数据和软件

数据
大规模微阵列数据：
微阵列数据应当来自相同的平台，优选来自Affymetrix载玻片。一些好的实例是：Affymetrix拟南芥ATH1基因组阵列，Affymetrix人类基因组U133 Plus 2.0阵列和Affymetrix小鼠基因组430 2.0阵列。搜索此类型数据的推荐位置是来自NCBI的基因表达omnibus（ http：//www.ncbi.nlm.nih.gov/geo/）。幻灯片数量应大于1,000。
软件
1. R（ http://www.r-project.org/）
2. R GeneNet软件包：
  （ http://www.uni-leipzig.de/~ strimmer/lab/software/genenet/index.html ）
3. Cytoscape（ http://www.cytoscape.org/）
4. Perl和C ++软件环境

设备

个人计算机：Intel Core2 E6420处理器（或类似处理能力）

程序

微阵列数据的制备
1. 从您最喜欢的数据库中下载微阵列数据，并将其格式化为单个表达式强度表，每行代表一个基因，每列代表一个微阵列实验。这里可以找到一个很好的例子： Arabidopsis transcriptomes： http：//affy.arabidopsis.info/narrays/help/usefulfiles.html 。您可以使用名为super bulk gene download的文件。
2. 删除包含大量"零"测量的任何列（实验），然后对包含"null"测量的任何基因执行相同操作。
3. 使用分位数归一化法对实验之间的表达强度进行归一化
随机抽样和部分相关计算
1. 从大表达式表中随机挑选2,000个基因，并为这2,000个基因制作小表达表。可以编写Perl脚本来执行此步骤。
2. 使用GeneNet软件包计算这些2,000个随机选择的基因之间的部分相关性。 GeneNet软件包应该在R环境中被刷新，要使用的具体功能是使用默认设置的"ggm.estimate.pcor"。
3. 保存所得的部分相关矩阵，以及2,000个基因的基因ID
4. 重复步骤1至3至少1,999次。越多越好。在这些计算之后，大多数基因对应被取样≥10次，每次具有计算的pcor
5. 确定每个基因对的最终pcor值，以便保持具有最小绝对值的pcor值。这应该通过合并所得到的pcor矩阵来完成。这应该使用C ++脚本。
网络建设和分析
1. 为了测试所得pcors的显着性，可以使用GeneNet中的函数'ggm.test.edges'。从所有的pcors，〜2,000,000可以随机选择并馈入函数，以便可以计算重要的pValue。
2. 根据pValue，可以设置pcors的截止值。好的估计是0.1,0.08和0.05。可以保留绝对值大于截止值的任何pcor
3. 应该应用Pearson相关系数滤波器。应删除基因对与Pearson相关系数值在-0.3和0.3之间
4. 在pcor选择和Pearson相关系数滤波器之后，剩余的基因对被认为彼此之间具有相互作用，并且可以用于使用Cytoscape软件构建基因网络。网络分析可以用Cytoscape软件本身完成。

致谢

这个协议由作者在Hans Bohnert的实验室开发，伊利诺伊大学植物生物学系，Urbana-Champaign，Urbana，Illinois，USA。这项工作得到国家科学基金会植物基因组计划（DBI-0223905）和伊利诺伊大学厄巴纳 - 香槟大学的赠款资助。

参考文献

Ma，S.，Gong，Q.and Bohnert，H.J。（2007）。基于图形高斯模型的拟南芥基因网络。 Genome Res 17（11）：1614-1625。
Schafer，J。和Strimmer，K。（2005）。大规模协方差矩阵估计的缩小方法和对功能基因组学的影响 em> Stat Appl Genet Mol Biol 4：Article32。