Gene Ontology Enrichment 笔记

What is Gene Ontology

The Gene Ontology (GO) project is an effort to ==provide consistent descriptions of gene products==

Gene annotation

GO terms divided into three parts:

cellular component
molecular function
biological process

Cellular component解释的是基因存在在哪里，在细胞质还是在细胞核？如果存在细胞质那在哪个细胞器上？如果是在线粒体中那是存在线粒体膜上还是在线粒体的基质当中？这些信息都叫Cellular component。

Biological process是在说明该基因参与了哪些生物学过程，比如，它参与了rRNA的加工或参与了DNA的复制，这些信息都叫Biological process

Molecular function在讲该基因在分子层面的功能是什么？它是催化什么反应的？
So, we will have a gene annotation infarmation.
立足于这三个方面，我们将得到基因的注释信息。

得到GO注释

model organism —> annotated database
non-model organism —> search database or blast

模式生物 —> 有标准的注释数据库；
非模式生物 —> 自己搜注释数据库(怎们搜后面具体介绍)，搜不到就用blast的办法解决。

做GO分析的思路：

control VS treatment —> DEG —> GO enrichment analysis

也就是RNA-Seq先测出各组的基因表达分布：
control gene expression distributiontreatment gene expression distribution
control VS treatment —> DEG : differential expression genes
通过比较 control 和 treatment 得到差异表达基因
再去做GO富集分析：
DEG —> GO enrichment analysis

用找到的差异基因去做GO富集分析，希望能从这三方面找到和我们背景不一样的地方。

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。

KEGG enrichment analysis？
把生物体中所有的pathway都要进行富集分析
DO enrichment analysis？
看目标基因是否在某个疾病或某一类疾病当中富集

GO structure

GO is a term related with a hierarchy

Gene Ontology Enrichment

Enrichment module gives you the answer of which pathways, diseases, and GO terms is statistically significant associated with the genes/proteins you just input.

GO分析代码

BP（Biological process）层面上的富集分析：

erich.go.BP = enrichGO(gene = DEG.entrez_id,
                       OrgDb = org.Hs.eg.db,
                       keyType = "ENTREZID",
                       ont = "BP",
                       pvalueCutoff = 0.5,
                       qvalueCutoff = 0.5)

##分析完成后，作图
dotplot(erich.go.BP)

解读BP层面富集分析图：
横坐标是GeneRatio，意思是说输入进去的基因，它每个term（纵坐标）站整体基因的百分之多少。圆圈的大小代表基因的多少，图中给出了最大的圆圈代表60个基因，圆圈的颜色代表P-value，也就是说P-value越小gene count圈越大，这事就越可信。

15992481-0458f64b56d4fb58

Reference

作者：黄晶_id
链接：https://www.jianshu.com/p/47b5ea646932
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。