【Pathview web】通路映射可视化

前言

pathview是一个通路可视化友好的R包，最主要的是它支持多组学数据映射（基因/蛋白-代谢）。自己用过它的R包，后来发现有网页版的，果断介绍给学员。因为不常用，记录要点，以后温习备用。

目前web版本和R包访问和应用次数如下，显然R群体用户占主导。Web界面是在PHP上使用Laravel Framework和R构建的。地址：https://pathview.uncc.edu/

使用时可以游客快速访问，不过注册的话会保留一段时间分析的结果。

工具使用的帮助文档详见：https://pathview.uncc.edu/tutorial#input，包括了示例说明，输入输出参数，结果说明。

示例1

New Analysis是我们要导入分析的数据，并设置的一些参数。怎么使用呢？或者说有哪些功能呢？它提供了example1-example4的4个案例，了解了这四种分析，后续我们只要依葫芦画瓢设置一下就OK了。下面我们先看下示例1.

多样本KEGG可视化。第一个选项，输入输出在这个demo数据中，基因有3个样本，代谢组有2个样本：

然后是物种、ID类型选择，支持的物种和ID类型很多。Pathway如果没有指定的，就选择自动。

第二个选项Graphics，即图形参数。没有特殊需求的话默认就好，不懂点击图中小图标。

第三个选项是颜色的选择。这个也是按需更改。

最后点击submit，出现运行输入配置参数和进度。完成后点击Analysis Results and logs。

结果如下。内容包括了关联上的通路图，pathway富集的结果文件，以及运行的日志文件。

随便点一个图查看下：

映射上的分子都标颜色了，基因三个样本，不同颜色不同丰度（经过归一化）；代谢2个样本，即2种颜色，顺序应该是按tab中样本先后顺序来的。

combo.res.sig.tsv是个什么文件，帮助文档里好像没有解释。我的理解是两个组学combine做的富集分析结果，重点看p值和q值。

gaga.res.sig.gene.tsv也没有解释，对于文件中的每一列不是很懂。但知道GAGA是FCS的一种富集分析方法，重点看p值和q值。

只是不明白，结果中图只有6个，为何两个富集分析结果中有这么多通路。

示例2

示例2是多个样本的Graphviz视图。和示例1的分析几乎是一样的，只是图形不同。Graphviz图是通过使用Graphviz引擎对pathway图进行布局，可以更好地控制节点或边缘属性和pathway拓扑，更重要的是可以保存为PDF格式的矢量图像（KEGG pathway视图只有png，不清晰）。

打开其中一个图，可以看到Graphviz简化了很多。

示例3

示例3是ID映射，这是最常用的功能吧。

demo数据中是单个样本的丰度，基因ID变成了Ensemble，化合物ID来自CAS。

基因数据：

代谢组数据：

得到的结果就只有映射的图片了，没有富集的结果。

查看下图片：

示例4

整合Pathway分析，要花费更长的时间。分析方法和上三个示例是一样的，只是默认的参数Pahtway Selection为“Auto”（其他三例为Manual）。

另外，和示例1相比就是demo数据的样本数增加了。

基因示例数据如下：

代谢组数据如下：

结果如下：

图形如下：

帮助文档中没说明以上数据是否重复。我查了下这6个图，基因都是1-3色，化合物都是1-2色，所以我推测基因是三个样，每个2重复，代谢两个样，每个2重复。

关于结果数据，和示例1比，除了combo.res.sig.tsv和gage.res.sig.gene.tsv外，还多了一个gage.res.sig.cpd.tsv文件，格式和gene的是一样的，如下：

所以，除了我上面讲的，示例1和示例4到底有什么区别？？？谁来告诉我。

文档解释：Since both gene and compound data (inputs) are included, this example goes beyond in that in integrates the two separate regular pathway analysis for gene and compound (intermediate results) into a more powerful meta-analysis (final results)。可是大哥，你的示例1也是整合了两个组学啊

更新

1.样本重复问题

经检查，示例2和示例4是可以设置重复的。点击下面这个铅笔：

我们自己数据导入时，也会弹出窗口提醒我们是否进行分组，设置的方式参考示例2和示例4（指明列数）。

2.示例1和4的区别

对于New Analysis来说没啥区别，只是说明了两种不同的输入方式作为参考，如不同数据和分组信息，在Pathway Selection选择了Auto。自己输一次就知道了。

3.组学选择

输入时，可以选择单组学或多组学：