系统生物学中组学数据分析的一般方法

系统生物学采用系统性整合分析策略阐释生命体中各层次组分间的相互作用机制，阐明生命系统在不同的条件和时间跨度下的动态调控模式及动力学特性。系统生物学作为整合性科学，需要对多种组学数据进行整合分析，从而系统地描述生物体内如基因和蛋白质等组分间的调控关系。

系统生物学的信息就是分层信息的汇总，例如下方这个图将系统生物学的信息分为四个层级，将癌症拆分为不同的生物过程，不同的生物过程又有不同的信号通路组成，不同的信号通路是由不同的小分子参与。如此这般，从底层到高层就形成一个“金字塔”般的构造，最初从两点一线到两点成面，再到多面成网，从而构成了与癌症发生相关的网络。

系统生物学的主要技术平台为基因组学、转录组学、蛋白质组学、代谢组学、相互作用组学和表型组学等。基因组学、转录组学、蛋白质组学、代谢组学分别在DNA、mRNA、蛋白质和代谢产物水平检测和鉴别各种分子并研究其功能。组学数据分析流程一般如图2，经过质控（归一化、PCA、Clustering），筛选差异（Statistic-Test、WGCNA、heatmap），功能富集分析（GO、KEGG、PPI）,选择方向（Venn/Correlation），构建模型（network），找到靶点之后可进行实验验证。图3中文献就是这个流程。

那么在高分文章中是否也是这个逻辑呢？例如如图4在letter上发表的这篇文章也是按照典型的数据分析流程。像这样的数据处理用Omicsbean半个小时就可以得到这样得结果，方便可靠而又快捷。