前面，我們多次介紹了關于miRNA的靶向基因的查詢工具，分别是：
- microRNAs靶基因資料庫哪家強
- 使用miRNAtap資料源提取miRNA的預測靶基因結果
- 對miRNA進行go和kegg等功能資料庫資料庫注釋
但是不少粉絲表示不明白這些東西是做什麼的，現在就給一個示例，文章是發表于2017的純粹生物資訊學資料挖掘的：Identification of miRNA‐mRNA crosstalk in laryngeal squamous cell carcinoma，其實你把癌症替換成為TCGA的另外33種癌症，都是類似的分析政策，類似的寫作思路。
這樣的文章，你直接定位到材料與方法即可：
- The DEMs targeted by DEMIs were identified and the negative correlation between DEMs and DEMIs was subjected to visualization.
- The potential functions of DEMs targeted by DEMIs were annotated in Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) database.
- A total of 663 dysregulated DEMs (449 upregulated and 214 downregulated) and 33 DEMIs (24 upregulated and 8 downregulated) were identified in LSCC compared with normal controls.
- 502 negative correlations between DEMIs and DEMs were identified and subjected to construct interaction network.
分别對mRNA和miRNA的表達矩陣，進行差異分析，分别拿到上下調的mRNA和miRNA的集合。然後使用miRWalk2來查詢mRNA和miRNA的調控關系，輸入資料是32個有差異的miRNA，預測到的這些靶mRNA，跟前面的差異MRNA進行交集，最後剩下502個mRNA和miRNA的調控關系。全文主要是差異分析的基因清單，熱圖以及mRNA和miRNA的的調控網絡圖。
我們介紹的關于miRNA的靶向基因的查詢工具，就在這裡發揮了作用！
miRNA的靶向基因的查詢工具
也就是說，差異分析單純的作為資料挖掘的賣點已經不夠了，早先可以走PPI網絡加上hub基因路線，現在可以走miRNA及其靶基因網絡路線。每個miRNA調控的基因，就可以網絡圖可視化如下：
就這麼簡單，趕緊用起來吧！