CMap数据库学习及结果可视化

CMap（Connectivity Map，连接图谱）

CMap是一个生物信息学数据库和工具，旨在通过比较基因表达谱来揭示药物、基因和疾病之间的潜在关联。CMap数据库主要用于寻找药物、化合物和生物过程之间的关系，并用于药物重定位（drug repurposing）和疾病机制研究。

数据来源：不同细胞系；

数据结果：采用的蛋白质层面的数据和小分子药物之间的扰动关系；

数据含量：包含超过150万(这里应该是指不同刺激/条件下的信息数量？)条基因表达谱的库，这些表达谱来自约5000种小分子化合物和约3000种基因试剂，并在多种细胞类型中进行了测试。

这是分析平台的网址：https://clue.io/about

主要功能和用途：

1. 药物重定位（Drug Repurposing）:

CMap 可以帮助研究人员发现已有药物的新的治疗用途。通过将已知药物的基因表达特征与疾病的基因表达特征进行比较，可以识别出可能对该疾病有效的现有药物。

2. 理解药物机制（Mechanism of Action, MoA）:

CMap 允许研究人员通过分析药物处理后的基因表达变化，探索药物的作用机制。通过与已知的作用机制进行比较，可以预测未知化合物的作用方式。

3. 揭示基因功能和病理学机制:

通过将特定基因的基因敲除或过表达实验的基因表达谱与 CMap 数据库中的药物处理基因表达谱进行比较，研究人员可以推断出该基因在特定生物过程中或疾病中的作用。

4. 疾病关联研究:

CMap 可以用于研究不同疾病的分子机制。通过比较不同疾病的基因表达特征，可以识别出与特定疾病相关的分子标志物或潜在的治疗靶点。

5. 化合物筛选:

研究人员可以利用 CMap 数据库进行化合物筛选，找到能够逆转某些疾病相关基因表达模式的候选化合物，从而为新药开发提供线索。

工作原理：

CMap 数据库的核心是大量的基因表达谱，这些表达谱是通过微阵列或 RNA-seq 技术获得的，记录了细胞在不同化合物、基因干扰或基因过表达处理后的基因表达变化。研究人员可以输入一个基因表达谱（如某种疾病的差异基因谱），然后网站会根据表达谱信息富集得到相关性分数(-100 ~ 100)进而识别潜在的敏感性药物。同时该相关性分数越小则差异药物的敏感性可能越强(可以规定小于-95为潜在治疗性药物) 。

网页及代码分析流程

1、进入官网(https://clue.io/)，注册登录后点击tools中的Query(主要用这个，其他的可自行探索)

2、查看工作界面

左侧(1)红框代表设置的项目名称；(2)红框代表选择上传数据的情况，一般来说都是gene expression。如果输入的事蛋白组的数据，就可以选择Proteomics的选项，总之要根据自己的数据类型而决定。

右侧第一个框可以搜索既往分析的结果，第二个的选项可以进行数据展示。

3、选择了gene expression之后还需要进行参数设置和上传上下调差异基因。参数设置一般默认即可，其中Latest中还有1.0的老版本，建议选择1.0的老版本！如果选择1.0的版本可以在网页上生成热图和数据的detail list。

4、输入基因之后还可以根据圆圈的颜色样式告诉使用者该基因是否可以被查询。在这里的上下调栏中各有一个基因是正确的但是在这个数据库中没有信息。此外，输入基因的数量最少是10个，最多不能超过150个，下调基因可以不输入。

5、支持多任务同时上传并分析

6、如果显示Detailed list not supported，那就直接下载全部的数据。如果Detailed list可以点击就进入页面导出所需要的数据即可。

7、点击Compound选项，然后导出信息。

8、代码环节

加载数据，提取上下调各排名前150的差异基因。

rm(list = ls())
degs <- read.csv("degs.csv",row.names = 1,header = T)
head(degs)[1:4,1:4]
#   &