gene_ontology(GO基因注释)

GO(gene ontology)是基因本体联合会(Gene Onotology Consortium)所建立的数据库，旨在建立一个适用于各种物种的，堆积因和蛋白质功能进行限定和描述的，并能随着研究不断深入而更新的语言词汇标准．GO是多种生物本体语言中的一种，提供了三层结构的系统定义方式，用于描述基因产物的功能．基因本体论（gene ontology）的建立现今的生物学家们浪费了太多的时间和精力在搜寻生物信息上。

这种情况归结为生物学上定义混乱的原因：不光是精确的计算机难以搜寻到这些随时间和人为多重因素而随机改变的定义，即使是完全由人手动处理也无法完成。

举个例子来说，如果需要找到一个用于制抗生素的药物靶点，你可能想找到所有的和细菌蛋白质合成相关的基因产物，特别是那些和人中蛋白质合成组分显著不同的。

但如果一个数据库描述这些基因产物为“翻译类”，而另一个描述其为“蛋白质合成类”，那么这无疑对于计算机来说是难以区分这两个在字面上相差甚远却在功能上相一致的定义。

Gene Ontology (GO)项目正是为了能够使对各种数据库中基因产物功能描述相一致的努力结果。

这个项目最初是由1988年对三个模式生物数据库的整合开始：: FlyBase (果蝇数据库Drosophila),t Saccharomyces Genome Database (酵母基因组数据库SGD) and the Mouse Genome Database(小鼠基因组数据库MGD)。

从那开始，GO不断发展扩大，现在已包含数十个动物、植物、微生物的数据库。

GO的定义法则已经在多个合作的数据库中使用，这使在这些数据库中的查询具有极高的一致性。

这种定义语言具有多重结构，因此在各种程度上都能进行查询。

举例来说，GO可以被用来在小鼠基因组中查询和信号转导相关的基因产物，也可以进一步找到各种生物地受体酪氨酸激酶。

这种结构允许在各种水平添加对此基因产物特性的认识。

基因本体论（Gene Ontology，简称GO）是一个标准化的功能分类体系，用于描述基因和基因产物的属性。

GO注释是将基因或基因产物的功能与GO术语相关联的过程。

在GO注释中，基因或基因产物的功能被归类到三个主要的本体论分支中：生物过程（Biological Process）、细胞组分（Cellular Component）和分子功能（Molecular Function）。

每个分支都包含一系列定义明确的术语，这些术语描述了基因或基因产物在细胞中的不同角色和活动。

生物过程分支涵盖了基因或基因产物参与的生物学过程，例如代谢、细胞周期、信号传导等。

细胞组分分支描述了基因或基因产物在细胞内的位置，如细胞核、细胞膜、细胞器等。

分子功能分支则描述了基因或基因产物在分子水平上的活动，如催化活性、结合活性等。

GO注释是基于实验证据和计算预测进行的。

实验方法包括基因突变分析、基因表达研究、蛋白质互作分析等，而计算预测则利用生物信息学工具和算法对基因或基因产物的功能进行预测。

通过GO注释，我们可以更深入地理解基因和基因产物的功能，以及它们在生物体中的相互作用和调控机制。

这些信息对于研究疾病的发病机理、药物设计和基因治疗等领域具有重要意义。

GO功能注释⽂章转载于 Original 2017-06-12 liuhui ⽣信百科相似的基因在不同物种中，其功能往往保守的。

显然，需要⼀个统⼀的术语⽤于描述这些跨物种的同源基因及其基因产物的功能，否则，不同的实验室对相同的基因的功能的描述不同，将极⼤限制学术的交流。

⽽ Gene Ontology (GO) 项⽬正是为了能够使对各种数据库中基因获基因产物功能描述相⼀致的努⼒结果。

所谓的 GO，是⽣物学功能注释的⼀个标准词汇表术语（GO term），将基因的功能分为三部分：基因执⾏的分⼦功能（Molecular Function）基因所处的细胞组分（Cellular Component）基因以及参与的⽣物学过程（Biological Process）不同的 GO term 通过有向⽆环图关联起来，如下图所⽰：可以看出，不同的 GO term 间的关系由三类：is_a、part_of和regulates。

如regulation of cell projection assembly是⼀种⽣物学过程，是regulation of cell projection organization中的⼀类（is_a），还调节（regulates）cell projection assembly；⼜如cellular component assembly是celluar component biogenesis的⼀部分（part_of）。

值得注意的是，这些关系都是有⽅向的，即反过来不成⽴，因⽽叫做有向⽆环图。

⽬前，GO 注释主要有两种⽅法：（1）序列相似性⽐对（BLAST）（2）结构域相似性⽐对（InterProScan）这⾥以序列相似性⽐对为例，简单介绍 GO 注释的步骤：将基因序列与 swiss-prot 蛋⽩质数据库进⾏ BLAST （blastp 或者 blastx，这篇⽂章介绍了如何做 BLAST 分析：）⽐对，得到如下结果：c49_g1_i1 RNF13_MOUSE 52.00 50 23 1 17 166 240 288 2e-11 65.5c72_g1_i1 RS25_NEUCR 78.72 94 20 0 375 94 1 94 1e-32 116c75_g1_i1 POLX_TOBAC 45.28 53 29 0 162 4 457 509 1e-08 55.1c86_g2_i1 POLX_TOBAC 46.43 112 60 0 339 4 879 990 2e-30 120c91_g1_i1 BUB1_ARATH 55.71 70 28 2 61 264 289 357 1e-14 73.6c143_g1_i1 STL1_YEAST 31.98 172 85 4 6 518 407 547 6e-17 82.8c150_g1_i1 CST26_YEAST 37.63 93 38 3 223 5 142 234 6e-10 58.2c150_g2_i1 YHOE_SCHPO 42.67 75 41 1 227 3 54 126 5e-16 74.7c156_g2_i1 EXOL2_ARATH 47.17 53 28 0 299 141 229 281 6e-06 47.0c169_g1_i1 SPT5_ASPFU 60.98 82 31 1 20 262 725 806 2e-18 84.0其中，第⼆列 swiss-prot 蛋⽩质数据库序列的 ID（UniProtKB ID）。

GO 功能注释简明教程相似的基因在不同物种中，其功能往往保守的。

显然，需要一个统一的术语用于描述这些跨物种的同源基因及其基因产物的功能，否则，不同的实验室对相同的基因的功能的描述不同，将极大限制学术的交流。

而 Gene Ontology (GO) 项目正是为了能够使对各种数据库中基因获基因产物功能描述相一致的努力结果。

所谓的 GO，是生物学功能注释的一个标准词汇表术语（GO term），将基因的功能分为三部分：基因执行的分子功能（Molecular Function）基因所处的细胞组分（Cellular Component）基因以及参与的生物学过程（Biological Process）不同的 GO term 通过有向无环图关联起来，如下图所示：可以看出，不同的 GO term 间的关系由三类：is_a 、part_of 和 regulates 。

如 regulation of cell projection assembly 是一种生物学过程，是 regulation of cell原创2017-06-12liuhui 生信百科projection organization 中的一类（is_a），还调节（regulates）cell projectionassembly；又如 cellular component assembly 是 celluar component biogenesis 的一部分（part_of）。

值得注意的是，这些关系都是有方向的，即反过来不成立，因而叫做有向无环图。

目前，GO 注释主要有两种方法：（1）序列相似性比对（BLAST）（2）结构域相似性比对（InterProScan）这里以序列相似性比对为例，简单介绍 GO 注释的步骤：将基因序列与 swiss-prot 蛋白质数据库进行 BLAST （blastp 或者 blastx，这篇文章介绍了如何做 BLAST 分析：BLAST 知多少？）比对，得到如下结果：c49_g1_i1 RNF13_MOUSE 52.00 50 23 1 17 166c72_g1_i1 RS25_NEUCR 78.72 94 20 0 375 94c75_g1_i1 POLX_TOBAC 45.28 53 29 0 162 4c86_g2_i1 POLX_TOBAC 46.43 112 60 0 339 4c91_g1_i1 BUB1_ARATH 55.71 70 28 2 61 264c143_g1_i1 STL1_YEAST 31.98 172 85 4 6 518c150_g1_i1 CST26_YEAST 37.63 93 38 3 223 5c150_g2_i1 YHOE_SCHPO 42.67 75 41 1 227 3c156_g2_i1 EXOL2_ARATH 47.17 53 28 0 299 141c169_g1_i1 SPT5_ASPFU 60.98 82 31 1 20 262 其中，第二列 swiss-prot 蛋白质数据库序列的 ID（UniProtKB ID）。

GO富集分析说明基因本体（Gene Ontology，GO）是一个在生物信息学领域中广泛使用的本体。

1998年由研究三种模式（果蝇、小鼠和酵母）基因组的研究者共同发起组织了一个称为基因本体联盟的专业团队。

创建基因本体的初衷是希望提供一个可具代表性的规范化的基因和基因产物特性的术语描绘或词义解释的工作平台。

现在已包含数十个动物、植物、微生物的数据库。

基因本体涉及的基因和基因产物词汇分为三大类，涵盖生物学的三个方面：细胞组分（cellular component）：细胞的每个部分和细胞外环境。

分子功能（molecular function）：可以描述为分子水平的活性（activity），如催化（catalytic）或结合（bingding）活性。

生物过程（biological process）：生物过程系指由一个或多个分子功能有序组合而产生的系列事件。

其定义有广义和狭义之分，在词义上可以区分为泛指和特指。

一般规律是，一个过程是由多个不同的步骤组成。

注：生物过程与途径或通路（pathway）不是同一回事。

通过将差异基因做GO富集分析，可以把基因按照不同的功能进行归类，达到对基因进行注释和分类的目的。

富集分析方法说明：采取的方法是fisher 精确检验，数据包是clusterProfiler，来自R/bioconductor;挑选的标准是落在某个term/GO 上差异的基因数目>=4,p_value <0.05,画图中取得term/GO 是按照enrich factor 的值从大小降序排列，取前30个结果。

enrich_factor 定义= （某个term中的差异基因数目/总的差异基因数目）/(数据库term中总的基因数目/数据库中总的基因数目）字段说明：上海伯豪生物技术有限公司技术支持部2016年01月。

将humann2_genefamilies文件转化为GO (Gene Ontology) 和KEGG (Kyoto Encyclopedia of Genes and Genomes) 注释需要以下步骤：
1.准备文件:
1.确保你有humann2_genefamilies文件。

这个文件通常包含基因或
基因家族的ID和对应的描述。

2.选择一个在线工具或使用R/Python:
1.网上有许多在线工具可以为你提供GO和KEGG注释。

2.如果你更喜欢使用R或Python，你可以使用像org.Hs.eg.db (for
human)这样的Bioconductor包来获取GO和KEGG注释。

3.使用在线工具:
1.打开Metascape或其他类似的在线工具。

2.上传你的humann2_genefamilies文件。

3.选择所需的物种（例如，人类）。

4.选择输出格式为GO或KEGG。

5.获取并保存结果。

4.使用R/Python:
如果你选择使用R或Python，请按照以下步骤操作：
5.整理结果:
根据你的需求，你可能需要对结果进行进一步的处理或整理。

例如，你可能想提取特定的GO条目或KEGG路径。

6. 注意事项:
确保你的humann2_genefamilies文件中的ID与数据库中的ID匹配。

如果ID不匹配，你可能需要使用转换工具或在线服务进行转换。

7. 后续分析:
如果你希望进一步分析注释结果，可以考虑使用像GOrilla、REViGO或FunRich 这样的工具来可视化结果或进行富集分析。

Gene OntologyGO分析Gene Ontology可分为分子功能Molecular Function生物过程biological process和细胞组成cellular component三个部分。

蛋白质或者基因可以通过ID 对应或者序列注释的方法找到与之对应的GO号而GO号可对于到Term即功能类别或者细胞定位。

参考网站 功能富集分析功能富集需要有一个参考数据集通过该项分析可以找出在统计上显著富集的GO Term。

功能或者定位有可能与研究的目前有关。

图1. 基于GO的蛋白质富集分析图谱GO功能分类GO功能分类是在某一功能层次上统计蛋白或者基因的数目或组成往往是在GO的第二层次。

此外也有研究都挑选一些Term 而后统计直接对应到该Term的基因或蛋白数。

结果一般以柱状图或者饼图表示。

1.GO分析根据挑选出的差异基因计算这些差异基因同GO 分类中某几个特定的分支的超几何分布关系GO 分析会对每个有差异基因存在的GO 返回一个p-value小的p 值表示差异基因在该GO 中出现了富集。

GO 分析对实验结果有提示的作用通过差异基因的GO 分析可以找到富集差异基因的GO分类条目寻找不同样品的差异基因可能和哪些基因功能的改变有关。

2.Pathway分析根据挑选出的差异基因计算这些差异基因同Pathway 的超几何分布关系Pathway 分析会对每个有差异基因存在的pathway 返回一个p-value小的p 值表示差异基因在该pathway 中出现了富集。

Pathway 分析对实验结果有提示的作用通过差异基因的Pathway 分析可以找到富集差异基因的Pathway 条目寻找不同样品的差异基因可能和哪些细胞通路的改变有关。

与GO 分析不同pathway 分析的结果更显得间接这是因为pathway 是蛋白质之间的相互作用pathway 的变化可以由参与这条pathway 途径的蛋白的表达量或者蛋白的活性改变而引起。