clusterProfiler、GSEA 与 GSVA
clusterProfiler 常用于 GO、KEGG 过表达分析，输入是差异基因列表；GSEA 使用全部基因排序，能发现整体小幅协同变化的通路；GSVA 和 ssGSEA 为每个样本算通路得分，便于分组比较或关联表型。
15个分析 Skill · Codar 生信插件
网络与系统生物学 AI 分析
网络与系统生物学把单个基因的变化放到通路、模块和调控关系里理解，典型输入是差异基因列表、表达矩阵或时间序列数据。这个插件在 Codar 里覆盖通路与功能富集、GSEA 与样本级基因集评分、WGCNA 共表达网络、蛋白互作网络、基因调控网络推断、差异网络、网络药理学、SBML 建模和网络可视化。
网络与系统生物学能回答哪些研究问题
- 这批差异基因主要富集在哪些通路和生物学过程？
- 哪个共表达模块与临床性状最相关，枢纽基因是谁？
- 差异蛋白之间构成怎样的互作网络，哪些是核心节点？
- 哪些转录因子在调控这批基因的表达变化？
- 某个中药成分可能通过哪些靶点和通路发挥作用？
网络与系统生物学分析流程
- 1
明确输入和问题
确定手上是基因列表、完整表达矩阵还是时间序列，这决定能用富集、共表达还是调控推断。
- 2
数据预处理
统一基因 ID，过滤低表达和低变异基因，检查离群样本；时序数据要确认时间点和重复。
- 3
功能富集
按输入类型选择过表达分析或 GSEA，必要时对每个样本计算通路评分，用于后续比较。
- 4
构建网络
做 WGCNA 模块、蛋白互作网络或调控网络推断，并比较不同条件下网络连接的变化。
- 5
拓扑分析
计算度、中介中心性等指标并做社区划分，识别枢纽节点和功能模块，再对模块做富集。
- 6
可视化与汇报
输出网络图、模块-性状热图、富集图、节点表和报告，附可复现脚本。
常用方法与怎么选
WGCNA
通过基因间相关性构建加权共表达网络并划分模块，再把模块特征基因与性状关联。软阈值通常按无标度拓扑拟合度选择，常用 0.8 左右作为参考。作者建议样本数不少于 15 个，样本过少时模块不稳定。
STRING 与 Cytoscape
STRING 汇总实验、共表达和文献挖掘等来源的蛋白互作，常用综合分数 0.4 或 0.7 作为中、高置信阈值。Cytoscape 用于网络展示和拓扑分析，MCODE、cytoHubba 等插件常用来找子网络和枢纽节点。
GENIE3、ARACNe 与 SCENIC
用于从表达数据推断基因调控关系。GENIE3 基于随机森林，ARACNe 基于互信息并剔除间接关联，SCENIC 在共表达基础上加入转录因子结合基序验证，常用于单细胞数据。推断出的调控边是统计关联，需要实验验证因果方向。
需要准备的数据
- 差异基因或差异蛋白列表（带统计量）
- 标准化后的表达矩阵
- 样本性状表或临床信息
- 时间序列实验的时间点信息
- 网络药理学所需的化合物或靶点列表
能得到的结果
- GO、KEGG 富集表和气泡图
- GSEA 富集图与样本级通路得分矩阵
- WGCNA 模块划分与模块-性状相关热图
- 互作或调控网络图及枢纽节点表
- 可导入 Cytoscape 的网络文件
- 分析报告和可复现脚本
网络与系统生物学插件包含的分析能力
共 15 项。启用插件后，Codar 会按任务自动选用，不需要逐个记住名称。
- GSEA与样本级基因集评分
- WGCNA共表达网络
- 微生物群落代谢网络
- SBML生物网络建模
- 网络药理学分析
- 时序基因调控网络
- 生物网络可视化
- 差异调控网络
- 生物网络拓扑与社区分析
- 基因调控网络推断
- 观察性组学因果驱动分析
- 通路与功能富集分析
- 蛋白质互作网络构建
nf-core 标准流程（2 个）
- nf-core-bacmodel流程
- nf-core-diseasemodulediscovery流程
在 Codar 里怎么用
- 1
切换到生信模式
在 Codar 左上角选择 Codar 生信。
- 2
启用「网络与系统生物学」
在插件页找到「网络与系统生物学」，安装或启用。
- 3
描述研究问题
用一句话写清数据和目标，确认分析方案后开始执行。
可以这样提问
帮我对这份表达矩阵做 WGCNA，找出与临床性状最相关的模块，并对模块基因做通路富集。
网络与系统生物学常见问题
GSEA 和 GO/KEGG 富集分析有什么区别？
GO/KEGG 过表达分析只看按阈值筛出来的差异基因，结果受阈值影响较大；GSEA 使用全部基因按差异程度的排序，不需要设阈值，能发现多数基因小幅同向变化的通路。差异基因很少或很多时，GSEA 往往更稳健，两者也可以结合报告。
WGCNA 需要多少样本？
WGCNA 作者在官方说明中建议样本数不少于 15 个，样本更多时模块更稳定。样本过少时，相关系数估计噪声大，模块划分容易随参数改变。样本有限时，可以考虑先做差异分析再用 GSEA 等方法补充，而不是强行构建共表达网络。
网络药理学的结果可靠吗？
网络药理学基于数据库中的成分、靶点和通路关系做预测，结果受数据库收录质量影响，靶点预测本身有较高假阳性。它适合用来提出假设和缩小验证范围，不能单独作为作用机制的证据，关键靶点通常需要分子对接或细胞、动物实验进一步验证。
其他生信插件
macOS 12+Mac
Windows 10+Windows