IPA-蛋白质组、代谢组、转录组分析利器

IPA-蛋白质组、代谢组、转录组分析利器

做为一个超过5年蛋白质组学、代谢组学行业从业以及实验研究者，虽然在几年前早已经听过Ingenuity Pathway Analysis （IPA）的大名，但是对其了解可是真的不多，直到去年接触了IPA分析，才明白原来自己以前做的常规go、kegg等分析真的没法看了，因为常规GO、kegg分析给一大堆数据我要再去筛选自己想要的关键信息太难了，我得花费大量的时间去筛选到自己想要的信息，而且go、kegg的结果感觉很乱，得到的分析结果并没有过滤掉无用的注释信息，还有network分析也让人觉得食之无味、弃之可惜。不过直到用了IPA分析后，我才发现我以前用的大量时间去分析的数据原来IPA分析就可以很轻松帮我们得到，这里简单介绍一下IPA得到的结果，给大家秀秀，让更多人能了解IPA，更高效发更高分的文章。
IPA我主要是用来分析组学数据（我经常用来处理得到的转录组、蛋白质组、代谢组数据）、以及构建个性化通路。组学数据分析结果主要有经典通路、上游转录调控、下游调控子效应、疾病与功能以及network这5个结果。
1、经典通路分析：我认为最大的优势是能根据我们上传数据中的分子上下调来预测通路的激活/抑制，然后还能预测整个通路被激活后的变化趋势，如图

4、疾病与功能分析：这个主要分析差异基因/蛋白参与调控的疾病或者功能，类似于GO分析却又超越GO分析。

这只是IPA分析中3种形式network图哦，还有两种就不展示了，而且这个network也是基于功能能进行分析的哦，非拓扑关系、是根据文献中实验结果来的。
不过说了这么多IPA的优点，也得说说他的缺点，就是基本上最适合分析人、大小鼠的数据了，什么植物、微生物就不太适用了，所以比较适合做疾病机制研究、药物方向药理药靶研究的。

怎么样，IPA的结果够炫吧，不瞒你们说，我已被圈粉，感兴趣的可以联系我哦