基因本体（geneontology,GO）.PPT

人民卫生出版社8年制及7年制临床医学等专业用《生物信息学》 这里以KEGG通路的富集分析为例。提交之后的结果如图，可以看到，对提交的基因集做富集分析，找到5个具有显著性的通路。这里的“P-Value”是通过Fisher精确检验得到的P值，“Benjamini” 指的是本杰明假阳性率校正方法。 第四节 基因功能预测 Gene Function Prediction 近来已经发展了很多基于GO数据库或KEGG数据库的方法，利用高通量的基因表达和蛋白质互作数据进行功能预测，其中一些新开发的方法试图整合多种数据类型，通过构建功能相关网络的方式预测基因功能。 基因功能预测算法 首先，从总体上宏观地概括抽取信息，如不同样本间、不同时间点间全部差异基因； 其次，通过GO或KEGG分析，即从GO分类结果找到实验涉及的显著功能类别或将差异基因映射到通路中，根据基因在通路中的位置及表达水平的变化算出受影响显著的通路，从而预测未知的基因功能等。 当前基于GO或KEGG的基因功能预测策略 1. 对差异表达基因进行功能预测 在基因芯片的数据分析中，研究者可以找出哪些差异表达基因属于一个共同的GO功能分支，并用统计学方法检验结果是否具有统计学意义，从而得出差异表达基因主要参与了哪些生物功能。 2. 蛋白质互作网络用于基因功能预测 目前，利用相互作用网络进行功能注释主要有两种方法，即直接注释方法（direct annotation schemes）和基于模块的方法（module assisted schemes）。 3. 利用GO体系结构比较基因功能 通常认为如果两个基因产物的功能相似，那么它们的表达也就相近，同时它们在GO中注解的结点就相似，所以只要能找出GO中结点对的相似度，就可以近似估计两基因表达的相似度，从而判断两基因产物的功能的相似度。 一、基于GO的基因功能预测 二、基于KEGG的基因功能预测 通路分析是现在经常被使用的芯片数据基因功能分析法。与GO分类法（应用单个基因的GO分类信息）不同，通路分析法利用的资源是许多已经研究清楚的基因之间的相互作用，即生物学通路。研究者可以把表达发生变化的基因集导入通路分析软件中，进而得到变化的基因都存在于哪些已知通路中，并通过统计学方法计算哪些通路与基因表达的变化最为相关。 三、常用基因功能预测软件 利用Onto-Express预测基因功能 Onto-Express是Wayne State University开发的Onto-Tools软件包中的一个表达谱数据分析工具，利用Gene Ontology中的数据信息对基因的功能进行分析，可以免费下载该软件。 举例 1. 数据输入 下面通过提供的测试数据阐述Onto-Express的使用方法，该芯片的测试数据可在http://www.ebi.ac.uk/~jane/TestData/下载，输入数据为total和under.over，输入数据为文本格式，包含accession numbers, cluster identifiers 或 probe identifiers。进入Onto-Express的输入窗口，如图所示： 2. 结果页面 选择“Tree View”，将显示GO的树状图，可以单击收缩或展开显著term的信息。GO term上的黑体字是输入的上调或下调基因集合注释到该term上的数目。P值是该结点含有上调或下调基因的数目大于随机期望的概率。 小 结 基因注释与功能分类是功能基因组学和计算系统生物学的重要基础。本章重点介绍了Gene Ontology（GO）数据库 和 Kyoto Encyclopedia of Genes and Genomes（KEGG）数据库。分别从基因功能注释和通路注释两个层面阐述功能注释与分类。 随着功能基因组学在人类复杂疾病研究中应用的逐步深入，基因功能注释的尺度也逐步从单基因注释发展到多基因注释和通路（或特定功能的基因集合）注释。基于GO和KEGG发展起来的David、GOEAST、GOSim、KEGGSpider、KEGGArray、PathwaryMiner等软件从不同角度实现注释、富集分析和功能预测，方便临床医学工作人员对感兴趣的基因或基因组进行研究。 * * * * 第八章 基因注释与功能分类 Gene Annotation And Functional Classification 第一节 引 言 背景 随着后基因组(post-genomics)时代的来临，基因组学的研究重心开始从阐明所有遗传信息转移到在整体分子水平对功能进行研究。这种转变的一个重要标志是产生了功能基因组学（functional genomics）。 任务 功能基因组学的主