go基因注释与功能分类.pptVIP

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（dir