数据集。这些数据是由QIAGEN收购的新公司OmicSoft收集整理的,这些由DiseaseLand和Oncoland产生的对比信息包含了疾病和正常、治疗和非治疗等条件分组的对比信息。

  图1展示了这一新的Analysis Match标签页,示例数据是暴露于焊接烟尘的小鼠肺部的表达数据(IPA-Example Analysis)。图中的结果为在IPA中的OmicSoft库过滤得到的评分最高的结果。在库中的6000多个数据中,125个分析的总得分为> 60%(强相似表达模式)或<- 60%(强相反表达模式)。可以通过多种方式进一步过滤结果,例如通过比较类型、疾病状态、组织等等。在图1中,OmicSoft进行的统一注释语句表能够使Analysis Match结果进行关键词过滤。由于屏幕空间限制,IPA中仅显示了几列。

  Analysis Match分析是根据Canonical Pathways, Upstream Regulators, Causal Networks和Diseases and Functions四个方面创建一次分析的,将本次分析和其他所有分析在以上四个方面一一进行比对,并且计算总平均值。


*Analysis Match需要额外的授权,请联系我们进行申请。

 

图1:Analysis Match分析选项卡。默认情况下,分析是根据整体相似性评分(上面显示的最右栏)从最相似的到最不相似的进行排序。Analysis Match分析是根据Canonical Pathways, Upstream Regulators, Causal Networks和Diseases and Functions四个方面创建一次分析的,将本次分析和其他所有分析在以上四个方面一一进行比对。在上面的图片中,右边的前四个彩色列中的每一个代表了每一个方向与本次分析的百分比相似性。紫红色的颜色表明相似(如图所示)和青色的颜色表明不同(不显示)。第一个得分列(“CP”)是Canonical Pathways,第二个(“UR”)是Upstream Regulators,第三个(CN)是Causal Networks,最后一个(de)用于下游效应(即Diseases and Functions)。上面显示的最后一列是这四个方面匹配的平均值。注意,图中隐藏了默认情况下Analysis Match选项卡中的一些列。

  如图1所示,从库用最好的Analysis Match匹配结果是小鼠肺暴露于热灭活流感病毒表达分析(GSE41684),其在分析的四个方面具有很强的相似性。下一步是在Analysis Match所有分析结果中对所有的分析方向或其中一个方向进行详细的了解,充分理解Canonical Pathways, Upstream Regulators, Causal Networks和Diseases and Functions四个方面相似性评分的细节。在这个例子中,Analysis Match进一步过滤保留了“MouseDisease” 相关的75例分析,并通过点击热图视图按钮创建热图。图2显示了这个热图,行为Canonical Pathways, Upstream Regulators, Causal Networks和Diseases and Functions四个方面,列为75类似的分析案例。橙色或蓝色分别代表了正和负的Z值(表达同向或反向)。

 

图2。揭示四个分析方向相似和差异分析的“热图”。“4 hr lung”分析(首行中粉色高亮)与其他样本的对比结果从四个方面(最左列)进行Z-Score打分。其他参考的分析数据可能并不能获得显著性的Z-Score,行和列是按照Euclidean distance和 average linkage (UPGMA linkage)进行聚类。

  可以直接从热图上选择过滤感兴趣的结果。图3显示了在热图上对上游调控的转录因子的筛选。聚类的行揭示了具有相似的模式的转录因子,而聚类的列揭示了基于转录调节模式的下最密切相关的分析。

 

图3。Analysis Match的热图过滤结果只显示转录因子的上游调控结果。热图提供过滤条件进行深层次的分析。单击列明即可在新窗口中显示分析的原始数据。

  行揭示各分析样本之间有趣的相似性。例如,图4除去不感兴趣的结果后显示药物贝沙罗汀集群与“PPAR/RXR activation” canonical pathway, CR1L,ALDH1A2,SUMO1和ABCB4聚类在一起。贝沙罗汀是RXRA和RXRB激动剂,热图佐证了这一结果。SUMO1是PPAR活性的调节因子,但其他内容并不知道为何聚类为一类,这一结果提供了可能的有意义的调查方向。

 

图4。包含了Canonical Pathways和Upstream Regulators两个方面聚类热图。可能提供相关的有生物学意义的分析结果。

  可以将选定的结果发送到My Pathway中进行进一步分析,例如将节点连接在一起或发现针对它们的药物。

  使用OmicSoft库另一个有价值的方法利用IPA的数据集和分析进行如疾病名称或组织关键词搜索。下面的图5显示了一个不涉及沙丁胺醇albuterol的人类哮喘分析结果。从这些搜索结果中,可以双击打开分析,或选择最多20个结果进行可视化的Comparison Analysis。

 

图5。利用数据集和分析搜索发现感兴趣的结果。使用条件“不涉及沙丁胺醇albuterol的人类哮喘”发现136分析结果在。双击打开一个或创建一个最多20个结果的比较分析。选定的分析(或分析)的元数据显示在搜索屏幕的右侧。

用于分析的OmicSoft数据集存在IPA-Project Manager-Libraries中,如图6所示。注意,这些数据是只读的,不能从IPA导出。

图6。IPA中,OmicSoft库超过6000集的和相应的数据分析。该资源是只读的,不能从IPA导出。


总结:

  将IPA文献分析与因果分析与OmicSoft提供的海量数据相结合,创造了一个独特的方法进行生物数据挖掘。


IPA本次其他重大更新

      Comparison Analysis热图提供了树状图
      从网络和通路能导出chemical IDs
      四个新的Canonical Pathways
      支持Affymetrix的Clariom数据
      从BioPlex 2.0 protein-protein interaction database导入56000条新的Findings
      IPA更新帮助文件



点击数:8845 录入时间:2017-11-14 15:20:47【打印此页】【返回

Copyright © 2008 - 2014 Tri-ibiotech.com All Right Reserved. | 备案许可证: 沪ICP备11020704.