---
title: "IPA引用和方法撰写"
author: "omicsolution"
account: "omicsolution"
published_at: "2024-10-09T21:54:39+08:00"
captured_at: "2026-08-27T10:51:44.730310+08:00"
source_url: "https://mp.weixin.qq.com/s?__biz=MzI2MTI5NDAzNg==&mid=2247488176&idx=1&sn=8ee08459d7330ffc5275c99a2172ebc8&chksm=ea5dc00bdd2a491d186a3a9dad002fc8267b7dc1a0931bc05e9ca41de0cd0e65442921d3cdfd#rd"
---

# IPA引用和方法撰写
如需写入文章method部分：

1. Data were analyzed through the use of Ingenuity Pathway Analysis.

或

2. The <networks, functional analyses, etc.> were generated through the use of Ingenuity Pathway Analysis.

可以引用文献：

Causal analysis approaches in Ingenuity Pathway Analysis. Bioinformatics. 2014 Feb 15;30(4):523-30.

如需写入论文详细描述：

通 过 生 物 系 信 息 学 软 件 IPA （ Ingenuity Pathway Analysis ，http: //www.ingenuity.com，QIAGEN，德国）对(什么和什么比较)差异基因进行经典通路 （canonical pathway）的富集分析来确定差异表达基因所涉及的生物学途径。

IPA 数据库是基于云计算平台的具有图形化界面的生物信息学分析工具，能够从生物学通路角度将高通量数据（包括基因组学、转录组学、蛋白组学、代谢组学和微生物组学）进行整合、分析和理解。将（什么和什么比较）差异表达基因按照（什么ID号）注释后导入 IPA 系统，使用核心分析（core analysis）功能对差异基因列表进行通路富集分析，p 值小于 0.05 的通路被认为是显著性富集的。Z值<-2被认为通路抑制。

通过 IPA 软件的核心分析（core analysis）来挖掘这些不同（什么样本）差异基因所 参与的经典通路的改变。分析结果显示，（各组比较）得到 了 A、B、C 和 D 条显著富集的经典通路（p<0.05，你导出的附表）。

在A中显著富集的通路前 10 位分别为（1，2，3，4，5，6，7，8，9，10的通路名称）。

在B中显著富集的通路前 10 位分别为（1，2，3，4，5，6，7，8，9，10的通路名称）。

在C中……

在D中……

![图片 1](images/001.png)