正在做GO和KEGG，感覺(jué)之前理解的不夠透徹.. 現(xiàn)在把自己理解的整理一下

理論基礎(chǔ)：超幾何分布

超幾何分布理解：從一個(gè)箱子里不放回的取球，取到某種顏色球的概率。

超幾何分布記作X~H(n,M,N)

百度：超幾何分布

image.png

超幾何分布在R中的命令

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

R中help文檔中的描述，做quantile function的時(shí)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)

關(guān)于GO和富集的一點(diǎn)理解：

1. GO terms是對(duì)基因的產(chǎn)物進(jìn)行描述，而不是基因本身進(jìn)行描述，因?yàn)榛虮旧淼漠a(chǎn)物有時(shí)候不止一種。
2. GO注釋（GO annotations）庫(kù)，它主要是為GO terms提供注釋，也就是描述這個(gè)GO terms有什么功能（例如某些基因的產(chǎn)物是什么，是蛋白質(zhì)，還是非編碼RNA，還是大分子等）。

3. GO富集分析主要關(guān)注兩點(diǎn)：前景基因和背景基因。
   比如，這是goatools的結(jié)果：

   
   
   goEnrichment.png

ratio_in_study(110/220) 即前景基因的情況，研究的220個(gè)基因(差異基因分析所得或其他)中有110個(gè)落在該GO term上;
ratio_in_pop(3167/19230) 即背景基因的情況，該個(gè)體中所有的表達(dá)基因，即19230個(gè)基因，落在該GO term中的基因數(shù)為3167;

P值即是這個(gè)兩個(gè)比值的顯著性差異，通過(guò)超幾何分布計(jì)算概率所得：即 一個(gè)個(gè)體內(nèi)，有3167個(gè)基因落在該GO term上，不在該GO term上的基因數(shù)為19230-3167個(gè)，從中取220個(gè)基因，落在該GO的基因數(shù)為110個(gè)的概率。

富集方法及GO term的查詢

1. AmiGO
   官網(wǎng)的樣子：
   

   圖片.png
   
   這個(gè)網(wǎng)站好像也可以做GO TERM 富集

2. DAVID

3. goatools
   命令：

python /.../goatools/scripts/find_enrichment.py <fg.genelist> <bg.genelist> <association_file> --outfile <outfile> --obo /../go-basic_20180701.obo --pval 0.05

說(shuō)明：

1. fg.genelist和bg.genelist就是研究的前景和背景基因文件，每行一個(gè)基因名
2. association文件即每個(gè)基因?qū)?yīng)的GO號(hào)，兩列，第一列為基因名第二列為GO號(hào)

3. obo: 官網(wǎng)下載的GO信息文件，大概情況如下：

   
   
   圖片.png

4.ClusterProfiler
R包，很有名了，隨便搜搜都是參考信息啊，簡(jiǎn)單說(shuō)一下，就是bitr這個(gè)方法轉(zhuǎn)化基因ID，然后用enrichGO和enrichKEGG進(jìn)行分析就ok了。
簡(jiǎn)書(shū)

既然講到轉(zhuǎn)化基因ID，那就講講基因ID的那些事吧：

TP53.png

關(guān)于GO term的理解：

namespace：biological_process
namespace在GO中共有三種BP(biological_process)、MF(molecular_function)、CC(cellular_component)

摘自讀研筆記：

細(xì)胞組成（cellular component，CC）：一般用來(lái)描述基因產(chǎn)物的發(fā)揮作用的位置，比如一個(gè)蛋白可能定位在細(xì)胞核中，也可能定位在核糖體中；
生物過(guò)程（biological process，BP）：描述的是指基因產(chǎn)物所聯(lián)系的一個(gè)大的生物功能，或者說(shuō)是它們要完成的一個(gè)大的生物目標(biāo)，例如有絲分裂或嘌呤代謝；
分子功能（Molecular Function，MF）：主要是指基因產(chǎn)物分子所執(zhí)行的任務(wù)，例如一個(gè)蛋白質(zhì)可能一個(gè)轉(zhuǎn)錄因子或是一個(gè)載體蛋白。
在一個(gè)GO注釋中，例如，一個(gè)基因的產(chǎn)物是細(xì)胞色素c（cytochrome c），那么這個(gè)基因的產(chǎn)物就會(huì)被一個(gè)分子功能術(shù)語(yǔ)（Molecular Function）描述為氧化還原酶活性（oxidoreductase activity ），被生物過(guò)程（Biological Process）描述為氧化磷酸化（oxidative phosphorylation），被細(xì)胞成分（Cellular Component ）描述為線性體基質(zhì)（mitochondrial matrix）和線粒體內(nèi)膜（mitochondrial inner membrane）。

alt_id: GO:0008372 同一個(gè)GO term
剩下就是關(guān)系'is_a','part_of','regulates'等等

參考資料：

讀研筆記:GO分析學(xué)習(xí)筆記