DAVID使用方法介绍.docxVIP

DAVID使用方法介绍

包含与研究目的相关的大部分重要的基因（如标识基因）。

基因的数量不能太多或者太少，一般是100至10000这个数量级。

大部分基因可以较好的通过统计筛选，例如，在控制组和对照组样品间选择显著差异表达基因时，使用的t-test标准：foldchanges=2P-values=0.05。

大部分是上下调的基因都涉及到特定的某一生物过程，而不是随机的散布到所有可能的生物过程中。

一个好的基因列表比起随机产生的一个基因列表，应该含有更丰富的生物信息。

在同样的条件下，列表具有高度可重复性。

高通量数据的质量能够被其他独立的实验证实。

以上（2），（3），（6）（7）是来自上游的数据标准，DAVID会自动检查其余的各项要求，即（1），（4）（7）。

基因背景：在一项研究中，如果一个生物过程不正常，那么通过高通量筛选技术，对该过程共同作用的基因有更大的可能性被选为相关的一组。富集分析正是以此为基础。为检测富集的程度，必须选取一个背景来进行对比。基因背景的选取有一个指导原则，就是必须构建一个足够大的，研究者可能涉及的所有基因的集合。用户使用默认的背景文件（默认为该物种的所有基因），或者是上传一个基因列表文件作为基因背景。

DAVID为实现各项功能分析，提供了以下4个分析内容（共6个分析工具）：

（1）GeneNameBatchViewer

这个工具能够实现将基因ID迅速翻译成基因名称，从而给研究者对于基因ID列表一个直观的印象，初步判断基因列表是否符合要求目的。

图1中显示了该工具的分析结果，具体说明图1中标注。

图1GeneNameBatchViewer的分析结果

（2）GeneFunctionalClassification

这个工具是GeneNameBatchViewer工具的延伸。由于基因名称并不能显著体现基因的功能，所以我们需要更加有效的功能分类工具。该工具基于它们共同的注释信息，而不是基因名称，采用全新的模糊聚类算法，能够实现将功能相关的基因聚到一起作为一个单元，在生物学网络水平上去研究这些基因群。对聚类结果打分，分值越高，代表该组内的基因在基因列表中越重要。同时还提供了2-DView，以热图形式展现聚类到同一组的基因和该组内各个Term之间的关系。

结果见图2，将列表中的基因ID作为聚类对象，将功能相关的基因分组显示。图3是以热图形式展示的gene-term关系。

图2GeneFunctionalClassification的分析结果

图32-DView展示gene-term关系

（3）FunctionalAnnotation

该工具是DAVID最核心的分析内容，包含了三个子工具：

FunctionalAnnotationChart

该工具提供gene-term的富集分析。相比于其他富集分析软件而言，DAVID在该功能上最显著的特点是，注释范围的可扩展性：从最初的GO注释，扩展到现在超过40中的注释种类，包括GO注释，KEGG注释，蛋白相互作用，蛋白功能区域，疾病相关，生物代谢通路，序列特点，异构体，基因功能总结，基因在组织里的表达和论文等。用户可以根据需要选择其中的某些或者所有种类的注释信息。

结果中以基因列表中富集的Terms为对象，将信息按照DAVID计算出来的p-value排列，同时链接指向更多的信息，见图4。

图4FunctionalAnnotationChart的分析结果

FunctionalAnnotationClustering

该工具使用类似于GeneFunctionalClassification工具的模糊聚类方法，基于注释共同出现的程度作聚类，对被注释上的Terms做聚类，即Terms被分成多组，并将给出聚类的分值。分值越高，代表该组内的基因在基因列表中越重要。同时还提供了2-DView，以热图形式展现聚类到同一组的基因和该组内各个Term之间的关系。

结果中（见图5），即被注释上的Terms作为聚类对象，用户可以根据聚类的分值找到重要的Terms。

图5FunctionalAnnotationClustering的分析结果

FunctionalAnnotationTable

该工具实现了基因的功能注释，将输入列表中每个基因在选定数据库中的注释以表格形式呈现。结果见图6。.

图6FunctionalAnnotationTable的分析结果

（4）GeneIDConversion

该工具实现不同数据库的基因标识间的转换。包含NCBI,PIR和Uniprot/SwissProt等重要数据库的基因标识信息。

结果如图7所示，左边的表格显示转换的情况，右边表格以列表呈现转换结果，和基因