代謝組學(xué)數(shù)據(jù)的解釋非常具有挑戰(zhàn)性，轉(zhuǎn)錄組學(xué)和代謝組學(xué)數(shù)據(jù)的整合改善了疾病相關(guān)代謝組學(xué)的功能解釋，并促進(jìn)了代謝物生物標(biāo)志物和基因靶標(biāo)的發(fā)現(xiàn)。目前，公共數(shù)據(jù)或客戶自有的多組學(xué)數(shù)據(jù)，基因和代謝物譜，在這些類型的研究中，考慮到轉(zhuǎn)錄物 - 代謝物關(guān)系的復(fù)雜性，途徑/網(wǎng)絡(luò)方法可能既不適用也不容易發(fā)現(xiàn)新的關(guān)系?？紤]到這一點，我們提出了一種簡單的線性建模方法來捕獲捕獲疾病（或其他表型）特定的基因和代謝物關(guān)聯(lián)，通過假設(shè)共同調(diào)節(jié)模式反映功能相關(guān)基因和代謝物。

線性模型公式如下：

E(m|g,t) = β1 + β2 g + β3 p + β4 (g:p) + ε

其中'm'和'g'分別是代謝物豐度和基因表達(dá)水平，'p'是表型（癌癥類型，患者診斷，治療組等），'（g：p）'是基因表達(dá)和表型之間的關(guān)聯(lián)，'ε'是錯誤術(shù)語，即正常分布?

使用方法：

Rscript Integration.R -input=input.csv -diffcorrvalue=0.8

參數(shù)說明：

USAGE:Integration.R ?-input=<input> -diffcorrvalue=<diffcorrvalue>PARAMETERS:- input ?Users need to input a CSV file with two required columns:type and filenames.The CSV file is expecected to have the following 2 columns and 6 rows:type,filenamesmetabData,myfilenamegeneData,myfilenamemetabMetaData,myfilename (optional)geneMetaData,myfilename (optional)sampleMetaData,myfilename- diffcorrvalue the absolute value difference of the gene-metabolite Spearman correlation (default set at 0.8) between the two groups,string

操作步驟：

1、打開命令行界面，輸入“Rscript ?Integration.R”調(diào)閱幫助文檔，確定該程序所需的輸入文件。

2、用戶根據(jù)幫助文檔中的參數(shù)說明內(nèi)容，對參數(shù)進(jìn)行設(shè)置。這里，必須輸入?yún)?shù)有2個，分別是- input，列出導(dǎo)入的基因表達(dá)和代謝物數(shù)據(jù)文件的位置（代謝物數(shù)據(jù)、基因表達(dá)數(shù)據(jù)、代謝物元數(shù)據(jù)、基因元數(shù)據(jù)和樣本元數(shù)據(jù)）。這些文件夾必須在同一個文件夾中。不要在文件名中包含路徑名。該文件位置表格格式如下所述。

請確保所有文件都為CSV文件且都位于同一文件夾中。

-diffcorrvalue??兩組間基因代謝物Spearman相關(guān)系數(shù)的絕對值差（默認(rèn)設(shè)置為0.8）

3、完成參數(shù)提交后，按下回車鍵，整個程序即正式開始進(jìn)入執(zhí)行。每步執(zhí)行內(nèi)容都會給出提示。程序執(zhí)行完畢后，界面會顯示”Program execution is completed"結(jié)束語。

結(jié)果展示：

共輸出1個表格csv格式文件，1個pdf格式的圖片文件，2個html格式的圖片文件

1.?corResults.csv

注：篩選出來的符合閾值條件的基因-代謝物關(guān)系對， metab：代謝物名稱；gene：基因名稱；case_cor：疾病組內(nèi)，基因代謝物兩者相關(guān)性；?normal_cor：正常組內(nèi)，基因代謝物兩者相關(guān)性；?diff.corr：兩組間基因代謝物兩者相關(guān)性；Pval：關(guān)聯(lián)性p值；FDRadjPval：校正后p值?

2.?KEGG enzyme.csv

代謝物網(wǎng)絡(luò)節(jié)點在KEGG數(shù)據(jù)庫中的具體含義，KEGG.id：KEGG數(shù)據(jù)庫中對應(yīng)的ID號，Entry.type：類別，KEGG.name：名稱，p.score：p值

3.?Distributions.html

轉(zhuǎn)錄組、代謝組表達(dá)柱形圖?橫坐標(biāo)為樣本，縱坐標(biāo)為表達(dá)量，左圖為基因樣本，右圖為代謝組樣本

4.?PCA.html

代謝物和基因表達(dá)數(shù)據(jù)主成分分析結(jié)果?左圖為基因數(shù)據(jù)，右圖為代謝組數(shù)據(jù)，紅色圓形為xx樣本，藍(lán)色方形為xx樣本?

5.DistPvalues.pdf?????

所有基因和代謝物關(guān)聯(lián)性p值分布圖?橫坐標(biāo)為關(guān)聯(lián)性p值，縱坐標(biāo)為該p值出現(xiàn)頻率。

特別說明：本代碼經(jīng)申請軟件著作權(quán)，僅轉(zhuǎn)讓使用權(quán)，不轉(zhuǎn)讓所有權(quán)

如需代碼及示例數(shù)據(jù)等文件，請掃碼聊天框回復(fù) “代碼”領(lǐng)??！

寫在文末：

如果您近期想做生信方面的文章而苦于沒有思路，或者不知道如何來入手生信分析，或者兌具體的某一個圖有作圖需求，都可以掃碼咨詢小云，我們有專業(yè)的技術(shù)團(tuán)隊，生信熱點思路設(shè)計、生信分析、熱點方向生信挖掘等，如有需要，可掃碼下方二維碼了解詳情：?