强大的IPA分析，让手中的测序数据起飞
Ingenuity® Pathway Analysis(IPA)是一款一体化的基于网络的应用工具，可实现基因表达，miRNA和SNP微阵列及代谢组学，蛋白质组学和RNA-seq等实验数据的分析和生物学解释，帮助研究者快速理解实验数据。表观生物联合引进功能强大的凯杰IPA分析软件，重点用于调控网络分析、诊断标志物发现和药物筛选，已正式启用，为疾病发生发展机制或其他生理过程的机制研究提供方向指导。
1. Ingenuity® Knowledge Base
强大的数据库
-
来自数千种杂志的生物学信息，内容涵盖蛋白质、基因、SNP、miRNA、复合物、细胞、组织、药物、通路和疾病信息等；
-
每天，500名经专业培训的PHD或MD学位专家阅读300种权威杂志全文和3000种杂志摘要；
-
超过500万条生物学信息、130万种互作信息、3万种以上分子信息、800种信号通路、代谢通路，经过多轮人工质控以及每周更新；
-
每三个月对分析工具进行算法改进和功能更新，紧贴研究最前沿。
2. Ingenuity® Pathway Analysis
广泛的应用范围
-
转录组学：IPA几乎可以解决所有转录组相关的生物学问题
-
生物标识物发现：从实验数据集中识别最相关、最可能的候选生物标志物
-
miRNA研究：结合筛选工具和miRNA-mRNA数据发现miRNA的潜在调控机制
-
代谢组学：提供关键的调控信息，帮助理解代谢组数据从细胞形态到代谢作用机制的信息
-
蛋白组学：深入了解蛋白表达机制和相关生物学过程
-
毒物基因组学：提供化合物毒性及安全评估信息，提供全面的药理作用、药物代谢途径和毒性作用机制信息
-
药物在定位：通过药物对不同疾病组织的刺激结果的表达谱分析，发现已知药物的新应用
-
因果网络分析： 找到特定病理学状态下激活的基因，研究使其成为候选治疗靶标的可能性
3. IPA® Advanced Analytics
专有的Causal Network Analysis工具
BioProfiler工具
应用案例：用IPA对三阴性乳腺癌RNA-Seq数据进行比较网络和通路分析
三阴性乳腺癌（TNBCs）占乳腺癌病例的15%，癌组织免疫组织化学检查结果为雌激素受体（ER）、孕激素受体（PR）和原癌基因Her-2均为阴性的乳腺癌。其具有特殊的生物学行为和临床病理特征，预后较其他类型差。我们对比了三阴性乳腺癌，正常乳腺上皮组织和癌旁组织的RNA-Seq数据进行了比较网络和通路的分析。
20个正常胸腺组织来自于IUSimon癌症中心的Susan G. Komen组织银行。10个TNBC肿瘤样本用Life Technology的Ion Torrent Proton测序仪测序。测序结果与人类基因组的映射是用LifeScope软件处理的。又从The Cancer Genome Atlas上下载了84个三阴性乳腺癌的样本数据。基因差异表达是用Partek Genomics Suite分析的。之后通路分析，网络构建以及转录因子分析都是用IPA分析的，置信度p=0.001.
本实验主要应用IPA寻找关于三阴性乳腺癌的特征基因以及为以后的治疗寻找靶点。主要使用了IPA的疾病和功能分析，经典网络分析，上游因子预测分析，因果网络分析以及分子活性预测分析等功能。得到了如IL-6这样新的靶点，TP53和RB1这样新的上游调节因子，也找到了会影响TNBC的新基因HXOB4.
图一：上表展示了TNBC数据集的总体特征。使用z-score 最为衡量值，IPA能够预测出那种细胞活动影响了TNBC。这里，我们看到通常在发育和存活上升的情况下细胞凋亡和生长都下调了。下面的热图展示了数据中对下游的影响，每个方块的大小表示了p值的显著程度，橙色代表与功能正相关，蓝色代表了负相关。
图二 TNBC数据中变化最显著的经典通路。每一个数据柱代表的是p值，橘红色的点代表的是阈值以上的显著差异的基因参与这个通路的多少。可以看到，图中有很多癌症相关的通路。也能看到与TNBC相关的通路（Estrogen-mediated S phase entry）在这里都能找到。
图三：展示了TNBC中有显著变化的经典通路之间的联系。IPA能够将这些经典通路之间的作用关系全部联系起来。
图四：使用IPA中的upstream regulators分析功能对TNBC上游的激活或抑制的调节因子做了预测。这些调节因子影响了TNBC数据集中的一些基因表达变化，并且IPA给出了关于这些因子和这些基因表达的已知的生物学意义。
图五：表中这些分子是用IPA 因果网络分析causal network analysis功能做出来的最具影响力的调节因子。IPA的因果网络分析能够帮助研究者发现新的基因，RNA，蛋白质。这些的因子的表达值也许能挖掘出数据集中新的调节因子和下游分子间的联系。
图六：举例了一个由IPA的因果网络分析推断出来的因子的相关分析，比如HOXB4，这个因子可能在TNBC中发挥了关键作用。
图七：IPA中的Upstream regulator分析功能证实了TNBC中基因表达的特征。这个Upstream regulator分析功能列出来一些列的转录调节因子，能够解释在这个数据集中观测到的基因表达。
图八：由IPA中的Upstream regulator分析功能预测的TP53的作用机制网络图。颜色代表了这些因子的活性。橙色代表了激活，蓝色代表了抑制。
图九：使用IPA中分子活性预测工具MAP（Molecular Activity Predictor）对PI3K基因做了通路分析。MAP能够模拟激活或抑制一个分子，帮助研究者探寻一个网络或者通路中可能的假设，可以看出对下游分子的直接影响，也可以推断出这个网络上游的活性。
