揭示各种omics数据之间的关联对于全面了解 在人类健康和疾病中改变的生物过程和疾病的改变至关重要。到目前为止，很少有研究集中在单一数据库中收集和展示多组学关联 。在此，我们提出了iNetModels。一个交互式数据库和可视化平台多组学生物网络（MOBNs）的互动数据库和可视化平台。该平台描述了临床生化、人体测量参数、血浆蛋白组学和血浆代谢组学之间的关联，以及从同一个人身上获得的口腔和肠道微生物组的宏基因组学数据。此外，iNet-Models包括组织和癌症特定的基因共表达网络（GCNs），用于探索特定基因之间的联系。该平台允许用户交互式地探索单一特征与其他全向性数据的关联，并定制其特定的背景（如男性/女性特定）。用户还可以注册他们的数据，以分享和可视化MOBNs和GCNs。此外，iNetModels允许没有生物信息学背景的用户促进人类健康和疾病研究。网址为https://inetmodels.com。
MOBNs是基于三个独立的纵向健康剖析研究的临床变量、血浆蛋白质组学、血浆代谢组学和宏基因组学数据的共识而产生的。(i) SCAPISSciLifeLab健康分析研究：临床变量、代谢组学、蛋白质组学和肠道基因组学数据；(ii) P100研究：临床变量、代谢组学和蛋白质组学数据收集自108人(21-89岁以上)在9个月内的3次访问；(iii) 综合个人全能研究：临床变量、代谢组学和蛋白质组学数据来自10个胰岛素敏感(IS)和13个胰岛素抵抗(IR)超重者在体重增加和减少期间(97天)的三次访问。此外，我们为两个不同的临床试验生成了MOBNs，其中对非酒精性脂肪肝和COVID-19患者施以联合代谢激活剂（CMA）。(i)NAFLD CMA给药：在70天的三次访问中，31NAFLD患者的口腔和肠道微生物组的临床变量、代谢组学、蛋白质组学和元基因组学数据，以及(ii)COVID-19CMA给药。从14天的两次访问中收集93名COVID-19患者的临床变量、代谢组学和蛋白质组学数据。
网站界面如图：
步骤如图所示：
step2.b—step5的输出的结果如图
Graph可以导出，Node table和Edge Table也可以导出，重新在cytoscape或igraph包中绘制网络图。
这个平台可以帮助研究人员进行探索和验证实验，确定分析物之间的功能关系，最重要的是为生物实验提供新的见解，并最终确定潜在的药物目标和生物标志物。
其中右上角的API可以选择代码
参考文献：Arif, M., Zhang, C., Li, X., Güngör, C., Çakmak, B., Arslantürk, M., Tebani, A., Özcan, B., Subaş, O., Zhou, W. and Piening, B., 2021. iNetModels 2.0: an interactive visualization and database of multi-omics data. bioRxiv, p.662502.