GO文件中的注释信息是如何得到的

一直很好奇GO注释文件中的信息是如何得到的，终于在《The Gene Ontology Handbook》中找到了答案。

为常德等地区用户提供了全套网页设计制作服务，及常德网站建设行业解决方案。主营业务为成都网站建设、成都网站设计、常德网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！

GO的原始文件可以分为两部分：ontology和association files。

该文件以obo格式储存，每个词条都以树状结构表示着和其他词条的关系，具体内容可以从 GO网站 中找到，其中的元素和逻辑关系可以简单参考上几篇文章。主要编辑工具有go-basic、go和go-plus三个。

这部分文件主要是关于GO词条的具体功能信息，以及相关的支撑信息，以GAF或GPAD格式储存。

目前对基因的注释主要有两种手段：人工注释和机器注释。

人工注释由专业人士(biocurators)通过阅读，提取和转化文献中的实验结果来对基因进行注释。人工注释费时费力，但他们的努力非常重要，因为人工注释的准确性是其他注释的基石，目前有20个团队为GO的人工注释贡献力量。

机器注释主要两大类方法：根据序列进行注释和文本挖掘的方法注释。

1、根据序列信息进行注释：

annotation transfers from Homologous proteins

annotation transfers from Orthologous proteins

annotation transfers from Protein families

2、文本挖掘注释

Automatic text categorization

Lexical approaches

k-Nearest neighbors

Properties of Lexical and k-NN categorizers

Inter-annotator agreement

每种方法的具体解释参考《The Gene Ontology Handbook》的相关章节。

GO(Gene Ontology)

Ontology 首先是出现于哲学领域的一个词汇，后来广泛用于计算机领域，发挥了很重要的作用，再后来这个概念被引入生物领域。

gene Ontology 是生物中Ontology中一个重要应用。go项目最初是由研究三种模式生物（果蝇、小鼠和酵母）基因组的研究者共同发起。是生物信息分析中很重要的一个方法

go是在生物领域应用非常广，可以帮助生物学家对基因产物进行准确的定义（功能、位置），节省时间。

因为在最开始的时候，生物学家们更多是专注于自己研究的物种/课题，而且每个生物学家对功能等的定义是存在差异的，导致不同实验室/物种不能实现直接的对接（比如A物种内的x基因的功能使用的是a这个词汇进行注释，而B物种内的x基因的功能却使用的是与a同义的词汇b进行注释，这种情况计算机无法识别），就像讲两种语言的人，无法直接进行语言交流。这种情况导致的问题是，出现了一种阻碍，让问题复杂化了。所以就有了Ontology在生物领域中的应用，实现“书同文”。

go定义了基因/基因产物的功能（通过术语）且定义了它们各自之间功能是怎样联系的（关系）。它组成了一个具有大量term的词汇库，并定义各种term之间的关系（is_a part_of R）。

GO通过三个方面的术语对基因/基因产物的功能进行描述：分子功能(molecular function) -由基因/基因产物行使的分子水平上的功能； 细胞组件(cellular component)-基因/基因产物产生功能时其在细胞结构上的位置；生物学过程(biological process)-在哪个生物学通路/生物过程发挥作用。

目前，GO 注释主要有两种方法：

（1）序列相似性比对（BLAST）：例如blast2go（将blast结果转化为GO注释）

（2）结构域相似性比对（InterProScan）

blast2go的本地化教程：

在blast2go软件正确安装的情况下，使用blast2go进行go注释，出现无法得到注释结果的问题：

另外还有可能出错的原因是，blast2go无法识别blast高的版本号，当使用高版本的blast的时候，直接将版本号给修改为低版本的就行了，例如（BLASTX 2.2.25+）

GO 的图形是一个有向无环图

R语言：clusterProfiler进行GO富集分析和Gene_ID转换

ID转换用到的是 bitr() 函数，bitr()的使用方法：

org.Hs.eg.db包含有多种gene_name的类型

keytypes() ：keytypes(x)，查看注释包中可以使用的类型

columns() ：类似于keytypes()，针对org.Hs.eg.db两个函数返回值一致

select() ：select(x, keys, columns, keytype, ...) eg.

函数enrichGO()进行GO富集分析，enrichGO()的使用方法：

举例：

什么叫go注释

大致是解释这个基因的功能的。如它所生成的蛋白质的功能，参与了那些代谢调节等方面的解释。

ID转换大全-3-使用R语言获取人类所有基因的名字，ID，symbol以及别名

参考

在输出的文件里面可以搜索：

可以看到，有趣的是 ERBB1家族的 ERBB1的正式名字就是大名鼎鼎的EGFR， 而 大名鼎鼎的HER-2 正式名字却是ERBB2

都是 SWI/SNF Related, Matrix Associated, Actin Dependent Regulator Of Chromatin，我是在genecard里面 检查 SMARC发现的

但是大部分文章里面却总是使用它们的别名。

GO、KEGG富集分析（一）有参情况

对基因的描述一般从三个层面进行：

这三个层面具体是指：

得到GO注释

做GO分析的思路：

比如，在疾病研究的时候，进行药物治疗之后某些基因的表达量明显的发生了变化，拿这些基因去做GO分析发现在Biological process过程当中集中在RNA修饰上，然后在此基础上继续进行挖掘。这个例子就是想启示大家拿到差异表达基因DEG只是一个开始，接下来就应该去做GO注释，之后需要进行一个分析看这些注释主要集中在哪个地方。假如我们有100个差异表达基因其中有99个都集中在细胞核里，那我们通过GO分析就得到了一个显著的分布。

GO富集分析原理：

有一个term注释了100个差异表达基因参与了哪个过程，注释完之后（模式生物都有现成的注释包，不用我们自己注释），计算相对于背景它是否显著集中在某条通路、某一个细胞学定位、某一种生物学功能。

clusterProfiler是一个功能强大的R包，同时支持GO和KEGG的富集分析，而且可视化功能非常的优秀，本章主要介绍利用这个R包来进行Gene Ontology的富集分析。

进行GO分析时，需要考虑的一个基础因素就是基因的GO注释信息从何处获取。Bioconductor上提供了以下19个物种的Org类型的包，包含了这些物种的GO注释信息

对于以上19个物种，只需要安装对应的org包，clusterProfile就会自动从中获取GO注释信息，我们只需要差异基因的列表就可以了，使用起来非常方便。

1.1 准备输入数据

待分析的数据就是一串基因名称了，可以是ensembl id、entrze id或者symbol id等类型都可以。把基因名称以一列的形式排开，放在一个文本文件中（例如命名“gene.txt”）。Excel中查看，就是如下示例这种样式。

1.3 GO富集分析

加载了注释库之后，读取基因列表文件，并使用clusterProfiler的内部函数enrichGO()即可完成GO富集分析。

读取基因列表文件，并使用clusterProfiler的内部函数enrichKEGG()即可完成KEGG富集分析。

此外，clusterProfiler中也额外提供了一系列的可视化方案用于展示本次富集分析结果，具有极大的便利。

参考：

;utm_medium=timeline