一文极速读懂 Gene Ontology （GO）数据库

官方：基因本体（GO）知识库是有关基因功能的全球最大信息来源。 这些知识既是人类可读的，也是机器可读的，并且是生物医学研究中大规模分子生物学和遗传学实验的计算分析的基础。

在读懂基因本体论（Gene Ontology）前，我们先看看什么是本体论：

本体论（Ontology ）是探究世界的本原或基质的哲学理论 。

本体论通常处理的问题：存在哪些本质，如何将这些本质分组，在层次结构内关联以及如何根据相似性和差异进行细分 。

基因本体论（Gene Ontology）包含生物学领域知识体系本质的表示形式，本体通常由一组类（或术语或概念）组成，它们之间具有关系。 基因本体论（GO）从三个方面（GO domains）描述了我们对生物学领域的了解：

理解了上述的概念，现在举个例子，如果站在基因本体论GO的角度来解释一个基因的话：

基因产物：细胞色素C（cytochrome c）

分子功能：氧化还原酶活性

细胞组分：线粒体基质

生物过程：氧化磷酸化

自定义同义词类型也用于本体中。 例如，许多同义词被指定为系统同义词。 此类型的同义词是术语名称的确切同义词。

GO以图的形式构建，术语作为同种的节点，术语间的关系（对象属性）作为连接。

GO图中的节点与其他节点可以具有任意数量和类型的关系， 就像层次结构，例如，家谱或一个物种的分类法

一个节点可能与多个子节点（更特定的节点）具有连接，也可以具有多个父节点（较宽的节点）

利用关系与关系间的连接可以推断相应的分组注释，节点间关系的推断，这个会在后面详细研究：

上图表示：A is a B，B is part of C，所以可以推断 A is part of C

节点间总体与部分关系：

一个节点可能与一个节点有一部分关系。 下图说明了这一点：

上图： mitochondrion 是两个节点的父节点：it is an organelle and it is part of the cytoplasm ； organelle 有两个子节点: mitochondrion is an organelle, and organelle membrane is part of organelle

我们将上面的关系图简化表示为 箭头导向性图 ，这是图中常见的关系表示：

接下我们详细看看GO是怎样来描述这几种关系的：

如果我们说 A is a B ，则意味着节点A是节点B的子类型。例如，有丝分裂细胞周期是细胞周期，或者裂解酶活性是催化活性。

应该注意的是，a并不代表是实例。 从本体论上来说，一个实例是某个事物的具体示例。 例如 猫是哺乳动物，但加菲猫是猫的实例，而不是猫的亚型。 GO中的术语表示实体或现象的类别，而不是特定的表现形式（或实例）。 但是，如果我们知道猫是哺乳动物，则可以说猫的每个实例都是哺乳动物。

使用 is a 对批注进行分组是 安全的 。例如，如果将基因产物X注释为具有酪氨酸激酶活性，并且本体论证明酪氨酸激酶活性是激酶活性的一种（类型），那么我们可以安全地得出结论，基因产物X具有激酶活性。

利用上面得到结论，我们可以将 is a 关系和其他关系类型结合来推断，下图表示了可以推断的关系：

关系的一部分用于表示整个部分的关系。 part of 只有当B一定是A的一部分时，才会在A和B之间部分关系：无论B存在于何处，它都是A的一部分，B的存在意味着A的存在。但是，考虑到A的出现，我们不能肯定地说B的存在。

使用的 part of 进行分组注释是 安全的 。 例如，如果将基因产物X标注为位于线粒体内膜上，而本体论记录了线粒体内膜与线粒体之间的关系的一部分，则可以安全地得出结论X位于线粒体内。

利用上面得到结论，我们可以将 part of 关系和其他关系类型结合来推断，下图表示了可以推断的关系：

has part 是对关系部分的逻辑补充，它从父级的角度代表了“部分-整体”关系。

与 part of 一样，GO关系 has part 仅在A始终将B作为一部分的情况下使用，即A必定具有B的部分。 但是，如果B存在，我们不能肯定地说A存在。 即所有A都有B部分，但是A只是B的一部分。

使用 has part 注释进行分组是 不正确的 。 例如，我们可以在本体论中断言受体酪氨酸激酶活性具有部分激酶活性。 然而，将所有注释归类到受体酪氨酸激酶活性下的激酶活性将是不正确的。

利用上面得到结论，我们可以将 has part 关系和其他关系类型结合来推断，下图表示了可以推断的关系：

一种过程直接影响另一种过程或质量的表现，即前者调节后者。 调节的目标可以是另一种过程，例如调节途径或酶促反应，或者可以是质量，例如细胞大小或pH。 与 part of 关系类似，该关系专门用于表示必定的调节：如果同时存在A和B，则B总是调节A，但是A可能不总是受B调节，即所有B都调节A一些A受B调节。

如果将基因产物X注释为参与调节糖酵解的过程，则不能得出结论X参与糖酵解是 不正确的 。 但是，某些工具使用调节关系来对批注进行分组, 这可用于基因集富集, 所得的基因集包括与分组术语有因果关系的过程中涉及的基因。

利用上面得到结论，我们可以将 regulates 关系和其他关系类型结合来推断，下图表示了可以推断的关系：

GO的结构可以用下图来表示，这个图也叫有向无环图（Directed Acyclic Graph ，DAG）。

如上图所示，三个GO域（细胞成分，生物学过程和分子功能）分别由一个单独的根本体术语表示。

一个域中的所有术语都可以将其父源追溯到一个根术语，通过到本体根的中间术语可能存在许多不同的路径。

这三个根节点是不相关的，并且没有公共的父节点，这意味着来自不同本体的术语之间没有任何关系。但是，GO本体之间也存在其他关系，例如，分子功能术语“细胞周期蛋白依赖性蛋白激酶活性”是生物过程“细胞周期”的一部分。GO本体间相关 http://geneontology.org/docs/ontology-relations/ 。

某些基于图的软件可能需要一个根节点。在这种情况下，可以将“假”术语添加为三个现有根节点的代。

GO只代表生物学的当前认知，因此随着生物学知识的积累，它会不断地被修订和扩展。也就是说目前的GO术语不一定代表某个基因产物所有的功能，组分或参加的过程，只是现阶段对它的认知。

每周更新一次，由GOC本体团队与请求更新的科学家共同完成的。

这四个网站功能各异，每一个的用法都可以讲上一天。具体的用法要你自己去网站上去摸索，到文献中去寻找，另外要根据你自己的目的去探索。

这四个网站分别对应的功能是：直系同源基因数据库、基因组数据库、Tigre的直系同源基因数据库（真核生物）和基因本体数据库。

从总体上讲，这些网站的用法有：数据浏览、FTP数据下载和自己编写程序分析数据。

如果你的研究和直系同源基因相关，应该使用1，3

如果和基因的功能注释相关应该使用4，

如果关系测序基因组情况应该去Ensembl，比较全。

我的感觉1、2、4这三个数据库用的比较多，对3不甚了解。

芯片分析中的go分析解读 ：

基因本体（gene ontology），简称GO，是一种描述基因或基因产物基本特性的词汇，由基因本体协会开发。

GO数据库在建立注释基因和蛋白质知识的标准词汇体系，使各数据库中基因产物功能描述相一致，随着研究的深入，基因本体语义词汇也在不断更新。

Gene Ontology的分析，就是把你的基因的功能归类注释。

芯片分析中的pathway分析解读 ：

Pathway Analysis就是把基因、蛋白或者分子放到“Map”到某个特定的经典代谢或者调控网络，或者自己根据你的分子集的作用关系与功能，形成自己的特异的pathway。这对于阐释分子作用机理，找到Biomarker等非常重要。

1. Pathway功能分析及显著性判断

对差异表达基因进行Pathway功能分析，并计算Pvalue进行显著性判断，Pvalue越小，表明该pathway变化越显著，并可对每条Pathway通路图进行展示，同时在相应的位置标注差异表达基因。

2. Pathway中基因相关性分析

根据每两个基因共出现在同一pathway中的次数统计，绘制基因共相关点线图，进而得到不同pathway上基因的关联情况。在分析工具上点击“cell differentiation”，在“Term Information”中描述了细胞分化术语的基本信息，包括树形及与父结点、子节点关系。

对于未知基因名的序列，可以用序列直接检索GO数据库。点击AmiGO首页上方的“BLAST”，进入检索界面。在检索框输入氨基酸或核酸序列或上传序列文件，检索工具能自动识别并相应地选择BLASTP或BLASTX来与数据库中的序列进行比对。以大肠杆菌DNA聚合酶Ⅱ基因polB为例，“High Scoring Gene Products”栏内显示基因产物的名称、物种信息、p值。

扩展：

GO的局限性：

GO不是基因序列或基因产物数据库，它强调基因产物在细胞中的功能。

GO是对基因功能的注释，不能反映此基因的表达情况，即是否在特定细胞中、特定组织中、特定发育阶段或与某种疾病相关。

GO不对生物学的每个方面进行描述，如功能域的结构、进化特性等。

---