一文掌握基因功能(GO)和信号通路(Pathway)分析.docxVIP

一文掌握基因功能(GO)和信号通路(Pathway)分析.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一文掌握基因功能( GO )和信号通路( Pathway )分析 今天 C 君来给小伙伴们解读一下 GO 分析和 Pathway 分析结果,并讲解如何通过与差异基因结果结合挑选目标基 因。 以一篇文章为例, 让你分分钟学会这个套路。 (结尾有彩蛋) 文章案例 Identification of a novel biomarker, SEMA5A, for non-small cell lung carcinoma in nonsmoking women  相关 基因:  SEMA5A  相关疾病  :  Carcinoma, Non-Small-Cell  Lung; Lung NeoplasmsPMID: 影响因子  3.622 GEO  相关样本: 120 本文研究的是非吸烟肺癌患者的致癌机制,作者用芯片检测 了台湾地区非吸烟肺癌女性患者  60 对癌症和癌旁肺组织样 本,利用配对  T 检验筛选了肿瘤组织中  687 个差异表达基因。 如何将  687 个差异基因缩小范围呢? 我们需要判断差异基因在肺癌细胞中主要富集在哪些功能 类群和代谢通路。文章作者利用  IPA ( Ingenuity Pathway Analysis  )软件对差异基因进行了功能分析,  筛选出了  16 条 显著性代谢通路。 在最显著的三条通路中,其中两条都和轴突导向信号通路 (axon guidance) 相关,作者很意外,于是选择了轴突导向信 号通路,并在其中挑选了差异表达倍数最高的 SEMA5A 基 因作为后续的研究对象。 归纳一下作者的整体思路,先找差异基因,并通过功能分析 进一步缩小差异基因的范围,再从中有针对性的挑选基因。 在差异基因的功能分析中,主要有 GO 功能分析和 pathway 分析,上面案例作者主要用了 pathway 分析。 名词解释 GOGO 是 Gene ontology 的缩写, GO 数据库分 别从功能、参与的生物途径及细胞中的定位对基因产物进行 了标准化描述,即对基因产物进行了简单注释。 通过 GO 富集分析可以粗略了解差异基因富集在哪些生物学 功能、途径或者细胞定位。 PathwayPathway 指代谢通路, 对差异基因进行 pathway 分 析,可以了解实验条件下显著改变的代谢通路,在机制研究 中显得尤为重要。 GO 分析好比是将基因分门别类放入一个个功能类群,而 pathway 则是将基因一个个具体放到代谢网络中的指定位置。 文章分析结果重现我们来沿着作者的革命道路看看如何筛 选出最后的 SEM5A 基因。 C 君利用上述案例中的数据 GSE19804 在 GCBI 在线实验 室首先进行差异分析( |fold change|gt;2, P 值 lt;0.001gt;lt;gt; 将差异基因分别进行 GO ( P 值lt;gt;lt;gt; 和 pathway 分析( P 值 lt;gt; ,富集得到 351 个 GO term 和 110 条 pathway 。 结果如下图所示,表一和表二分别为部分 GO 富集结果和最 显著的 15 条 pathway 分析结果。 结果怎么看呢? 表头的各个参数解释如下,其中,重点看三个指标, enrichment score 、p 值和 FDR 。 Pathway 分析主要看 P 值和 FDR 值,两者越小越好。 GO 分析还可看 enrichment score ,数值越大表示某个 GO term 越容易受到实验因素的影响。 GO 和 pathway 分析结果中都得到了文章中选定的 axon guidance 这个结果(红框) 。 如何定位到基因呢 ? axon guidance 通路中的所有差异表达基因全部挑选出来, 列表如下。作者在文中挑选了显著性最高的 SEMA5A 作为后续的研究对象。 在此次分析中,当 p 值小于 10^-6 时默认为 0,按照表达倍数排列 SEMA5A 也排在前列,和作者的结果较吻合。 想要进一步了解 GO 和 Pathway 分析结果怎么看, 请观看文章末尾视频,另附差异基因结果解读。 教程: GO 和 pathway 分析目前有许多 GO 和 pathway 分 析软件, GO 分析软件有 Avadis (商业软件)、BiNGO (开 java )、 DAVID (基于 web 的工具)等, pathway 分析有 IPA 和 MetaCore (商业软件)等。 但这些软件学习成本高,且许多都是商业软件。 有没有一种分析方法无门槛,直接上手就可以搞定的呢? GCBI 平台, 伸手党的福音, 生信分析方法直接加载了模块, 你需要做的只是创建

文档评论(0)

5566www + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:6122115144000002

1亿VIP精品文档

相关文档