参考：GO分析学习笔记 (qq.com)

1.富集分析

前景基因：要重点研究的基因集

背景基因：所有的基因集

例：前景基因为对照组与处理组的差异基因

背景基因为对照组与处理组的所有基因

2、GO的构成

GO terms，它提供生物过程的逻辑结构与相关关系，不同的GO terms之间的关系可以通过一个有向无环图来表示。

注：GO terms是对基因的产物，而不是对基因的本身进行描述，因为基因本身的产物有时候不止一种

GO注释（GO annotations）,它主要是为GO terms提供注释，也就是描述这个GO terms有什么功能

3.GO中的基因注释证据代码

一个GO注释由一个与GO term相关的特定参考和基因产物构成，GO注释的来源各异，下表就说明了GO注释的各种来源代码，其中*部分表示证据来源可靠性比较高

缩写	证据代码	例子
IC,Inferred by curator	由专家推测得到	推测它定位在细胞核中一个蛋白质如果有“转录因子”的功能注释，专家就可以
*IDA,Inferred from direct assay	有直接实验证据	如酶活化实验（针对“分子功能”），免疫荧光显微镜（针对“细胞组分”）
IEA,Inferred from electronic annotation	有电子注释	基于像BLAST这些搜索软件搜索结果的电子注释（与ISS比较，IEA没有被专家证实）
*IEP,Inferred from expression pattern	有表达模式方面的证据	转录水平（如Nothern Bloting或微阵列实验结果）或蛋白质表达水平（Western blots实验结果）
*IGI,Inferred from genetic interaction	有遗传相互作用方面的证据	抑制基因；遗传致死基因；互补试验；还有其他一些可以提供某一基因功能信息的实验
*IMP,Inferred from mutant phenotype	由突变表型推测得到	基因突变；基因敲出；过量表达；反义RNA实验
*IPI,Inferred from physical interaction	由物理相互作用推测得到	酵母双杂交实验；共纯化实验；免疫共沉淀实验；结合实验
ISS,Inferred from sequence or structural similarity	由序列或结构的相似性得到	序列的相似性；结构域；被专家确认的BLAST软件的搜索结果
NAS,Non-traceable author statement	有报道，但报道信息来源不可知	数据库（如SwissPort数据库）登录条目的记录中没有引用已发表的文献
ND,No biological data	没有相关的生物数据	对应于“unknown”的分子功能、细胞过程或细胞组分
TAS,Traceable author statement	有报道，且可知报道信息来源	有一些综述文章或字典中可以找到相关信息

4.理论基础

超几何分布

N:表示总基因数

n:表示N中差异表达基因的总数

M：表示N中属于某个GO terms的基因个数

K：表示n中属于某个GO terms的基因个数

这个公式表示的意思是，从总的N个基因中挑出n个基因，作为分母（这是背景基因），分子则是M个基因（我们的差异基因，这是前景基因），有k个落在了某通路里，有n-k个不落在了某通路里，然后使用超几何分布来对它们进行计算，即前景基因落在某通路的比例是否高于背景基因在这一通路的比例，实际计算时，是算的odds ratio的差异。

现在举个例子，在GO分析的结果表格中，会出现以下信息：

Background Frequency，背景基因频数，指的是在整个背景基因集中，注释到一个GO term中的基因数目。

Sample Frequency，样本基因频数（有的也叫前景基因频数，总之，就是你要研究的一批基因）指的是，在你研究的基因列表中，注释到这个GO term（与Background Frequency的GO term相同的这个GO term）的基因数目。例如，我们在研究酿酒酵母（S. cerevisiae）的生物过程（biological process）时，这个物种的背景基因是6442个基因，假如我们要研究的目的基因有10个，其中有5个基因被注释到了一个这样的GO term上，这个GO term是：DNA修复（DNA repair），然后样本中的DNA修复的基因频率就是5/10，如果在酿酒酵母（S. cerevisiae）的整个基因组中，只有100个基因注释到了DNA修复的这个GO term上，那么背景基因的频率就是100/6442。GO分析就是利用超几何分布（或Fisher精确检验）来比较一下5/10和100/6442有没有统计学差异，GO分析结果的表格中会列出这个计算结果的P值

富集方法与GO term的查询

1.AmiGO

2.DAVID

3.gotatools命令

python /.../goatools/scripts/find_enrichment.py <fg.genelist> <bg.genelist> <association_file> --outfile <outfile> --obo /../go-basic_20180701.obo --pval 0.05

1.fg.genelist和bg.genelist就是研究的前景与背景基因文件，每行一个基因名

2.association文件即每个基因对应的GO号，两列，第一列为基因名，第二列为GO号

3.obo：官网下载的GO信息文件，大概情况如下：

5.GO分析的思路

第一件事情就是我们要把差异基因与相应的GO terms对应起来；

第二件事情就是需要找到前景基因（也就是差异基因）与背景基因；

第三件事情就是，将对应起来的GO terms进行比较，也就是利用超几何检验，这些差异基因在某个通路中的比例是否要高于背景基因；

第四件事情就是绘图，也就是文献中经常出现的GO条形图

GO注释（生信学习）相关推荐

知乎阅读三百万的生信学习指南
作为本科学生物,硕博转行生物信息的人,经常会被人问起,为啥学习生物信息了呢?这背后通常会带着一些困惑,生物信息分析好不好学? 生信的作用越来越大,想学的人越来越多,不管是为了以后发展,还是为了解决眼下 ...
送书 | 知乎阅读300w+的生信学习指南（更新版）
先送书在上周的留言送书活动中,恭喜下面这位读者获得书籍"Oracle高性能系统架构实战大全",请及时与生信宝典编辑(shengxinbaodian)联系. 2020过去三分之一了 ...
生信学习之通路富集一（GO分析）
生信学习之通路富集一(GO分析): 富集分析的理论知识富集分析(Enrichment Analysis)是一种广泛应用于生物信息学研究的统计方法,主要用于检验一个基因集合中某些功能或特征的富集程度. ...
生信学习学的是什么？常识！
生物信息学学的是什么?常识! 学习的是基本生物学概念的常识! 学习的是计算机基础的常识! 学习的是图形解读的常识! 学习的是统计的常识! 拦住生信学习脚步的不是技术有多难,而是有些常识你还不知道. 这 ...
生信学习——R语言练习题-初级（附详细答案解读）
题目目录 1. 打开 Rstudio 告诉我它的工作目录. 2. 新建6个向量,基于不同的数据类型.(重点是字符串,数值,逻辑值) 3. 告诉我在你打开的rstudio里面 getwd() 代码运行后 ...
计算机通路的基本概念,【生信学习笔记】KEGG分子通路数据库
原标题:[生信学习笔记]KEGG分子通路数据库首先什么是一个通路? 通路可以定义为a series of actions among molecules in a cell,细胞中的分子的一系列的行 ...
生信学习——R语言学习总结
写在前面--经过了四十天断断续续的学习,算是对R语言有了初步的了解.其实使用R语言,无非就是对数据进行处理分析,然后把结果可视化.但是数据的千变万化,还有数以万计的函数.数据格式,使得这个过程变得很复 ...
【生信学习第一天】DEseq2 差异表达基因计算
一.介绍分析来自 RNA-seq 的计数数据的一项基本任务是检测差异表达的基因.计数数据以表格的形式呈现,其中报告了每个样本已分配给每个基因的序列片段的数量.其他检测类型也有类似的数据,包括比较 C ...
KEGG注释（生信学习）
KEGC数据库:是系统分析基因功能.基因组信息的数据库 KEGC注释的工具:KofamKOALA有在线版与本地版(linux) 本次主要介绍本地版安装下载并解压Kofam wget https:/ ...

GO注释（生信学习）