二、GO分析

1、基因本体（gene ontology）

基因本体（gene ontology），简称GO，是一种描述基因或基因产物基本特性的词汇，由基因本体协会（Gene Ontology Consortium）开发。GO数据库旨在建立注释基因和蛋白质知识的标准词汇体系，使各数据库中基因产物功能描述相一致，随着研究的深入，基因本体语义词汇也在不断更新。这里介绍如何使用GO数据库的AmiGO搜索本体论术语及其相关的注释。

1.1、AmiGO的基本使用说明

检索GO数据库通常先进入AmiGO的首页(Figure 6.20)。

点击“Browse”，进入浏览页面，页面上方的Filter tree view可根据本体类型、数据来源、物种信息等条件对结果进行过滤，从而提高检索的精确性（Figure 6.21）。

Figure 6.21

在GO数据库中，每条记录都有一个数据标识号GO：XXXXXX和对应的GO术语（term，又叫语义）。GO语义包括cellular_componet (细胞组分)、molecular_function (分子功能)及biological_process (生物学过程)三方面内容（Figure 8.2）。细胞组分是指基因产物在细胞中的位置，如核仁、核糖体、内质网等；分子功能描述基因或基因产物的分子生物学活性和功能，如催化活性或结合活性；生物学过程通常由多种分子功能有序组成，如有丝分裂或嘌呤代谢等。

Term之间有类似树的组织结构，点击每行前面的便展开包含于该项的所有term，同时变为，每行/后面的标志表示该term与其父结点之间的关系。结点的关系主要有三种：“is a”、“part of”和“regulates”，其中表示关系is a，表示关系part of ，表示关系regulates，表示正调控，表示负调控。（Figure 6.22）

Figure 6.22

点击任一行，能够在新窗口中显示该term的详细信息，包括定义及用该term注释的基因产物的链接。例如：点击“stem cell maintenance”，得到Figure 6.23。

Figure 6.23

如果想知道用term “stem cell maintenance”注释的所有基因产物，点击图中的“681 gene product associations”即可。

页面中间“Term Neighborhood for stem cell maintenance”部分有几个选项卡，“Ancestors and Children”可以了解GO数据库中此term的所有父结点和子结点（Figure 6.24）；“Inferred Tree View”记录了这些结点所处的位置和结点之间的关系，即查询术语与其他术语之间的关系，呈阶梯状分布（Figure 6.25）；“Graph View”可以更清晰地显示各术语之间复杂网状结构，既有上下隶属关系，也存在平行关系（Figure 6.26），GO图是一个有向无环图，具有树的性质，但不同的是，GO图中的结点不但可能有多个子结点，也可能具有多个父结点，且与不同的父结点具有不同的关系。

Figure 6.24

Figure 6.25

Figure 6.26

2.2、用关键词检索GO数据库

直接在检索框输入待查基因或蛋白质名称或GO号或GO term即可，如果检索的基因或蛋白质存在别名，勾选“exact match”，要求反馈的结果与输入的名字完全匹配。

我们以神经源性分化因子6(NEUROD6)为例。在检索框中输入“NEUROD6”并勾选“gene and proteins”和“exact match”（Figure 6.27）。

Figure 6.27

检索得到六个不同物种中的神经源性分化因子6（Figure 6.28），以第一行为例，首先是基因的名字，右边“9 associations”为该基因注释的术语条目数，最右边是物种信息。可通过页面上方的“Filter search results”根据基因产物的类型、数据来源、物种信息等条件对结果进行过滤，从而提高检索的精确性，这里不过滤。

Figure 6.28

点击任意一条查看详细信息，这里以人的NEUROD6为例。Figure 6.29显示了该基因产物的基本信息，包括类型、物种、别名、来源和序列。

Figure 6.29

点击Information栏上方的“7 term associations”查看注释了该基因产物的7条术语（Figure 6.30）。例如，第一条记录：“GO：0030154：cell differentiation”，有22826个基因产物与细胞分化有关。

注：一种基因产物可以分别具有分子功能、生物过程和细胞组件三种注释信息，它们也可能在某一个方面有多种性质，也就是说基因产物与GO term之间不是一对一的关系。如细胞色素c，在分子功能上体现为电子传递活性，在生物学途径中与氧化磷酸化和细胞凋亡有关，在细胞中存在于线粒体内膜上。Figure 6.30

点击“cell differentiation”，在“Term Information”中描述了细胞分化术语的基本信息，包括树形及与父结点、子节点关系同上，不再详述。

2.3、用序列检索GO数据库

对于未知基因名的序列，可以用序列直接检索GO数据库。点击AmiGO首页上方的“BLAST”，进入检索界面。在检索框输入氨基酸或核酸序列或上传序列文件，检索工具能自动识别并相应地选择BLASTP或BLASTX来与数据库中的序列进行比对。以大肠杆菌DNA聚合酶Ⅱ基因polB为例，结果页面（Figure 6.31）的“High Scoring Gene Products”栏内显示基因产物的名称、物种信息、p值。点击其中某行，可查询结果的详细信息，有兴趣的同时自己尝试，这里不再赘述。

Figure 6.31

GO的局限性：

GO不是基因序列或基因产物数据库，它强调基因产物在细胞中的功能。

GO是对基因功能的注释，不能反映此基因的表达情况，即是否在特定细胞中、特定组织中、特定发育阶段或与某种疾病相关。

GO不对生物学的每个方面进行描述，如功能域的结构、进化特性等。

在芯片数据中引入GO注释，通常可以揭示出为什么一个特定组的基因拥有相似的表达模式。共表达的基因可能编码在同一个生物过程中出现的基因产物，或定位于同一个细胞部位。如果未知基因和一些已被GO过程术语相似地注释了的基因共表达，那么这个未知基因很有可能在同一个过程中发挥功能，可据此进行基因功能的预测。

2、基因集功能富集分析（Gene Set Enrichment Analysis）

一组基因注释的结果是得到大量的功能结点。这些功能具有概念上的交叠现象，导致分析冗余，不利于进一步的精细分析，所以我们希望对得到的功能结点加以过滤和筛选，以便获得更有意义的信息。目前最常用的方法是基于GO或KEGG的富集分析，旨在寻找感兴趣基因集显著富集的GO结点或KEGG通路，有助于指导进一步深入细致的实验研究。

DAVID是目前应用较为广泛的基因集分析综合工具，不但提供基因富集分析，还提供基因间ID的转换、基因功能的分类等。（Figure 6.32）

Figure 6.32

点击“Functional Annotation”，提交基因集，选择基因标识名和基因集类型，点击“Submit List”，稍等片刻，得到注释结果摘要，包括多种注释数据（Figure 6.33、Figure 6.34）。

注：如果使用我提供的ecoli基因，识别名选择“OFFICIAL_GENE_SYMBOL”，在随后的页面左侧选择物种“Escherichia coli”，点击“Select species”，即可得到结果（Figure 6.33）。使用sce基因，识别名选择“ENSEMBL_GENE_ID”。

Figure 6.33

Figure 6.34

这里以Gene_Ontology的“GOTERM_BP_FAT”为例，点击chart图标，如.35所示，可以看到，按照默认设置，富集分析找到374个具有统计显著性的GO Term。可点击Options设置显示格式、计算各种统计检验值，一般用FDR检验富集的显著性，小于0.05即为显著富集，点击Rerun Using Options得到重新设置参数后的富集结果，点击“Download File”下载结果。

Figure 6.35

Figure 6.36

GO数据库的AmiGO也可进行基因富集分析（Figure 6.37），有兴趣的同学可以自己尝试。

http://amigo.geneontology.org/cgi-bin/amigo/term_enrichment?session_id=

Figure 6.37

具体参照AmiGO manual http://wiki.geneontology.org/index.php/AmiGO_Manual:_Term_Enrichment