pathway-pathway network 網絡分析

對於pathway 數據庫而言，咱們最多見的就是利用KEGG 富集分析挖掘其中的信息，獲得顯著富集的幾條通路；

對於代謝通路而言，不一樣的通路之間是會有相互關係的，好比在上游的通路中產生的代謝產物，進入下游的通路繼續發揮做用。

pathway和pathway 之間存在一個上下游的關係，全部的pathway 的相互關係就構成了1個網絡，在這個網絡中，確定會存在degree比較多的pathway, 因此經過network 分析，咱們能夠挖掘出比較重要的一些pathway。

下面以human 爲例，進行說明

在某條具體的通路圖上，圓角矩形表明的是另一條通路，好比 MAPK 信號通路 hsa04010 

上圖中紅色方框標記的就是其餘的一些通路，咱們能夠看到hsa04010  通路中的一些物質會參與到其餘通路中去，這個時候，就能夠理解爲hsa04010 是上游通路，紅色方框標記的通路爲下游通路；

對於某一條具體的通路而言，均可以經過上面的描述，來獲得其對應的下游通路；

將全部的代謝通路的上下游關係進行彙總，就會獲得一個network, human 的整個network 見下圖：

 

因爲人一共有350多條pathway , 因此整個網絡圖仍是比較龐大的，這裏我將節點的大小映射到了degree上，從圖中，咱們能夠一眼看到最大的幾個pathway, 這些pathway 在整個network 中就有重要地位；

下面是具體的每一個節點的degree,我選了top20

 

因爲整個network 是1個有向圖，因此每一個節點之後入讀 indegree 和 出度 outdegree , 根據degree 降序排列，發現MAPK signal pathway 是整個human pathway network 中的核心pathway;

咱們還能夠將整個network 和富集分析的結果結合起來，挑選其中顯著富集的pathway 進行展現，看富集到的通路中，核心通路是哪些

下面是1個示例

 

因爲富集到的通路較少，網絡圖也更加的直觀。