主讲老师第三十六课：ceRNA网络构建
先来简单介绍一下 ceRNA，ceRNA，并不是新的 RNA 分子，只是一种的调节机制。ceRNA（competing endogenous RNAs，竞争性内源 RNA）假说揭示了一种 RNA 间相互作用的新机制。同样，对于 ceRNA 网络的构建也存在多种方法。之前，关于 ceRNA 网络的构建，我们往往是这种分析思路：首先，通过差异分析，获得差异表达的 mRNA，lncRNA 和 miRNA，然后与数据库取交集，最终得到 ceRNA 网络（ceRNA.zip）。但是，很多情况下，我们并不会同时获得 mRNA，lncRNA 和 miRNA三个的表达结果，因此，我们今天讲讲另外一种方法。从 mRNA 到 ceRNA 网络，这里主要使用multiMiR 包进行分析，在 multiMiR 包中结合了 14个数据库，我们可以直接使用这里面的数据库来进行miRNA 的选择，其中包括了经典的mirTarbase 数据库，这里主要是肿瘤结果，但是已经实验验证相互关系了的，已经没必要分肿瘤和非肿瘤了。下面，我们来看下 ceRNA 网络的构建。
首先，还是将差异分析的结果进行读取
1. R 包安装
在此，使用 multiMiR 包来进行 ceRNA 网络的预测。
2. 从 mRNA 得到 miRNA
2.1 选取差异基因
我们首先获取差异表达基因作为输入基因，结果显示：其中差异表达基因一共 482 个
2.2 预测 miRNA
接下来，我们来预测可能的 miRNA，这个工具可以从 mRNA 得到 miRNA，也可以从miRNA 得到mRNA。同时，除了人类，其也可以进行鼠的 ceRNA 网络预测。在分析过程中，R 包会对输入基因通过不同数据库进行搜索。
可以看到，在分析过程中，分别对 mirecords，mirtarbase 和 tarbase 三个数据库进行了检索分析
2.3 选取 mirtarbase 数据库的预测结果
这里，我们选取 mirtarbase 数据库的预测结果来进行分析提取使用数据库为 mirtarbase 的结果，一共得到 7090 条预测结果。
2.4 选择实验验证等级
接下来，我们进一步进行选择，在里面，有不同等级的数据：
根据数据来源的不同，其对预测结果的可靠性进行了分类，我们可以筛选其中经过最严谨的 Luciferasereporter assay 实验验证的结果。
进一步缩小后，最终得到 106 条相互作用结果。
接下来，我们把里面的 miRNA 和 mRNA 进行提取。最后，将结果稍作整理，对列名重新定义。
3. 从 miRNA 得到 lncRNA
得到了 miRNA 后，我们需要预测 lncRNA。关于 lncRNA 和 miRNA 互作的数据库主要是 3 个数据库，分别是 mircode，starbase，mirnet，这里，我们来使用 starbase 数据库的使用。这里呢，下载了里面相互作用的列表（starBaseV3_hg19_CLIP-seq_lncRNA_all.txt）。直接下载里面所有 lncRNA 和miRNA 互作的数据，后面就不需要借助数据库，直接在 R 里面根据自己的需要进行筛选即可。这个不是直接下载的，是用终端命令下载的，大家直接使用就可以了。
将数据库整体的结果读取进来。结果显示：其中包含了 71952 条相互作用信息，如果感兴趣的话，大家也可以点开来看看然后，从数据集里面进行提取，取交集的 miRNA 信息，最终得到 68 个不同 miRNA。这样，整个过程就避免了多次进入数据库里面一个个查找了，包括人类的，鼠的，都可以下载。
在这里，我们也同样可以设定进一步的筛选标准。我们根据数据库的使用介绍，将标准设定在pancancerNum >10 和 clipExpNum>4，pancancerNum >10 保证在 10 种以上肿瘤中得到验证。这样得到的数据结构可靠性会更高一点，便于后期的实验验证，当然，如果结果不好的话，也可以稍微放宽条件。
经过筛选，最终得到了 69 条结果。然后，将其中的 lncRNA 进行提取去重。
最终得到 37 条相互作用的 lncRNA，同样，对结果进行整理这样，mRNA，miRNA 和 lncRNA 基本预测得到了。同时，三者的关系，也保存在了 node1和 node2中。接下来，将其汇总作为 Cytoscape 的输入文件
4. Cytoscape 输入文件
将 node1 和 node2 进行合并，作为输入文件。同时，准备一份 type 的输入文件，和PPI 网络一样，作为颜色和形状参数的修改。因为 cytoscape 软件的使用比较类似，大家可以参考转录调控网络的构建过
程，好啦，整个转录组部分的标准分析流程就给大家基本好了