十二月中旬，IPA发布了新版本，此版本对Core Analysis和水平条形图的呈现进行了提升。目前，IPA知识库数据量已超过1200万条，数据集收录超过12万个。

功能更新

1. 更快地查看核心分析结果

在这个新版中，用户可以在Core Analysis开始运行后立即打开分析结果，一旦有结果产生即可实时地查看到。当分析的图标有一个时钟（），表示该分析正在排队等待处理，打开它会看到它在队列中的位置。开始处理后，图标会逐渐填充绿色()来显示完成的进度。一些结果选项卡通常在一分钟内即可完成分析，例如Canonical Pathways（名称简化为Pathways）、My Pathways、Tox Lists和My Lists，方便用户可以立即开始查看这些结果。

图 1：Summary选项卡截图，在分析进行过程中显示每个选项卡的状态， Done表示此标签页的分析已完成，且对应标签页的文字从灰色变为黑色。分析完全完成后，Summary选项卡会恢复为以往的Summary结果。

图 2：在其他部分仍然处于分析过程中（灰色标签页）时已完成的Pathways选项卡，其内容及交互性已完全激活。

2. 优化了用于发表的水平条形图

由于出版商倾向于使用数据紧凑的图标，以便节省期刊中的版面空间，所以在这个新版中，当以水平条形图显示结果时，条形的间距比之前更小，条形标签右对齐，如图 3 所示。

图 3：水平条形图的显示比原先更加紧凑。

3. 从网络和通路更快地访问基因视图、化学视图和疾病视图

在这个新版中，用户可以右键单击通路或网络中的任何节点，查看其相应的Gene View、Chem View和Disease View网页。

图 4：右键单击基因节点并选择“View Details”后，会在默认浏览器中显示其基因视图页面。

内容更新

本季度新增了超过12万项新发现，使得IPA知识库数据量超过1200万条。内容包括BioGrid的蛋白-蛋白相互作用、ClinVar的癌症突变发现、ClinicalTrials.gov的靶点-疾病发现和药物-疾病发现、Gene Ontology的发现、Mouse Genome Database的基因-疾病发现等。

在Analysis Match、Activity Plot、Pattern Search中，用户可以探索超过12万个数据集（具体数据统计如下表），或是将它们与自己的数据集进行比较分析。

图 5：Land数据集统计表。

交互式疾病网络图

在研究一种疾病时，了解所涉及的关键基因以及它们如何相互作用，了解它们如何驱动疾病的发生或进展，这些都是很重要的。为此，IPA团队利用基于文献的QKG（知识图谱）无监督机器学习模型创建了疾病和表型网络的知识库。

该算法利用了从QKB中的因果关系派生的无监督基因和函数嵌入，与许多其他机器学习生物学应用程序不同，该算法不训练差异表达或其他形式的原始数据，而是利用了20多年来专家从生物医学文献中精选出来的QKB因果关联。有关该方法的详细信息，请参阅Krämer, et al.最近发表的论文。

这些网络图是通过算法生成的，通常包括该疾病的重要参与分子，并且还预测了QKB中以前不存在的许多新关联。其中一些预测可能有助于新发现，而且已经有文献证实了这些新发现。

扫码填写信息后即可免费获取交互式疾病网络图！

参考文献

Krämer, Andreas, et al. "Mining hidden knowledge: embedding models of cause–effect relationships curated from the biomedical literature." Bioinformatics Advances 2.1 (2022): vbac022.