前言
做RNA-seq基因表达数据分析挖掘，我们感兴趣的其实是“基因互作”，哪些基因影响了我们这个基因G，我们的基因G又会去影响哪些基因，从而得到基因调控的机制。
直觉确实是很明确的，但是细节处却有很多问题。
我们讨论的到底是基因表达的互作，还是基因产物的互作？
------------
对于蛋白编码基因，它翻译产生蛋白，如果此蛋白不参与转录过程，理论上不可能会影响另一个基因的表达，那也就不存在基因表达的互作的，它们的基因表达被很好的隔离起来了，相互独立，互不影响。
但现在鉴定出了很多调控基因或其他在基因组上的调控序列，比如miRNA、lncRNA等，它们也都需要从基因组上转录出来，然后转录产物会去影响其他基因的表达（影响转录）。这才是基因表达互作，虽然MiRNA、lncRNA不能被称作基因。
------------
基因产物的互作就普遍了，那就是蛋白互作，也就是STRING等数据库里收集的信息。
蛋白互作也容易直观理解些，复杂的多细胞生命体，几乎所有的功能都是靠蛋白来实现的，所以有很多蛋白要互相结合（空间上）在一起来行使自己的功能。
------------
还有一个就是遗传学领域的基因互作，这与生物学的基因互作完全不同，遗传学考虑的是宏观的基因互作，站在表型的基础上。 Novel phenotypes often result from the interactions of two genes。
遗传学的基因互作是生物学基因产物互作的结果。
STRING database的挖掘
这个数据库绝对是做实验人的宝藏，里面包含了各种蛋白互作关系，不用做实验就有一大堆证据。
IPA了解一下，收费的高端分析软件，大部分就是整合的这个数据库，很多大佬喜欢用IPA来找明星基因，再来讲故事，实例请看之前解读的CSC paper。
首先了解一下STRING里面有哪些文件可以下载：
https://string-db.org/cgi/download.pl?sessionId=yMNmD7s36wS8
选你的物种，减少文件大小，常用的就是互作数据：
一般我们想知道某个蛋白会与哪些其他蛋白互作，以及互作的类型，然后做下游分析，信息都在这几个文件里了。
注：有哪些互作关系需要好好搞清楚，移步help，https://string-db.org/cgi/help.pl?sessionId=yMNmD7s36wS8
Docs » User documentation » Getting started » Evidence
Conserved Neighborhood
Co-occurrence
Fusion
Co-expression
Experiments
Databases
Text mining
每一个PPI关系的证据来源是不同的，选择你需要的证据。我觉得里面最可靠的就是Experiments, Databases和Text mining了。
当然，我们是高手，能用更简单的方法绝不用复杂的，那么STRING的API了解一下。
用任意脚本语言读以下格式化地址：
https://string-db.org/api/[output-format]/interaction_partners?identifiers=[your_identifiers]&[optional_parameters]
就能得到一个dataframe结果，不用下载，不用筛选，速度更快，随调随用。
实例，我想知道HDAC4的互作蛋白，可以这么抓：
老鼠：Mus%20musculus
url <- "https://string-db.org/api/tsv/interaction_partners?identifiers=HDAC4&species=Homo%20sapiens"
webDf <- read.table(url, header=T)
head(webDf)
stringId_A stringId_B preferredName_A preferredName_B ncbiTaxonId score
1 ENSP00000264606 ENSP00000080059 HDAC4 HDAC7 9606 0.934
2 ENSP00000264606 ENSP00000202967 HDAC4 SIRT4 9606 0.809
3 ENSP00000264606 ENSP00000209873 HDAC4 AAAS 9606 0.901
4 ENSP00000264606 ENSP00000209875 HDAC4 CBX5 9606 0.779
5 ENSP00000264606 ENSP00000212015 HDAC4 SIRT1 9606 0.988
6 ENSP00000264606 ENSP00000215832 HDAC4 MAPK1 9606 0.572
nscore fscore pscore ascore escore dscore tscore
1 0 0 0 0.061 0.320 0.90 0.061985
2 0 0 0 0.052 0.166 0.00 0.778000
3 0 0 0 0.058 0.000 0.90 0.000000
4 0 0 0 0.062 0.463 0.54 0.159000
5 0 0 0 0.052 0.415 0.90 0.812000
6 0 0 0 0.000 0.433 0.00 0.276000
结果解读：
Output fields (TSV and JSON formats):
| Field | Description |
|---|---|
| stringId_A | STRING identifier (protein A) |
| stringId_B | STRING identifier (protein B) |
| preferredName_A | common protein name (protein A) |
| preferredName_B | common protein name (protein B) |
| ncbiTaxonId | NCBI taxon identifier |
| score | combined score |
| nscore | gene neighborhood score |
| fscore | gene fusion score |
| pscore | phylogenetic profile score |
| ascore | coexpression score |
| escore | experimental score |
| dscore | database score |
| tscore | textmining score |
抓其他信息改下API就行了
还有很多工具是基于STRING做富集分析的，也可以了解一下，主要看自己需求。
待续~
原文地址：https://www.cnblogs.com/leezx/p/10718486.html