QIAGEN ® Ingenuity Pathway Analysis 2025冬季更新
關於IPA與IPA Interpret
QIAGEN IPA是一款雲端生物資訊分析軟體，可用來分析以下多種實驗數據：
- RNA-seq表現量資料
- 基因晶片（microarray）
- SNP陣列
- 蛋白質體學
- 代謝體學
- 其他產生基因清單的小型實驗（如PCR）
除了資料分析，IPA還能搜尋特定基因、蛋白質、化學物質、疾病與藥物的資訊，建立專屬的生物模型。透過IPA的分析和建模功能，再搭配結構化整理的生物與化學研究發現資料庫，能幫助您更加了解研究數據在更大的生物或化學系統中的意義。
IPA Interpret為IPA中包含的元件，可透過快速且現代化的網頁介面呈現IPA Core Analysis的結果，並與他人分享。
IPA Interpret更新
泡泡圖標籤功能：讓論文圖表更專業
現在，您可以在泡泡圖中顯示與各個泡泡相關的「實體（entity）」名稱，使圖表在發表或簡報時更具資訊性（見圖一）。當您選取單一泡泡，或按住Shift鍵並拖曳游標以同時選取多個泡泡時，標籤便會顯示出來。這些標籤可透過拖曳方式重新調整至其他位置。
圖一、加上標籤的上游調控因子分析泡泡圖。可透過點擊選取單一泡泡，或按住Shift鍵並拖曳游標一次選取多個泡泡。每個標籤皆可藉由拖曳方式重新調整位置。目前預設顯示為「火山圖（volcano plot）樣式」泡泡圖（如上所示），而非先前的「類別樣式（categorical style）」圖表。IPA Interpret中的泡泡圖可用於Canonical Pathways、Upstream Regulators、Diseases and Functions，以及Tox Functions。
提供清晰易懂的統計定義降低您的學習曲線
IPA Interpret中所有與統計相關的欄位現在都配有彈出的說明視窗，提供簡要的解釋或定義。圖二以Upstream Regulators中的BH P值（Benjamini-Hochberg p-value）作為示例。
圖二、IPA Interpret中的表格之統計值欄位現在提供彈出說明視窗。點擊欲查看之欄位上方的小型ⓘ圖示，即可顯示彈出視窗，說明該欄位中數值所代表的意義。
此功能適用於IPA Interpret中所有統計相關欄位，包括：
- BH p-value（多重檢驗校正後的p值）
- Overlap p-value（重疊顯著性）
- Activation z-score（活化分數）
- 其他Core Analysis相關統計值
其他IPA Interpret的優化內容
- 加快IPA Interpret首頁中「最近分析」表格的載入速度
- 提升在資料集火山圖中使用Shift拖曳（多重選取）「資料點」時的效能
- 點擊IPA Interpret資料區塊裡表格的任何一列，皆可直接導向其「檢視詳細資料（View Details）」頁面
IPA桌面版更新
藉由AI使資料集上傳工作更加簡易
藉由AI，IPA桌面版的資料上傳現在變得更簡單。例如，您的資料集可能包含額外的標題列或欄位，以往軟體無法辨識這些欄位。現在，IPA在大多數情況下能自動辨識目標欄位並完成對應。以下是新上傳流程的優點：
- 自動ID辨識：自動辨識ID時，不再要求ID欄位必須位於檔案最左側
- 標題列過濾：多餘的標題列將被忽略
- 智慧欄位對應：「Adjusted p-value」欄位現在會自動對應為FDR
- 無關欄位過濾：與fold change等欄位分開的intensity與counts欄位，將被預設忽略
為完成此功能，IPA會存取QIAGEN自建的大語言模型LLM（ChatGPT 4.1）。IPA會將檔案的標題列及前30列資料傳送給LLM，以推斷資料格式。傳送的資料不會被LLM保留，也不會用於訓練。LLM並不會操作資料本身，它僅指示IPA哪些欄位與列要匯入，以及如何將它們對應到有效的欄位類型，例如「Expr Log Ratio」。圖三示範了一個稍微複雜的資料集，以及IPA處理它的方式。
圖三、AI強化的資料集上傳欄位對應。IPA現在能正確解析具有各種非標準格式的複雜資料集。
如果需要，您仍然可以手動指派其他欄位或變更AI的選擇。
使用API程式化運行基因層級的變異資料核心分析（Core Analysis）
現在可以透過程式化方式（API）將基因層級的增減（loss/gain）資料傳送至 IPA桌面版進行分析。例如，您可以將變異分析流程與IPA連接，執行核心分析，以探索這些變異對Canonical Pathways以及疾病與功能的影響。
在IPA先前的版本中，雖然可以透過程式化方式傳送此類資料，但無法自動啟動分析。現在，您可以將資料傳送進行分析（如下所述），並可選擇設定篩選條件（cutoffs）。
範例資料集：
|
Gene ID |
Variant gain loss |
|
NM_153698 |
-2 |
|
NM_020686 |
1 |
|
NM_173076 |
2 |
|
NM_203288 |
0 |
對應的API指令：
https://analysis.ingenuity.com/pa/api/v2/dataanalysis?
logoutRequest=&
projectname=Gainlosstestproject&
ipaview=projectmanager&
datasetname=MyTestDataset1&
geneidtype=refseq&
genecolname=identifier&
expvaltype=gain_loss&
geneid=NM_153698&expvalue=-2&
geneid=NM_020686&expvalue=1&
geneid=NM_173076&expvalue=2&
geneid=NM_182828&expvalue=0&
categorycutoff=-2,1,2
由於上述API指令中使用了「categorycutoff」參數，IPA只會將加粗的ID
（如圖四所示）納入分析。
圖四、使用上述API指令提交分析後的Molecule分頁。IPA將增減
（loss/gain）的數值類別轉換為如上所示的對應數值。
IPA內容更新
新增七條Ingenuity訊號傳導路徑
- 發炎與疼痛感受中的抑鈣素基因相關肽訊號傳導路徑（CGRP in Inflammation and Nociception Signaling Pathway）
- 偏頭痛中的神經肽訊號傳導路徑（Neuropeptides in Migraine Signaling Pathway）
- 胞吐囊複合物訊號傳導路徑（Exocyst Signaling Pathway）
- 外泌體訊號傳導路徑（Exosome Signaling Pathway）
- 核糖毒性壓力訊號路徑（Ribotoxic Stress Signaling Pathway）
- 細胞週期進程中的UBE2C訊號傳導路徑（UBE2C in Cell Cycle Progression Signaling Pathway）
- XIST表觀遺傳調控訊號傳導路徑（XIST Epigenetic Regulation Signaling Pathway）
知識庫更新
- 超過32,000筆來自專家的文獻註解
- 超過24,000筆BioGrid蛋白質交互作用資料
- 超過64,000筆ClinVar癌症突變資料
- 超過9,400筆IntAct蛋白質交互作用資料
- 超過3,600筆GWAS基因與疾病關聯發現
- 超過800筆ClinicalTrials.gov藥物與疾病資料
- 超過820筆 ClinicalTrials.gov靶點與疾病資料
- 超過139筆小鼠基因組資料庫（Mouse Genome Database）基因功能發現
- 超過330種可對應的化學物質資料
