ARN数据库所有数据和文献均来自NCBI-PubMed、NCBI-Gene、miRBase、miRGate、PAZAR和TRRUST六个数据库，通过文本挖掘技术辅以专业人员的人工检查、注释和数据交互整合所得。

该数据库从数据采集到加工处理的流程主要包括以下四步(图1)。

第一步，文献信息的采集与挖掘。1) 文献采集。借助Cytoscape数据分析平台的Agilent Literature Search文献检索插件 [ 18 ] ，分别将47个已知的与成脂分化调控相关的基因 [ 19 ] (包括PPARg, CREB, C/EBPa, C/EBPb, C/EBPd, TGF-beta, GR, GATA2, GATA3, RHO, ROCK2, STAT3, KLF4, GEFT, YAP1, KROX20, TZA, BMP2, REV-ERB-alpha, EPAC,SMAD1, HDAC9, SHN2, BMP4, EZH2, SMAD3, TCF7L1, SIRT1, SIRT2, ZFP423, SETD8, MMP14, WNT10b, SETDB1, WNT5a, STAT5a, PTIP, JAK2, RAC, TIMP3, ASXL1, MLL3, JMJD2C, PKA, ASXL2, WNT5b, Nocturnin, TLE3)与“adipo* differen*”提交到PubMed，

图1. 数据库构建流程图

进行联合检索，在进行47轮检索后，总计得到9908篇PubMed数据库的文章摘要作为初始语料库用于进一步分析。2) 文献挖掘。Agilent Literature Search首先将检索得到的文献拆分成单个的句子，再根据基因数据库(Entrez Gene)的基因名称或别名(概念名词)，或者特定的关系词(通常是动词)如“binding”或“activate”进行分析，如果在一个句子中同时存在至少两个概念名词和一个关系动词，那么它就会被转换成一条互作记录，并加入到Cytoscape数据分析平台的互作网络当中。

第二步，人工筛选，注释和分析。1) 人工筛选。文献挖掘方法共同存在一个基础性的问题，多义词：即同一个词可能同时含有多个语义或归属于不同的分类 [ 20 ] 。这类问题在生物医学文献中很常见。例如：fat，可以是名词“脂肪”，也可以是形容词“肥胖的”，二者在生物医学类文献中均常常使用。在PubMed中检索“fat”，返回187,888个结果，你会发现fat同时还用于命名基因，或者作为通用符号使用。因此，有必要对文献挖掘的结果进行人工的检查，删除错误的联系。2) 人工注释。为了完整呈现调控网络的相关信息，专业人员根据文献摘要对特定基因，microRNAs和它们之间的关系进行了注释，标记出节点的分类、功能以及它对脂肪生成的影响，我们还对每篇文献的试验设计的相关信息如试验方法、试验材料、细胞系名称等进行分类整理。3) 设计分析指标，度量节点的重要性。在获得了大量的成脂分化相关数据后，我们发现基因或microRNA对成脂分化的重要性体现在3个方面：a) 它在成脂分化相关过程中表达量变化较大；b) 它与成脂分化相关的节点关系紧密(调控或者被调控)；c) 它可能与成脂分化相关的节点关系紧密(有预测关系，待试验验证)。因此我们将IFi作为评价节点重要性的综合指标，结合互作关系数量、表达记录数量和靶标预测数量，利用IFi = 1/3(Ri/Rmax + Ei/Emax + Pi/Pmax)*100%公式计算出每个节点的IF [ 21 ] 。

转录因子和microRNA是成脂分化调控中重要的两类调控因子，因此我们通过TRRUST (http://www.grnpedia.org/trrust/) [ 13 ] 和PAZAR (http://www.pazar.info/) [ 14 ] 收集了所有可能与成脂相关的转录因子–靶标关系。通过miRGate (http://mirgate.bioinfo.cnio.es/miRGate/) [ 15 ] 收集了microRNA-靶标关系，为了确保记录的可信度，我们只保留了预测数大于3的结果。

第三步，信息的储存与可视化。ARN数据库是运用Microsoft SQL Server关系型数据库平台开发的，Web界面是运用.NET和HTML5开发的，用户可以通过浏览器访问ARN数据库平台(http://210.27.80.93/am/)；成脂调控网络的可视化是通过D3(d3js.org)实现的。

第四步，动态分析工具的设计。动态网络分析(DNA)是一个新兴的科学领域，汇集了网络技术和理论中的社交网络分析(SNA)，链接分析(LA)等技术和概念。在成脂调控网络中有多种类型的节点(多节点)和多种类型的关系，这样的网络一般被称为高维网络。鉴于成脂调控网络是动态的，多节点的，多维的网络，ARN数据库的分析工具为用户提供了筛选功能，用户可根据节点参数设置过滤条件，从多个维度同时筛选。

ARN数据库网站为用户提供地图页面、节点页面、文献页面、表达页面、分析页面和下载页面，用户可根据信息种类自由选择。该数据库的主页显示了成脂的可视化调控网络，其中包括了连接数最多的300个节点，用户可以通过“Node Number”选择页面显示的节点数(≤300)。节点的颜色和形状由其分类和功能决定，连线的颜色和形状由节点间的互作方式决定(图2)。

节点页面包含六部分内容(图3)。① 是基因或microRNA的一般信息；② 是基因或microRNA的相关文献概述；③ 是节点在不同条件下的表达情况；④ 是节点的单核苷酸多态性；⑤ 是一个可视化网络关系图，包含其对成脂的潜在影响、互作方式及试验材料或方法等信息；⑥ 是转录因子和microRNA

图2. ARN数据库首页示例

图3. PPARg检索结果页面示例A

可能的预测靶标关系，新的预测关系用黑色加粗线条表示。

地图页面(图4(B))展示了一些综述成脂分化的文献中的经典关系图。分为转录调控因子、信号通路因子、表观遗传修饰因子、非编码小RNA、环境因子和细胞生长因子六类，每张关系图下面以表格形式列出了关系图中所有节点，用户可通过点击节点基因符号，链接到特定基因的节点页面，我们还为用户提供了这些节点的互作网络图。

文献页面(图4(C))提供了综述、研究性文献，单核苷酸多态性相关文献和高通量分析文献四类文献的基本信息，并进一步整理了每篇文献所用的材料和方法。

表达页面提供了成脂分化过程中相关基因的表达情况(图4(D))。通过检索基因，用户可以获得同一个节点的收集自不同文献的表达数据，并查看表达变化的折线图。

分析页面是基于ARN数据库平台中的所有数据，让用户针对特定功能基因和microRNAs的数据进行分析和筛选。

我们还为用户提供一个下载页面(图4(E))，用户通过设置相关参数，可筛选出满足特定条件的基因ID，官方名称和相关文献的PMID，这些信息在其他数据库可直接使用。

同时，ARN数据库还包含一个留言板页面，让用户能随时指出数据库的错漏，以利于我们及时改进。

ARN数据库为用户提供多种方式进行灵活检索。基础信息的检索可以通过基因的ID号或官方名称、MicroRNAs的成熟序列号和PubMed数据库文章的PMID号进行；针对数据的特点，我们还为表达页面和文献页面设计了高级检索功能。

目前，该数据库从1457篇与成脂相关的文献中共收集到与成脂相关的3054个节点，1807条互作关系，10,675条表达记录，1141条概述记录，43张成脂调控网络图。此外，我们还通过miRGate、PAZAR和TRRUST为ARN数据库的所有节点确定了12,696条可能与成脂相关的调控关系。基于以上所有数据，用户可以在分析页面，设置参数和筛选条件对特定节点、高通量文章或节点集进行定制分析。

当我们在NCBI PubMed数据库中检索adipo*differe*时，会得到3万多条结果，NCBI PubMed 数据库会为每篇文献添加上物种、期刊名称，出版日期和关键字等信息，用户只能根据这些内容检索并分析。而在ARN数据库中，文献总量虽不到PubMed的1/10，但我们为每篇文章添加了更详细的信息，如所用细胞系的名称、样品种类等，方便用户进行更多样的检索和分析。图5中，我们提供了物种、细胞系和试验样品材料的统计数据、常用试验方法以及ARN数据库中的不同类节点的关系数量。在实际应用中，用户可能只关心其中的一部分信息，细节信息的添加使用户可快速筛选出高契合度的目标文献。

ARN数据库为每个节点添加了“分类”、“功能”、“IF”、“表达”和“分化方向”等内容，方便用户快速查找自己感兴趣的信息。在实际操作中，当我们在NCBI PubMed中检索“PPARg”时，会出现900多条单一记录，但当我们在ARN数据库检索时，虽仅有218条记录，但是汇集了NCBI-Gene，miRBase，NCBI-PubMed，miRGate，PAZAR，TRRUST等六个网站的151篇论文信息。从PPARg基因

图4. PPARg检索结果页面示例B-E

图5. ARN数据库的基础统计数据

的基本信息，表达变化水平(Node Expression)，调控关系网络(Relation Chart)到调控关系预测图(Prediction Chart)，用户可多元化的了解该基因的详细信息，另外预测图还可帮助用户识别PPARg的边际信息，通过节点“IF”的排序，筛选出最重要的靶标预测关系，表1给出了部分预测结果，深入分析该表，我们得知Pan YC等 [ 22 ] 在进行癌症细胞的凋亡研究时，得出e2f1和cebpd都对PPARg进行转录调控，由于这三个节点都参与调控成脂分化过程，因而研究人员可以根据该结果，进一步设计试验研究该调控关系对于成脂分化的影响。

大量数据的整合往往会产生新的信息，随着大数据技术的发展，数据的整体会比局部更具价值。如果我们综合分析多个数据集，很可能会发掘出有潜在价值的隐藏信息，最大限度的释放数据的潜在信息能量。例如，图6中，当我们把TRRUST数据库 [ 13 ] 中的所有8000多条记录所包含的748个转录因子和2374个靶基因分别与ARN数据库中的2000多条节点记录，进行交互分析时，得到了3538条成脂相关的转录因子靶向调控关系，它们所包含的转录因子和靶标均在ARN数据库中有记录。将来，当出现其它专业的调控因子数据库时，通过将它与ARN数据库进行交互，我们能够短时间内将其中可能与成脂分化相关的数据批量添加到ARN数据库平台。