Gene Ontology (GO) 注释

 Posted on 2017-06-11 |  In 生信

相似的基因在不同物种中，其功能往往保守的。显然，需要一个统一的术语用于描述这些跨物种的同源基因及其基因产物的功能，否则，不同的实验室对相同的基因的功能的描述不同，将极大限制学术的交流。而 Gene Ontology (GO) 项目正是为了能够使对各种数据库中基因获基因产物功能描述相一致的努力结果。

所谓的 GO，是生物学功能注释的一个标准词汇表术语（GO term），将基因的功能分为三部分：

  • 基因执行的分子功能（Molecular Function）
  • 基因所处的细胞组分（Cellular Component）
  • 基因参与的生物学过程（Biological Process）

不同的 GO term 通过有向无环图关联起来，如下图所示：

可以看出，不同的 GO term 间的关系由三类：is_a、part_of 和 regulates。

如 regulation of cell projection assembly 是一种生物学过程，是 regulation of cell projection organization 中的一类（is_a），还调节（regulates）cell projection assembly；又如 cellular component assembly 是 celluar component biogenesis的一部分（part_of）。值得注意的是，这些关系都是有方向的，即反过来不成了，因而叫做有向无环图。

目前，GO 注释主要有两种方法：

  • （1）序列相似性比对（BLAST）
  • （2）结构域相似性比对（InterProScan）

这里以序列相似性比对为例，简单介绍 GO 注释的步骤：

  • 将基因序列与 swiss-prot 蛋白质数据库进行 BLAST （blastp 或者 blastx）比对，得到如下结果：

    c49_g1_i1 RNF13_MOUSE 52.00 50 23 1 17 166 240 288 2e-11 65.5
    c72_g1_i1 RS25_NEUCR 78.72 94 20 0 375 94 1 94 1e-32 116
    c75_g1_i1 POLX_TOBAC 45.28 53 29 0 162 4 457 509 1e-08 55.1
    c86_g2_i1 POLX_TOBAC 46.43 112 60 0 339 4 879 990 2e-30 120
    c91_g1_i1 BUB1_ARATH 55.71 70 28 2 61 264 289 357 1e-14 73.6
    c143_g1_i1 STL1_YEAST 31.98 172 85 4 6 518 407 547 6e-17 82.8
    c150_g1_i1 CST26_YEAST 37.63 93 38 3 223 5 142 234 6e-10 58.2
    c150_g2_i1 YHOE_SCHPO 42.67 75 41 1 227 3 54 126 5e-16 74.7
    c156_g2_i1 EXOL2_ARATH 47.17 53 28 0 299 141 229 281 6e-06 47.0
    c169_g1_i1 SPT5_ASPFU 60.98 82 31 1 20 262 725 806 2e-18 84.0

    其中，第二列 swiss-prot 蛋白质数据库序列的 ID（UniProtKB ID）。

  • 从 ftp://ftp.pir.georgetown.edu/databases/idmapping 下载 idmapping.tb.gz，该文件共有 22 列（tab 键分割）：

    Q6GZX4 001R_FRG3G 2947773 YP_031579.1 81941549; 49237298 PF04947 GO:0006355; GO:0046782; GO:0006351 UniRef100_Q6GZX4 UniRef90_Q6GZX4 UniRef50_Q6GZX4 UPI00003B0FD4 654924 15165820 AY548484 AAT09660.1

    每一列的含义分别为 （可以看出，许多数据库已经和GO关联了）：

    1. UniProtKB accession
    2. UniProtKB ID
    3. EntrezGene
    4. RefSeq
    5. NCBI GI number
    6. PDB
    7. Pfam
    8. GO
    9. PIRSF
    10. IPI
    11. UniRef100
    12. UniRef90
    13. UniRef50
    14. UniParc
    15. PIR-PSD accession
    16. NCBI taxonomy
    17. MIM
    18. UniGene
    19. Ensembl
    20. PubMed ID
    21. EMBL/GenBank/DDBJ
    22. EMBL protein_id

  • 根据文件 idmapping.tb.gz，将 blast 的结果，通过 UniProtKB ID，将第八列的 GO 号注释到对应的基因上。

    python UniProt2GO_annotate.py idmapping.tb.gz blastout outputfile

    结果如下：

    c93619_g2_i1 GO:0005506,GO:0016705,GO:0016021,GO:0004497,GO:0020037
    c93619_g2_i3 GO:0009733,GO:0020037,GO:0044550,GO:0016021,GO:0016020,GO:0016711,GO:0009813,GO:0005789,GO:0005506
    c70056_g1_i1 GO:0005737,GO:0019722,GO:0071889,GO:0005829,GO:0001077,GO:0006357,GO:0097720,GO:0000978,GO:0046872,GO:0005634,GO:0006874
    c93748_g1_i1 GO:0006729,GO:0008124
    c107639_g1_i1 GO:0009737,GO:0009738,GO:0005623,GO:0006970,GO:0009651,GO:0045454,GO:0009789
    c106424_g1_i1 GO:0043565,GO:0009555,GO:0003700,GO:0005634,GO:0009793,GO:0006351
    c66585_g1_i1 GO:0005737,GO:0003746,GO:0003924,GO:0005525
    c110618_g1_i8 GO:0015297,GO:0016021,GO:0015238
    c105249_g1_i5 GO:0046872,GO:0043161,GO:0005829,GO:0006915,GO:0032648,GO:0050691,GO:0005654,GO:0070936,GO:0061630,GO:0005634
    c134727_g1_i1 GO:0072546,GO:0030246,GO:0005783

拓展阅读：

Gene Ontology (GO) 注释的更多相关文章

  1. KEGG and Gene Ontology Mapping in Bioinformatic Method

    使用KOBAS进行KEGG pathway和Gene Ontology分析 Article from Blog of Alfred-Feng http://blog.sina.com.cn/u/170 ...

  2. gene Ontology （基因本体论）

    gene ontology为了查找某个研究领域的相关信息,生物学家往往要花费大量的时间,更糟糕的是,不同的生物学数据库可能会使用不同的术语,好比是一些方言一样,这让信息查找更加麻烦,尤其是使得机器查找 ...

  3. GO | KEGG的注释是怎么来的？

    但凡是做过基因表达数据分析的(芯片.RNA-seq,scRNA-seq),肯定是跑过基因集功能注释和通路富集的,因为它是研究未知基因集的利器. 但跑过之后老板肯定会给反馈,通常得到的注释都是没有太多意 ...

  4. GO注释

    1.GO资源简介 由于生物系统的惊人复杂性和需要分析的数据集的不断增加,生物医学研究越来越依赖于以可计算的形式存储的知识.基因本体论(GO)项目为基因功能和基因产物的可计算知识提供了目前最全面的资源. ...

  5. 蛋白序列GO号注释及问题

    #===============================      版本1  ===============================================InterProSc ...

  6. GO 功能注释

    文章转载于 Original 2017-06-12 liuhui 生信百科 相似的基因在不同物种中,其功能往往保守的.显然,需要一个统一的术语用于描述这些跨物种的同源基因及其基因产物的功能,否则,不同 ...

  7. 转： Annovar 软件注释流程介绍

    第一步:下载Annovar 上Annovar官网下载(http://annovar.openbioinformatics.org/en/latest/user-guide/download/),现在要 ...

  8. Ontology Relations

    Overview The following page documents the relations used in the filtered GO ontology. For informatio ...

  9. 基因探针富集分析（GSEA）& GO & pathway

    http://blog.sina.com.cn/s/blog_4c1f21000100utyx.html GO是Gene Ontology的简称,是生物学家为了衡量基因的功能而而发起的一个项目,从分子 ...

随机推荐

  1. 关闭本机的代理服务（Proxy）

    若您使用了代理服务(Proxy),可能会导致战网游戏发生网络连接.安装或更新方面的问题.请参考以下步骤来关闭您电脑的网络代理服务. Windows 按下 Windows 按鍵 + R . 在运行框中, ...

  2. div 上禁止复制的css实现方法

    div { -webkit-touch-callout: none; -webkit-user-select: none; -khtml-user-select: none; -moz-user-se ...

  3. React Hook：使用 useEffect

    React Hook:使用 useEffect 一.描述 二.需要清理的副作用 1.在 class 组件中 2.使用 effect Hook 的示例 1.useEffect 做了什么? 2.为什么在组 ...

  4. 音悦台 api分析

    用户订阅MV更新 http://uapi.yinyuetai.com/i/flw/subscribe-video-list?page=1&pageSize=200&uid=XXXXXX ...

  5. java 将MySql数据库中的数据(某一列)取出放入数组中 转

    转:http://blog.csdn.net/ewili/article/details/8605638 假设mysql中test数据库中有个表式score,有数据,我只取第一列的数据出来: publ ...

  6. 126、TensorFlow Session的执行

    # tf.Session.run 方法是一个执行tf.Operation或者计算tf.Tensor的一个主要的机制 # 你可以传递一个或者多个tf.Operation或者tf.Tensor对象来给tf ...

  7. 死锁（Deadlock）

    死锁:是指是指两个或两个以上的进程在执行过程中,因争夺资源而造成的一种互相等待的现象,若无外力作用,它们都将无法推进下去.此时称系统处于死锁状态或系统产生了死锁,这些永远在互相等待的进程称为死锁进程. ...

  8. koa2 源码解读 application

    koa2的源码比较简单,重点解读aplication, 其中context源码比较简单,主要是一些error cookies等,重点可以关注下delegate,delegate模块中,主要通过prot ...

  9. JS中$含义及用法

    $在JS中本身只是一个符号而异,在JS里什么也不是.但在JS应用库JQUERY的作者将之做为一个自定义函数名了,这个函数是获取指定网页元素的函数,使用非常之频繁,所以好多新手不知道,还以为$是JS的什 ...

  10. 运用php函数mkdir创建多级目录

    php默认的mkdir一次只能创建一层目录,如果在当前目录下创建一个div/css/layout 的目录就需要逐层逐层的先创建div,再创建div/css 再创建 div/css/layout,然而我 ...