訊號通路（Signal pathway）是指能將細胞外的分子訊號經細胞膜傳入細胞內發揮效應的一系列酶促反應通路。分析訊號通路對於理解生物過程背後的複雜機制至關重要，從文獻中捕獲有關訊號通路的資訊對於許多生物學研究的實驗設計和分析必不可少。
儘管目前訊號通路的資源很豐富，但現有碎片化的資料庫及其在聚焦點上的差異嚴重阻礙了合理、全面的訊號通路資料庫的建立。2016年TüREI等人[1]對人類訊號通路的公共資源進行系統分析建立了OmniPath資料庫（http://omnipathdb.org/ ）。
OmniPath資料庫提供了對61個(不斷增長中)資源的整合訪問，包括12189個蛋白質和複合物之間的120000個相互作用、18722個轉錄和3068個轉錄後調控關係。
然而，如何透過圖形使用者介面訪問OmniPath資料庫？如何實現該圖形使用者介面中將OmniPath與分析工具相連線？
Cytoscape是生物網路分析和視覺化的常用軟體。2019年12月30日Ceccarelli等人[2]在Bioinformatics（影響因子7.307）上發表了一個Cytoscape的外掛——OmniPath。OmniPath外掛可以直接查詢OmniPath Web伺服器來實現訊號通路資料的定製匯入，從而使使用者從處理URL查詢中解脫出來，並允許直接連線到其他應用程式進行進一步分析。今天半夏就給大家分享一個Cytoscape中的訊號通路分析神器——OmniPath 外掛！
1、OmniPath外掛簡介
OmniPath對人類訊號通路包括：訊號網路、激酶-底物相互作用、miRNA-mRNA相互作用與轉錄因子(TF)-靶相互作用。此外，OmniPath還提供了透過基因同源性翻譯到小鼠或大鼠的網路和調節子。
OmniPath應用程式基本工作流程如下：
使用者從預定義選項中選擇資料庫→OmniPath App根據輸入構造查詢，並請求訪問OmniPath伺服器→伺服器返回互動，網路在Cytoscape中視覺化→匯入網路後，可使用其他應用程式選擇性地將資料匯入Cytoscape並執行網路分析。
2、Cytoscape及OmniPath外掛安裝
OmniPath原始碼連結：https://github.com/saezlab/Omnipath_Cytoscape 。OmniPath外掛連結：http://apps.cytoscape.org/apps/omnipath 。
Cytoscape是一款免費圖形化顯示網路並進行分析和編輯的軟體，下載地址為：https://cytoscape.org/，其最新版本為Cytoscape3.7.2：
3、OmniPath外掛使用實操
1. OmniPath外掛基本操作<1>開啟Cytoscape軟體，進入OmniPath外掛，有Human、Mouse、Rat三種物種可供選擇：
<2>有前文提及的四個資料集可供選擇，包括Signaling networks、Enzyme-substrate interactions、miRNA-mRNA與IF-target interactions：
<3>如果使用者選擇匯入TF-target interactions資料，則可選擇不同置信度級別，其餘三種無此選項：
<4>完成上述選擇後，“Select Dataset”將自動填充給定選擇的可用資源，使用者可以選擇任意資源組合，如選擇ARN：
透過勾選控制面板上相應的框來指定顯示Directed interactions only或Signed interactions only：
匯出Node如下表：
匯出Edge Table可顯示兩相互作用蛋白的參考文獻：
2. 使用例項——STAT3調節子的富集實際應用中使用者經常使用Cytoscape在相鄰網路的中尋找感興趣的蛋白質的功能註釋，現以對STAT3調節子的富集為大家演示使用方法!
步驟：<1>選擇IF-target interactions資料集下ARACNe-GTEx資料庫，置信度過濾器選擇ALL以顯示相互作用的完整列表：
<2>Launch query得到對應的互作網路：
搜尋Stat3，在眾多節點中快速找到STAT3節點：
Select>Hide unselected nodes and Edges隱藏未選擇的節點和邊來建立子網路，其中心點為STAT3：
進行美化後實現了STAT3調節子的富集，這對我們研究STAT3具有重要的提示作用：
<4>選擇子網中的所有節點後，我們可以透過以下方式建立新網路：File -> New -> Network -> From selected nodes, all edges。此時得到的是僅與STAT3有相互作用的蛋白：
根據前述方法匯出結果:
<5>對子網路進行後續分析在僅與STAT3有相互作用的網路基礎上可使用cytoHubba外掛預測和探索給定網路中的關鍵節點和子網路。cytoHubba的安裝與OmniPath外掛安裝方法相同。
cytoHubba提供了11中拓撲分析方法，包括Degree, Edge Percolated Component (EPC), Maximum Neighborhood Component (MNC), Density of Maximum Neighborhood Component (DMNC), Maximal Clique Centrality (MCC) 等。一般而言具有高degree的蛋白更傾向於是關鍵蛋白，MCC在酵母互作網路中對關鍵蛋白的預測有更好的表現。
得到蛋白節點的重要性排序，顏色越深蛋白在互作網路中越重要：
此外還可以使用BiNGO app（安裝與OmniPath外掛安裝方法相同）對僅與STAT3有相互作用的網路進行富集分析：
訊號通路是基礎科研的精粹所在，而掌握通路浩瀚資料的鑰匙就是KEGG（Kyoto Encyclopedia of Genes and Genomes）。KEGG——京都基因與基因組百科全書，是日本京都Kanehisa Laboratories根據文獻證據手工整理的一個龐大資料庫（包括訊號通路、基因、疾病、藥物等等）。
領取方式