一直很好奇GO注释文件中的信息是如何得到的,终于在<
GO的原始文件可以分为两部分：ontology和association files.
这部分文件主要是关于GO词条的具体功能信息,以及相关的支撑信息,以GAF或GPAD格式储存.
目前对基因的注释主要有两种手段：人工注释和机器注释.
机器注释主要两大类方法：根据序列进行注释和文本挖掘的方法注释.
①.、根据序列信息进行注释：
annotation transfers from Homologous proteins
annotation transfers from Orthologous proteins
annotation transfers from Protein families
Automatic text categorization
Lexical approaches
k-Nearest neighbors
Properties of Lexical and k-NN categorizers
Inter-annotator agreement
每种方法的具体解释参考<
Ontology 首先是出现于哲学领域的一个词汇,后来广泛用于计算机领域,发挥了很重要的作用,再后来这个概念被引入生物领域.
gene Ontology 是生物中Ontology中一个重要应用.go项目最初是由研究三种模式生物（果蝇、小鼠和酵母）基因组的研究者共同发起.是生物信息分析中很重要的一个方法
go是在生物领域应用非常广,可以帮助生物学家对基因产物进行准确的定义（功能、位置）,节省时间.
因为在最开始的时候,生物学家们更多是专注于自己研究的物种/课题,而且每个生物学家对功能等的定义是存在差异的,导致不同实验室/物种不能实现直接的对接（比如A物种内的x基因的功能使用的是a这个词汇进行注释,而B物种内的x基因的功能却使用的是与a同义的词汇b进行注释,这种情况计算机无法识别）,就像讲两种语言的人,无法直接进行语言交流.这种情况导致的问题是,出现了一种阻碍,让问题复杂化了.所以就有了Ontology在生物领域中的应用,实现"书同文".
go定义了基因/基因产物的功能（通过术语）且定义了它们各自之间功能是怎样联系的（关系）.它组成了一个具有大量term的词汇库,并定义各种term之间的关系（is_a part_of R）.
GO通过三个方面的术语对基因/基因产物的功能进行描述：分子功能(molecular function) -由基因/基因产物行使的分子水平上的功能； 细胞组件(cellular component)-基因/基因产物产生功能时其在细胞结构上的位置；生物学过程(biological process)-在哪个生物学通路/生物过程发挥作用.
目前,GO 注释主要有两种方法：
GO 的图形是一个有向无环图
ID转换用到的是 bitr() 函数,bitr()的使用方法：
org.Hs.eg.db包含有多种gene_name的类型
keytypes() ：keytypes(x),查看注释包中可以使用的类型
columns() ：类似于keytypes(),针对org.Hs.eg.db两个函数返回值一致
select() ：select(x, keys, columns, keytype, ...) eg.
函数enrichGO()进行GO富集分析,enrichGO()的使用方法：
举例：
大致是解释这个基因的功能的.如它所生成的蛋白质的功能,参与了那些代谢调节等方面的解释.
参考
在输出的文件里面可以搜索：
都是 SWI/SNF Related, Matrix Associated, Actin Dependent Regulator Of Chromatin,我是在genecard里面 检查 SMARC发现的
但是大部分文章里面却总是使用它们的别名.
对基因的描述一般从三个层面进行：
这三个层面具体是指：
得到GO注释
做GO分析的思路：
GO富集分析原理：
有一个term注释了100个差异表达基因参与了哪个过程,注释完之后（模式生物都有现成的注释包,不用我们自己注释）,计算相对于背景它是否显著集中在某条通路、某一个细胞学定位、某一种生物学功能.
clusterProfiler是一个功能强大的R包,同时支持GO和KEGG的富集分析,而且可视化功能非常的优秀,本章主要介绍利用这个R包来进行Gene Ontology的富集分析.
①1 准备输入数据
待分析的数据就是一串基因名称了,可以是ensembl id、entrze id或者symbol id等类型都可以.把基因名称以一列的形式排开,放在一个文本文件中（例如命名"gene.txt"）.Excel中查看,就是如下示例这种样式.
加载了注释库之后,读取基因列表文件,并使用clusterProfiler的内部函数enrichGO()即可完成GO富集分析.
读取基因列表文件,并使用clusterProfiler的内部函数enrichKEGG()即可完成KEGG富集分析.
此外,clusterProfiler中也额外提供了一系列的可视化方案用于展示本次富集分析结果,具有极大的便利.
参考：
;utm_medium=timeline
以上就是土嘎嘎小编为大家整理的r语言go人类基因注释相关主题介绍,如果您觉得小编更新的文章只要能对粉丝们有用,就是我们最大的鼓励和动力,不要忘记讲本站分享给您身边的朋友哦！！