GO(Gene Ontology)

Ontology 首先是出現于哲學領域的一個詞匯，后來廣泛用于計算機領域，發揮了很重要的作用，再后來這個概念被引入生物領域。

創新互聯專業為企業提供懷遠網站建設、懷遠做網站、懷遠網站設計、懷遠網站制作等企業網站建設、網頁設計與制作、懷遠企業網站模板建站服務，10年懷遠做網站經驗，不只是建網站，更提供有價值的思路和整體網絡服務。

gene Ontology 是生物中Ontology中一個重要應用。go項目最初是由研究三種模式生物（果蠅、小鼠和酵母）基因組的研究者共同發起。是生物信息分析中很重要的一個方法

go是在生物領域應用非常廣，可以幫助生物學家對基因產物進行準確的定義（功能、位置），節省時間。

因為在最開始的時候，生物學家們更多是專注于自己研究的物種/課題，而且每個生物學家對功能等的定義是存在差異的，導致不同實驗室/物種不能實現直接的對接（比如A物種內的x基因的功能使用的是a這個詞匯進行注釋，而B物種內的x基因的功能卻使用的是與a同義的詞匯b進行注釋，這種情況計算機無法識別），就像講兩種語言的人，無法直接進行語言交流。這種情況導致的問題是，出現了一種阻礙，讓問題復雜化了。所以就有了Ontology在生物領域中的應用，實現“書同文”。

go定義了基因/基因產物的功能（通過術語）且定義了它們各自之間功能是怎樣聯系的（關系）。它組成了一個具有大量term的詞匯庫，并定義各種term之間的關系（is_a part_of R）。

GO通過三個方面的術語對基因/基因產物的功能進行描述：分子功能(molecular function) -由基因/基因產物行使的分子水平上的功能； 細胞組件(cellular component)-基因/基因產物產生功能時其在細胞結構上的位置；生物學過程(biological process)-在哪個生物學通路/生物過程發揮作用。

目前，GO 注釋主要有兩種方法：

（1）序列相似性比對（BLAST）：例如blast2go（將blast結果轉化為GO注釋）

（2）結構域相似性比對（InterProScan）

blast2go的本地化教程：

在blast2go軟件正確安裝的情況下，使用blast2go進行go注釋，出現無法得到注釋結果的問題：

另外還有可能出錯的原因是，blast2go無法識別blast高的版本號，當使用高版本的blast的時候，直接將版本號給修改為低版本的就行了，例如（BLASTX 2.2.25+）

GO 的圖形是一個有向無環圖

r語言注釋語句什么開頭

看注釋前的字母。

R語言初學指南可在腳本中加入注釋。在腳本中，任何以“#”（sharp/numbersymbol）開頭的命令行都會被R忽略。

同樣，若“#”出現在某行的中間，則該行中“#”后面的語句都會被忽略。可利用這一特性對腳本添加注釋，以便用戶或他人日后查閱。

例如，作者每次查看前一天編寫的腳本時，都要重新梳理并回憶每條腳本語句的作用。

新手R數據篩選錯誤求助，undefined columns selected

點擊“Start BiNGO”。分析完成后彈出運行報告，內容在bgo文件里也有。還返回一個相互作用網絡，顯示上一步f下選的那些節點。節點的標簽顯示的是屬于上一步h 下選的GO注釋種類的term。默認顏色分布：富集程度越高則節點背景越偏橙色，越低則越靠近黃色。白色節點表示未被顯著富集，之所以出現在結果中是因為 他們的某個子節點顯著富集。結果中節點的多少是與提交到分析的節點的多少成正比的。

GO、KEGG富集分析（一）有參情況

對基因的描述一般從三個層面進行：

這三個層面具體是指：

得到GO注釋

做GO分析的思路：

比如，在疾病研究的時候，進行藥物治療之后某些基因的表達量明顯的發生了變化，拿這些基因去做GO分析發現在Biological process過程當中集中在RNA修飾上，然后在此基礎上繼續進行挖掘。這個例子就是想啟示大家拿到差異表達基因DEG只是一個開始，接下來就應該去做GO注釋，之后需要進行一個分析看這些注釋主要集中在哪個地方。假如我們有100個差異表達基因其中有99個都集中在細胞核里，那我們通過GO分析就得到了一個顯著的分布。

GO富集分析原理：

有一個term注釋了100個差異表達基因參與了哪個過程，注釋完之后（模式生物都有現成的注釋包，不用我們自己注釋），計算相對于背景它是否顯著集中在某條通路、某一個細胞學定位、某一種生物學功能。

clusterProfiler是一個功能強大的R包，同時支持GO和KEGG的富集分析，而且可視化功能非常的優秀，本章主要介紹利用這個R包來進行Gene Ontology的富集分析。

進行GO分析時，需要考慮的一個基礎因素就是基因的GO注釋信息從何處獲取。Bioconductor上提供了以下19個物種的Org類型的包，包含了這些物種的GO注釋信息

對于以上19個物種，只需要安裝對應的org包，clusterProfile就會自動從中獲取GO注釋信息，我們只需要差異基因的列表就可以了，使用起來非常方便。

1.1 準備輸入數據

待分析的數據就是一串基因名稱了，可以是ensembl id、entrze id或者symbol id等類型都可以。把基因名稱以一列的形式排開，放在一個文本文件中（例如命名“gene.txt”）。Excel中查看，就是如下示例這種樣式。

1.3 GO富集分析

加載了注釋庫之后，讀取基因列表文件，并使用clusterProfiler的內部函數enrichGO()即可完成GO富集分析。

讀取基因列表文件，并使用clusterProfiler的內部函數enrichKEGG()即可完成KEGG富集分析。

此外，clusterProfiler中也額外提供了一系列的可視化方案用于展示本次富集分析結果，具有極大的便利。

參考：

;utm_medium=timeline

R語言：clusterProfiler進行GO富集分析和Gene_ID轉換

ID轉換用到的是 bitr() 函數，bitr()的使用方法：

org.Hs.eg.db包含有多種gene_name的類型

keytypes() ：keytypes(x)，查看注釋包中可以使用的類型

columns() ：類似于keytypes()，針對org.Hs.eg.db兩個函數返回值一致

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

函數enrichGO()進行GO富集分析，enrichGO()的使用方法：

舉例：

當前文章：R語言GO功能注釋 go語言多行注釋
網站URL：http://vcdvsql.cn/article30/hpgsso.html

成都網站建設公司_創新互聯，為您提供域名注冊、品牌網站設計、網站策劃、服務器托管、微信公眾號、網站改版

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯