[数据库] GO注释学习

正在做GO和KEGG，感觉之前理解的不够透彻.. 现在把自己理解的整理一下

理论基础：超几何分布

超几何分布理解：从一个箱子里不放回的取球，取到某种颜色球的概率。

超几何分布记作X~H(n,M,N)

百度：超几何分布

image.png

超几何分布在R中的命令

#100个白球400个红球，取50次，取到10个白球的概率
dhyper(10,100,400,50,log=FALSE)
0.1474
#100个白球400个红球，取50次，取到小于等于10个白球的概率
phyper(10,100,400,50)
0.5851

R中help文档中的描述，做quantile function的时候

Description
Density, distribution function, quantile function and random generation for the hypergeometric distribution.
Usage
dhyper(x, m, n, k, log = FALSE)
phyper(q, m, n, k, lower.tail = TRUE, log.p = FALSE)
qhyper(p, m, n, k, lower.tail = TRUE, log.p = FALSE)
rhyper(nn, m, n, k)

关于GO和富集的一点理解：

1. GO terms是对基因的产物进行描述，而不是基因本身进行描述，因为基因本身的产物有时候不止一种。
2. GO注释（GO annotations）库，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（例如某些基因的产物是什么，是蛋白质，还是非编码RNA，还是大分子等）。

3. GO富集分析主要关注两点：前景基因和背景基因。
   比如，这是goatools的结果：

   
   
   goEnrichment.png

ratio_in_study(110/220) 即前景基因的情况，研究的220个基因(差异基因分析所得或其他)中有110个落在该GO term上;
ratio_in_pop(3167/19230) 即背景基因的情况，该个体中所有的表达基因，即19230个基因，落在该GO term中的基因数为3167;

P值即是这个两个比值的显著性差异，通过超几何分布计算概率所得：即 一个个体内，有3167个基因落在该GO term上，不在该GO term上的基因数为19230-3167个，从中取220个基因，落在该GO的基因数为110个的概率。

富集方法及GO term的查询

1. AmiGO
   官网的样子：
   

   图片.png
   
   这个网站好像也可以做GO TERM 富集

2. DAVID

3. goatools
   命令：

python /.../goatools/scripts/find_enrichment.py    --outfile  --obo /../go-basic_20180701.obo --pval 0.05

说明：

1. fg.genelist和bg.genelist就是研究的前景和背景基因文件，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：

   
   
   图片.png

4.ClusterProfiler
R包，很有名了，随便搜搜都是参考信息啊，简单说一下，就是bitr这个方法转化基因ID，然后用enrichGO和enrichKEGG进行分析就ok了。

既然讲到转化基因ID，那就讲讲基因ID的那些事吧：

TP53.png

HGNC:11998
浅谈entrezID
常用数据库 ID

关于GO term的理解：

namespace：biological_process
namespace在GO中共有三种BP(biological_process)、MF(molecular_function)、CC(cellular_component)

摘自读研笔记：

细胞组成（cellular component，CC）：一般用来描述基因产物的发挥作用的位置，比如一个蛋白可能定位在细胞核中，也可能定位在核糖体中；
生物过程（biological process，BP）：描述的是指基因产物所联系的一个大的生物功能，或者说是它们要完成的一个大的生物目标，例如有丝分裂或嘌呤代谢；
分子功能（Molecular Function，MF）：主要是指基因产物分子所执行的任务，例如一个蛋白质可能一个转录因子或是一个载体蛋白。
在一个GO注释中，例如，一个基因的产物是细胞色素c（cytochrome c），那么这个基因的产物就会被一个分子功能术语（Molecular Function）描述为氧化还原酶活性（oxidoreductase activity ），被生物过程（Biological Process）描述为氧化磷酸化（oxidative phosphorylation），被细胞成分（Cellular Component ）描述为线性体基质（mitochondrial matrix）和线粒体内膜（mitochondrial inner membrane）。

alt_id: GO:0008372 同一个GO term
剩下就是关系'is_a','part_of','regulates'等等

参考资料：

读研笔记:GO分析学习笔记