用过IPA分析后才知道原来go、KEGG分析几乎可以不看了

做了一个超过5年蛋白质组学、代谢组学行业从业以及实验研究者，虽然在几年前早已经听过Ingenuity Pathway Analysis （IPA）的大名，但是对其了解可是真的不多，直到去年接触了IPA分析，才明白原来自己以前做的常规go、kegg等分析真的没法看了，因为常规GO、kegg分析给一大堆数据我要再去筛选自己想要的关键信息太难了，我得花费大量的时间去筛选到自己想要的信息，而且go、kegg的结果感觉很乱，得到的分析结果并没有过滤掉无用的注释信息，还有network分析也让人觉得食之无味、弃之可惜。不过直到用了IPA分析后，我才发现我以前用的大量时间去分析的数据原来IPA分析就可以很轻松帮我们得到，这里简单介绍一下IPA得到的结果，给大家秀秀，让更多人能了解IPA，更高效发更高分的文章。

IPA我主要是用来分析组学数据（我经常用来处理得到的转录组、蛋白质组、代谢组数据）、以及构建个性化通路。组学数据分析结果主要有经典通路、上游转录调控、下游调控子效应、疾病与功能以及network这5个结果。

1、 经典通路分析：我认为最大的优势是能根据我们上传数据中的分子上下调来预测通路的激活/抑制，然后还能预测整个通路被激活后的变化趋势，如图

当然还有具体的通路图我就简单展示一个吧：

2、上游转录调控分析：这个是主要分析我们提交的数据中分子的上游转录调控因子（覆盖了转录因子、化合物、小RNA、受体、激酶、药物等）。同样也能根据我们数据集中分子的上下调预测转录调控子的激活/抑制状态，并且转录调控子可与相应的靶分子一起构建转录调控互作网络。不说了，放图如下：

3、下游调控子效应分析：这个主要是将调控子与调控的靶分子的互作网络按照功能进行聚类分析。

4、疾病与功能分析：这个主要分析差异基因/蛋白参与调控的疾病或者功能，类似于GO分析却又超越GO分析。

特别指出这个功能heatmap图，很轻松就能发现我们数据中分子参与的功能哪些是激活状态，哪些是抑制，并且能具体看到对应的分子是哪些，当然这个图是功能大类，还能点进去看更详细的，是不是看了这个图对我们的数据有种恍然大悟的感觉。我们还能展示这个相应功能与对应的分子的网络，当然你也可以构建多个功能与对应分子的互作图，如下图：

5、network分析：想起以前用String去做的network分析，感觉太丑了，而且看着没啥用，用Cytoscape画画还能好看不少，但是都可以用一句华而不实来概括。

这只是IPA分析中3种形式network图哦，还有两种就不展示了，而且这个network也是基于功能能进行分析的哦，非拓扑关系、是根据文献中实验结果来的。

不过说了这么多IPA的优点，也得说说他的缺点，就是基本上最适合分析人、大小鼠的数据了，什么植物、微生物就不太适用了，所以比较适合做疾病机制研究、药物方向药理药靶研究的。