不会写代码是生信小白面前大的拦路虎!

　　但随着生信的普及，已经有很多在线生信网页和软件可以进行在线分析，不仅不用写代码，甚至不需要从GEO上下载原始数据。

　　今天我们就结合近发表的一篇纯生信零代码文章，简单介绍7个在线生信分析网页和软件，这7个工具正好组成一套生信分析的完整流程。

　　这篇文章名为“Exploring the Key Genes and Pathways in the Formation of Corneal Scar Using Bioinformatics Analysis”，即“利用生物信息学分析探索角膜瘢痕形成的关键基因和途径”。期刊名为BioMed Research International，新影响因子为2.2分。

　　作者通过前期阅读文献，发现转化生长因子-β(TGF-beta)是角膜瘢痕形成的关键基因。高表达的TGF-beta意味着高表达的角膜瘢痕发生率。于是该团队选取GEO数据库的GSE6676基因芯片作为研究对象，该芯片包括8个样本，4个是高表达TGF-beta的小鼠样本，4个是野生型小鼠样本。下面从原文中提到的5个步骤来一一介绍这7个工具。

　　01筛选差异表达基因(DEGs)

　　使用的工具是GEO2R网页工具，网址是http://www.ncbi.nlm.nih.gov/geo/geo2r/

　　具体用法，网页里有youtube链接演示，简单来说是输入GEO编号，定义组别，点击Top 250即可分析。

　　02DEGs的GO富集和KEGG分析

　　筛选出DEGs之后，这些差异基因有什么功能?在什么通路中表达作用?可以使用在线网站DAVID(https://david.ncifcrf.gov/)进行分析。GO富集和KEGG分析都集成在这个网站里。

　　另外也可以通过以下进行分析：

　　GO: http：//www.geneontology.org

　　KEGG: http：//www.genome.jp/kegg/

　　我们选择Functional Annotation，粘贴入所有的DEGs到对应的框里，根据步骤1,2,3,4,点击submit，选择KEGG或者是GO分析，即可得到相应结果。后续可以通过Excel作图以形象展示。

　　03PPI(蛋白互作网络)分析

　　我们通过STRING网站(www.string-db.org)，上传DEGs List，即可得到蛋白互作网络的表格文件。如果我们把这个文件导入软件Cytoscape中，即可得到PPI网络的形象展示。

　　04 模块分析

　　Cytoscape是生信分析为强大的软件之一，它可以装上很多插件。作者利用MCode插件将DEGs分成2个模块。对有意义的模块再次进行GO富集和KEGG分析。

　　05筛选hub gene

　　cytoHubba是Cytoscape另一重要的插件，它可以通过算法筛选出hub gene。本文终得到7个hub gene。

　　以上就是我们今天介绍的生信分析五大步骤，全程利用了4个在线网站，1个软件，2个插件，共7个工具。

　　这些工具构成了一个完整的生信分析过程，成功发表了2分的SCI，而且没有用到一个代码，也不需要从GEO上下载原始数据。