材料和方法：
      20个正常胸腺组织来自于IUSimon癌症中心的Susan G. Komen组织银行。10个TNBC肿瘤样本用Life Technology的Ion Torrent Proton测序仪测序。测序结果与人类基因组的映射是用LifeScope软件处理的。又从The Cancer Genome Atlas上下载了84个三阴性乳腺癌的样本数据。基因差异表达是用Partek Genomics Suite分析的。之后通路分析，网络构建以及转录因子分析都是用IPA分析的，置信度p=0.001.

结果
      本实验主要应用IPA寻找关于三阴性乳腺癌的特征基因以及为以后的治疗寻找靶点。主要使用了IPA的疾病和功能分析，经典网络分析，上游因子预测分析，因果网络分析以及分子活性预测分析等功能。得到了如IL-6这样新的靶点，TP53和RB1这样新的上游调节因子，也找到了会影响TNBC的新基因HXOB4.

图一：上表展示了TNBC数据集的总体特征。使用z-score 较为衡量值，IPA能够预测出那种细胞活动影响了TNBC。这里，我们看到通常在发育和存活上升的情况下细胞凋亡和生长都下调了。下面的热图展示了数据中对下游的影响，每个方块的大小表示了p值的显著程度，橙色代表与功能正相关，蓝色代表了负相关。

图二 TNBC数据中变化显著的经典通路。每一个数据柱代表的是p值，橘红色的点代表的是阈值以上的显著差异的基因参与这个通路的多少。可以看到，图中有很多癌症相关的通路。也能看到与TNBC相关的通路（Estrogen-mediated S phase entry）在这里都能找到。

图三：展示了TNBC中有显著变化的经典通路之间的联系。IPA能够将这些经典通路之间的作用关系全部联系起来。

图四：使用IPA中的upstream regulators分析功能对TNBC上游的激活或抑制的调节因子做了预测。这些调节因子影响了TNBC数据集中的一些基因表达变化，并且IPA给出了关于这些因子和这些基因表达的已知的生物学意义。

图五：表中这些分子是用IPA 因果网络分析causal network analysis功能做出来的最具影响力的调节因子。IPA的因果网络分析能够帮助研究者发现新的基因，RNA，蛋白质。这些的因子的表达值也许能挖掘出数据集中新的调节因子和下游分子间的联系。

图六：举例了一个由IPA的因果网络分析推断出来的因子的相关分析，比如HOXB4，这个因子可能在TNBC中发挥了关键作用。

图七：IPA中的Upstream regulator分析功能证实了TNBC中基因表达的特征。这个Upstream regulator分析功能列出来一些列的转录调节因子，能够解释在这个数据集中观测到的基因表达。

图八：由IPA中的Upstream regulator分析功能预测的TP53的作用机制网络图。颜色代表了这些因子的活性。橙色代表了激活，蓝色代表了抑制。

图九：使用IPA中分子活性预测工具MAP（Molecular Activity Predictor）对PI3K基因做了通路分析。MAP能够模拟激活或抑制一个分子，帮助研究者探寻一个网络或者通路中可能的假设，可以看出对下游分子的直接影响，也可以推断出这个网络上游的活性。

结论：
使用IPA疾病和功能分析，能将癌症中低细胞凋亡，高存活高细胞运动的标记都找出来。像免疫系统中观测到的不正常的分子，可以作为治疗研究的靶点。
经典通路的分析同样显示出癌症中一些标志分子，并且新发现了一些潜在的靶点，比如IL-6信号通路。
上游调节因子分析验证了很多观测到的激活或抑制的分子，比如TP53和RB1。对这两个分子活性的预测可以作为TNBC的特征，显示了功能突变的缺失。
因果网络分析功能给出来几个对TNBC有影响的新分子，比如HOXB4，一个影响造血干细胞发育的基因。