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. 攻防世界 | level0

    先反编译 : int __cdecl main(int argc, const char **argv, const char **envp) { write(1, "Hello, Worl ...

  2. sql server查询结果复制出来，没有换行(存进去的数据是换行的)

    https://stackoverflow.com/questions/53115490/how-to-correctly-insert-newline-in-nvarchar The problem ...

  3. Mac定制终端：iTerm2 + zsh + powerline

    原始界面:   配置后的界面:   安装iTerm2 可以直接去官网下载:https://www.iterm2.com/ 下载后直接安装即可 安装主题 所有主题:https://iterm2color ...

  4. python数据类

    前言 之前有写过一篇python元类的笔记,元类主要作用就是在要创建的类中使用参数metaclass=YourMetaclass调用自定义的元类,这样就可以为所有调用了这个元类的类添加相同的属性了. ...

  5. String 与StringBuffer习题

    1: 画出如下几行代码的结构 // 画出如下几行代码的结构 String s1 = "hello"; // value存储在常量池内 String s2 = "hello ...

  6. Convolutional Neural Networks(3):Convolution and Channels

    在CNN(1)和CNN(2)两篇文章中,主要说明的是CNN的基本架构和权值共享(Weight Sharing),本文则重点介绍卷积的部分. 首先,在卷积之前,我们的数据是4D的tensor(width ...

  7. ssh公私钥免密登陆

    简介ssh Secure Shell(简写SSH) 为一项建立在应用层和传输层基础上的安全协议,专门为远程登录会话和其他网络服务提供安全性的协议. SSH安全机制分为两种,一种是基于口令的安全认证,一 ...

  8. 洛谷P2786 英语1（eng1）- 英语作文——map

    给一手链接 https://www.luogu.com.cn/problem/P2786 拿这道题当map模板练练手qwq #include<cstdio> #include<cst ...

  9. Scala操作外部数据

    Scala操作外部数据: 1.操作文件 2.操作XML 3.操作MySQL 读取文件: object FileApp { def main(args: Array[String]): Unit = { ...

  10. #python# 代理过程中遇到的error

    做一下总结 urllib.error.HTTPError: HTTP Error 503: Too many open connections TimeoutError: [WinError 1006 ...