因为最近想了解miRNA在药物个体使用中的应用，无意中发现了这个R神包，使用后发现上手不难，操作很是简便，可以作为预测的一个有力工具！

##############基本介绍##############

# multiMIR综合了：

3个已验证的miRNA-靶基因相互关系的数据库（mirecords", "mirtarbase", "tarbase"）；

8个预测数据库（"diana_microt", "elmmo", "microcosm", "miranda", "mirdb", "pictar", "pita", "targetscan"）；

3个miRNA与疾病和药物相关数据库（"mir2disease", "pharmaco_mir", "phenomir"）

但是"mir2disease", "pharmaco_mir"总是也打不开……

# 最新更新时间是2017.8，说是会定期更新

以下内容全部来自下面的链接，如有不清楚的可以点开这个链接详细看看

# http://bioconductor.org/packages/release/bioc/vignettes/multiMiR/inst/doc/multiMiR.html

##############安装及打开##############

# 安装multiMIR包

library(BiocManager)

BiocManager::install("multiMiR")

#读取及基本信息

library("multiMiR")

#了解包含的数据库版本及网址

multimir_dbInfo()

#了解每个数据库所含的条目数

multimir_dbCount()

#了解有哪些drug

drugs <- list_multimir("drug")

#The current version of multiMiR has 5830 miRNAs and 97186 target genes from human, mouse, and rat；64 drugs and 223 disease terms. 可见涉及的药物还是比较少的……

##############实践开始##############

#get_multimir()是这个R包最常用的函数，可以获得miRNA-mRNA预测、验证、疾病、药物等信息

#教程中举了一个开发者实验室的研究，其通过检测发现差异表达miRNA，再利用这个R包发现已经验证的miRNA-mRNA关系，此处不重复这个代码，感兴趣可以自己看，跟后面的例子重复

#善用help

?get_multimir

#关键参数：

#mirna：可以是mature miRNA accession number (i.e. "MIMAT0000072"), mature miRNA ID (i.e. "hsa-miR-199a-3p"), or a combination of both (i.e. c("MIMAT0000065", "hsa-miR-30a-5p"))

#target：可以是gene symbol (i.e. c("TP53", "KRAS")), Entrez gene ID (i.e. c(578, 3845)), Ensembl gene ID (i.e. "ENSG00000171791"), or a combination of any of these identifiers (i.e. c("TP53", 3845, "ENSG00000171791"))

#disease.drug:i.e. c("bladder cancer", "cisplatin"))

#table：尤为重要，默认筛选验证的miRNA-mrna对即validated;也可选择predicted；disease.drug;还可以"all"

#predicted.cutoff,筛选前20（predicted.cutoff.type=n)，前20%（predicted.cutoff.type=p)

#predicted.site:像targetscan/miranda/pita三个网站会对预测的位置评估保守性，所以当table中含有上述三个库时，可以筛选"conserved", "nonconserved", or "all"

#保守性相关概念详见notebook-mirna靶基因预测

#use.tibble:返回是dataframe

#example1

以下是尝试后的经验分享

#如果仅输入miR名称，eg：hsa-miR/r-203a,系统是无法区别是否为成熟序列的，而且经过尝试这个名字其实对应的是hsa-miR-203a-3p

#然而,直接输入hsa-mir/R-203a-3p，输出结果明显少于hsa-miR/r-203a

#所以如果想要预测准确，还是推荐输入Accession number，如hsa-miR-203a-5p --- MIMAT0031890

example1 <- get_multimir(mirna = "MIMAT0000264",table = "predicted",summary = TRUE, use.tibble = TRUE)

#具体预测结果

data_predict <- example1@data

#汇总预测结果

data_summary <- example1@summary

#查看返回的结果

table(example1@data$type)

#查看已验证的miRNA-mRNA相互作用详细信息

head(example1@data)

#查找使用某一实验方法验证的例子，eg荧光素酶验证的相互作用

example1@data[grep("Luciferase", example1@data[, "experiment"]), ]

#查找靶基因是特定基因的结果，STX4

example1@summary[example1@summary[,"target_symbol"] == "STX4",]

#example2

#检索特定药物的相关miRNA，坑的是目前只有64个

example2 <- get_multimir(disease.drug = "paclitaxel",table = "validated",summary = TRUE,use.tibble = TRUE)

example2_data <-example2@data

example2_summary <- example2@summary

#example3 筛选同一生物学通路上多个基因的共同miRNA

#因为miRNA存在多对一，或者一对多的情况，所以此时这个包的nb之处就可以显现了

example4 <- get_multimir(org   = 'hsa',

             target = c('AKT2', 'CERS6', 'S1PR3', 'SULF2'),

             table  = 'predicted',

             summary = TRUE,

             predicted.cutoff.type = 'n',

             predicted.cutoff   = 500000)

example4_summary <- example4@summary

example4_data <- example4@data

example4.counts <- addmargins(table(example4@summary[, 2:3]))

example4.counts <- example4.counts[-nrow(example4.counts), ]

example4.counts <- example4.counts[order(example4.counts[, 5], decreasing = TRUE), ]

head(example4.counts)

目前仅尝试过上述内容，总体感觉速度很快，结果展示很友好，但是有个问题就是貌似更新还是有缺陷，比如TargetScan已经可以预测hsa-miR-203a-5p的靶基因了，但是目前“multiMIR”这个包还是仅显示只有miRDB可以预测。所以希望开发者定期更新哈！！

欢迎大家交流分享这个包其他使用经验，或者其他便捷的R包

下载什么miRNA呢？是要进行靶基因预测的miRNA吗？一般是自己研究发现的潜在miRNA，想进一步研究功能，才进行靶基因预测