基因注釋與功能分類

1精選ppt第七章

基因注釋與功能分類生物信息學(xué)第一節(jié)引言3精選ppt背景隨著后基因組（post-genomics）時(shí)代研究的不斷深入，基因組學(xué)的研究任務(wù)已由最開始的基因組序列識(shí)別，漸漸轉(zhuǎn)移到在整體分子水平對(duì)功能進(jìn)行研究。一個(gè)重要標(biāo)志是功能基因組學(xué)（functionalgenomics）的不斷發(fā)展。4精選ppt任務(wù)功能基因組學(xué)的主要任務(wù)之一是進(jìn)行基因組功能注釋（genomeannotation），了解基因的功能，認(rèn)識(shí)基因與疾病的關(guān)系，掌握基因的產(chǎn)物及其在生命活動(dòng)中的作用等。5精選ppt意義快速有效的基因注釋對(duì)進(jìn)一步識(shí)別基因，研究基因的表達(dá)調(diào)控機(jī)制，研究基因在生物體代謝途徑中的地位，分析基因、基因產(chǎn)物之間的相互作用關(guān)系，預(yù)測(cè)和發(fā)現(xiàn)蛋白質(zhì)功能，揭示生命的起源和進(jìn)化等具有重要的意義。6精選ppt第二節(jié)

基因注釋數(shù)據(jù)庫(kù)GeneAnnotationDatabase7精選ppt一、研究人員已經(jīng)掌握了大量的全基因組數(shù)據(jù)，同時(shí)關(guān)于基因、基因產(chǎn)物以及生物學(xué)通路的數(shù)據(jù)也越來越多，解釋生物學(xué)實(shí)驗(yàn)的結(jié)果，尤其從基因組角度，需要系統(tǒng)的方法。二、在基因組范圍內(nèi)描述蛋白質(zhì)功能十分復(fù)雜，最好的工具就是計(jì)算機(jī)程序，提供結(jié)構(gòu)化的標(biāo)準(zhǔn)的生物學(xué)模型，以便計(jì)算機(jī)程序進(jìn)行分析，成為從整體水平系統(tǒng)研究基因及其產(chǎn)物的一項(xiàng)基本需求。

基因注釋數(shù)據(jù)庫(kù)產(chǎn)生的原因

8精選ppt一、基因本體（geneontology,GO）數(shù)據(jù)庫(kù)基因本體數(shù)據(jù)庫(kù)是GO組織（GeneOntologyConsortium）在2000年構(gòu)建的一個(gè)結(jié)構(gòu)化的標(biāo)準(zhǔn)生物學(xué)模型，旨在建立基因及其產(chǎn)物知識(shí)的標(biāo)準(zhǔn)詞匯體系，涵蓋了基因的細(xì)胞組分（cellularcomponent）、分子功能（molecularfunction）、生物學(xué)過程（biologicalprocess）。9精選pptGO數(shù)據(jù)庫(kù)主頁10精選pptGO數(shù)據(jù)庫(kù)最初收錄的基因信息來源于3個(gè)模式生物數(shù)據(jù)庫(kù)：果蠅、酵母和小鼠，隨后相繼收錄了更多數(shù)據(jù)，其中包括國(guó)際上主要的植物，動(dòng)物和微生物基因組數(shù)據(jù)庫(kù)。GO術(shù)語在多個(gè)合作數(shù)據(jù)庫(kù)中的統(tǒng)一使用，促進(jìn)了各類數(shù)據(jù)庫(kù)對(duì)基因描述的一致性。

GO數(shù)據(jù)庫(kù)收錄的基因組數(shù)據(jù)列表

11精選pptGO數(shù)據(jù)庫(kù)收錄的基因組數(shù)據(jù)列表12精選pptGO注釋體系特點(diǎn)GO通過控制注釋詞匯的層次結(jié)構(gòu)使得研究人員能夠從不同層面查詢和使用基因注釋信息。從整體上來看GO注釋系統(tǒng)是一個(gè)有向無環(huán)圖（directedacyclicgraphs）,包含三個(gè)分支,即:生物學(xué)過程（biologicalprocess），分子功能（molecularfunction）和細(xì)胞組分（cellularcomponent）。注釋系統(tǒng)中每一個(gè)結(jié)點(diǎn)（node）都是基因或蛋白的一種描述,結(jié)點(diǎn)之間保持嚴(yán)格的關(guān)系,即“isa”或“partof”。13精選pptGO中生物學(xué)過程的DNA代謝部分功能類示意圖14精選ppt1.用關(guān)鍵詞檢索GO數(shù)據(jù)庫(kù)檢索GO數(shù)據(jù)庫(kù)通常先進(jìn)入AmiGO2.0的首頁。在GO數(shù)據(jù)庫(kù)中，每條記錄都有一個(gè)數(shù)據(jù)標(biāo)識(shí)號(hào)GO:XXXXXX和對(duì)應(yīng)的術(shù)語。因此檢索時(shí)需要知道待查基因的數(shù)字標(biāo)識(shí)號(hào)或術(shù)語，將它們直接輸入框中檢索即可。如果檢索的基因或蛋白質(zhì)存在別名，可在檢索框下勾選“geneorproteins”,并在檢索框中輸入別名檢索；“exactmatch”表示是否完全匹配，可供選擇。二、使用GO數(shù)據(jù)庫(kù)

15精選pptAmiGO2檢索網(wǎng)頁16精選ppt這里以檢索神經(jīng)細(xì)胞分化因子6（NEUROD6）為例，選擇“AdvancedSearch”下的“Genesandgeneproducts”選項(xiàng)，在檢索框中輸入“NEUROD6”，運(yùn)行后所得基因產(chǎn)物檢索結(jié)果如圖所示。舉例

17精選pptAmiGO2檢索結(jié)果示例18精選ppt檢索得到的六個(gè)記錄分別是不同物種中的神經(jīng)源性分化因子6，點(diǎn)擊物種為人類“Homosapiens”的“NEUROD6”記錄，得到結(jié)果如圖所示，顯示了該基因的基本信息，包括類型、物種、名稱來源等信息。

19精選pptAmiGO2基因描述示例120精選ppt檢索下方還顯示了該基因產(chǎn)物的關(guān)聯(lián)（geneproductassociations）圖，要查看該基因的分子功能，可點(diǎn)擊“directannotation”中的記錄查看，如點(diǎn)擊“proteindimerizationactivity”的結(jié)果如圖所示。21精選ppt22精選ppt此外，還列舉了該功能的詳細(xì)注釋，包括“Associations”、“GraphViews”、“InferredTreeView”、“AncestorsandChildren”和“Mappings”等。如點(diǎn)擊可視化視圖“GraphViews”就可清晰地顯示該分子功能構(gòu)成的復(fù)雜功能網(wǎng)狀結(jié)構(gòu)，既有上下隸屬關(guān)系，也存在平行關(guān)系。23精選pptAmiGO2查詢結(jié)果圖形視圖24精選ppt2.用序列檢索GO數(shù)據(jù)庫(kù)在AmiGO1.8

版本中，對(duì)于未知基因名的序列，還可以用序列直接檢索GO數(shù)據(jù)庫(kù)。點(diǎn)擊AmiGO1.8首頁上方的“BLAST”。界面風(fēng)格類似于其他數(shù)據(jù)庫(kù)BLAST搜索的網(wǎng)頁，在檢索框中輸入氨基酸或核酸序列，網(wǎng)頁能自動(dòng)識(shí)別并相應(yīng)地做BLASTP或BLASTX和數(shù)據(jù)庫(kù)中的序列比對(duì)。這里以檢索RPIA基因的序列為例，如圖所示。25精選pptAmiGO1.8BLAST序列檢索網(wǎng)頁

26精選ppt1.簡(jiǎn)介京都基因與基因組百科全書（Kyotoencyclopediaofgenesandgenomes,KEGG）

是系統(tǒng)分析基因功能、基因組信息的數(shù)據(jù)庫(kù)，它整合了基因組學(xué)、生物化學(xué)以及系統(tǒng)功能組學(xué)的信息，有助于研究者把基因及表達(dá)信息作為一個(gè)整體網(wǎng)絡(luò)進(jìn)行研究。三、京都基因與基因組百科全書27精選pptKEGG提供的整合代謝途徑查詢十分出色，包括碳水化合物、核苷酸、氨基酸等代謝及有機(jī)物的生物降解，不僅提供了所有可能的代謝途徑，還對(duì)催化各步反應(yīng)的酶進(jìn)行了全面的注解，包含其氨基酸序列、到PDB數(shù)據(jù)庫(kù)的鏈接等。此外，KEGG還提供基于Java的圖形工具訪問基因組圖譜、比較基因組圖譜和操作表達(dá)圖譜，以及其他序列比較、圖形比較和通路計(jì)算的工具。因此，KEGG數(shù)據(jù)庫(kù)是進(jìn)行生物體內(nèi)代謝分析、代謝網(wǎng)絡(luò)分析等研究的強(qiáng)有力工具之一。28精選pptKEGG目前共包含了19個(gè)子數(shù)據(jù)庫(kù)，它們被分類成系統(tǒng)信息、基因組信息和化學(xué)信息三個(gè)類別。KEGG存儲(chǔ)內(nèi)容

29精選ppt基因組信息存儲(chǔ)在GENES數(shù)據(jù)庫(kù)里，包括全部完整的基因組序列和部分測(cè)序的基因組序列，并伴有實(shí)時(shí)更新的基因相關(guān)功能的注釋。

KEGG中化學(xué)信息的6個(gè)數(shù)據(jù)庫(kù)被稱為KEGGLIGAND數(shù)據(jù)庫(kù)，包含化學(xué)物質(zhì)、酶分子、酶化反應(yīng)等信息。KEGGBRITE數(shù)據(jù)庫(kù)是一個(gè)包含多個(gè)生物學(xué)對(duì)象的基于功能進(jìn)行等級(jí)劃分的本體論數(shù)據(jù)庫(kù)，它包括分子、細(xì)胞、物種、疾病、藥物、以及它們之間的關(guān)系。30精選ppt一些小的通路模塊被存儲(chǔ)在MODULE數(shù)據(jù)庫(kù)中，該數(shù)據(jù)庫(kù)還存儲(chǔ)了其他的一些相關(guān)功能的模塊以及化合物信息。KEGGDRUG數(shù)據(jù)庫(kù)存儲(chǔ)了目前在日本所有非處方藥和美國(guó)的大部分處方藥品。KEGGDISEASE是一個(gè)存儲(chǔ)疾病基因、通路、藥物、以及疾病診斷標(biāo)記等信息的新型數(shù)據(jù)庫(kù)。31精選pptKEGG通常被看作是生物系統(tǒng)的計(jì)算機(jī)表示，它囊括了生物系統(tǒng)中的各個(gè)對(duì)象與對(duì)象之間的關(guān)系。在分子層面、細(xì)胞層面、組織層面都可以對(duì)數(shù)據(jù)庫(kù)進(jìn)行檢索。每個(gè)數(shù)據(jù)庫(kù)中的檢索條目按照一定規(guī)律被賦予一個(gè)檢索號(hào)，也就是ID。表中列出了KEGG的13個(gè)核心數(shù)據(jù)庫(kù)的檢索號(hào)。KEGG數(shù)據(jù)庫(kù)的注釋與檢索

32精選pptKEGG的13個(gè)核心數(shù)據(jù)庫(kù)的檢索號(hào)33精選ppt另外一種化學(xué)注釋的方法是以小分子化學(xué)結(jié)構(gòu)的生物學(xué)意義為特征來實(shí)現(xiàn)的。在KEGG數(shù)據(jù)庫(kù)中，酶與酶之間的反應(yīng)信息以及相關(guān)的化學(xué)結(jié)構(gòu)信息分別存儲(chǔ)在KEGGREACTION數(shù)據(jù)庫(kù)和KEGGREPAIR數(shù)據(jù)庫(kù)中。每個(gè)化合物的化學(xué)結(jié)構(gòu)都被轉(zhuǎn)化為RDM（atomtypechangesatR:reactioncenterD:differenceatomM:matchedatom）模式。34精選pptKEGG數(shù)據(jù)庫(kù)存儲(chǔ)的RDM模式35精選ppt下面以人類編碼葡萄糖磷酸變位酶的基因“PGM1”為例：首先進(jìn)入KEGG首頁，在首頁頂端的輸入框中輸入人類葡萄糖磷酸變位酶基因名稱“PGM1”KEGG數(shù)據(jù)庫(kù)的注釋與檢索

36精選pptKEGG查詢首頁37精選ppt點(diǎn)擊搜索按鈕“GO”進(jìn)入查詢結(jié)果頁面，該頁面會(huì)列出針對(duì)基因“PGM1”在KEGG數(shù)據(jù)庫(kù)中的搜索結(jié)果，除人類外，包含“PGM1”基因的物種條目也會(huì)被列出。38精選ppt查詢結(jié)果39精選ppt其中排在第一位的是人類基因“PGM1”的相關(guān)信息，點(diǎn)擊該條目進(jìn)入到詳細(xì)信息頁面。該頁面以表格的形式列出了該基因有關(guān)的詳細(xì)信息，包括基因編號(hào)，基因的詳細(xì)定義，所編碼的酶的編號(hào)，基因所在通路，以及序列的編碼信息。同時(shí)，在頁面的右側(cè)還提供了該基因在其他分子生物學(xué)數(shù)據(jù)庫(kù)的鏈接，如OMIM、NCBI、GenBank等。40精選ppt詳細(xì)信息頁面41精選ppt通過點(diǎn)擊相應(yīng)的鏈接，我們可以進(jìn)入該基因相應(yīng)信息的頁面。在pathway這一欄中列出了該基因所在的生物學(xué)通路，點(diǎn)擊編號(hào)為hsa00010（糖酵解/糖異生通路）的通路，進(jìn)入到該通路的相應(yīng)頁面。該編號(hào)為hsa00010的通路頁面以簡(jiǎn)單的幾何圖形顯示出了糖酵解/糖異生相關(guān)生物過程。圖中紅色的方框即為基因“PGM1”所編碼的酶，以此就可以通過該酶所在位置以及通路的拓?fù)浣Y(jié)構(gòu)來綜合分析基因。42精選ppt通路圖43精選ppt此外，可以通過頁面頂部的下拉列表框來選擇該通路在其他物種中的信息，也可以通過該列表框的選擇來查看相關(guān)的基因、酶、反應(yīng)、化合物等相關(guān)通路信息。44精選pptKEGGPATHWAY還存儲(chǔ)了一些人類疾病通路數(shù)據(jù)，這些疾病通路被分為六個(gè)子類：癌癥、免疫系統(tǒng)疾病、神經(jīng)退行性疾病、循環(huán)系統(tǒng)疾病、代謝障礙、傳染病循環(huán)系統(tǒng)疾病。KEGG數(shù)據(jù)庫(kù)的改進(jìn)與更新

45精選pptKEGGDRUG數(shù)據(jù)庫(kù)也在不斷地完善，其中的藥物數(shù)據(jù)幾乎涵蓋了日本的所有非處方藥和美國(guó)的大部分處方藥品。DRUG是一個(gè)以存儲(chǔ)結(jié)構(gòu)為基礎(chǔ)的數(shù)據(jù)庫(kù)，每條記錄都包含唯一的化學(xué)結(jié)構(gòu)以及該藥物的標(biāo)準(zhǔn)名稱，以及藥物的藥效、靶點(diǎn)信息、類別信息等。46精選ppt藥物的靶點(diǎn)通過KEGGPATHWAY查詢，藥物的分類信息是KEGGBRITE數(shù)據(jù)庫(kù)的一部分，通過藥物的標(biāo)準(zhǔn)名稱可以找到該藥物的商品名，還可以找到藥物銷售的標(biāo)簽信息。此外，DRUG還包括一些天然的藥物和中藥的信息，有些藥物被日本藥典所收錄。47精選ppt為了滿足日益增長(zhǎng)的科學(xué)研究需求，KEGG數(shù)據(jù)庫(kù)在最近幾年里不斷擴(kuò)充，新增加的50多個(gè)通路使KEGGPATHWAY數(shù)據(jù)庫(kù)更加完善。這50多個(gè)新增加的通路包括信號(hào)傳導(dǎo)通路、細(xì)胞生物過程通路和人類疾病通路等。48精選pptKEGG對(duì)通路數(shù)據(jù)新增了兩個(gè)補(bǔ)充內(nèi)容：第一個(gè)補(bǔ)充是一張全局通路圖，這張全局通路圖是通過手工拼接KEGG的120多個(gè)現(xiàn)存通路圖生成的，存儲(chǔ)為SVG文件。另一個(gè)補(bǔ)充內(nèi)容是KEGGMODULE數(shù)據(jù)庫(kù)，這是一個(gè)收集了通路模塊以及其他一些功能單元的新型數(shù)據(jù)庫(kù)，功能模塊是在KEGG子通路中被定義為一些小的片段，通常包括幾個(gè)連續(xù)的反應(yīng)步驟、操縱子、調(diào)控單元，以及通過基因組比對(duì)得到的系統(tǒng)發(fā)生單元和分子的復(fù)合物等。49精選ppt第三節(jié)

基因集功能富集分析GeneSetEnrichmentAnalysis50精選ppt一組基因直接注釋的結(jié)果是得到大量的功能結(jié)點(diǎn)。這些功能具有概念上的交疊現(xiàn)象，導(dǎo)致分析結(jié)果冗余，不利于進(jìn)一步的精細(xì)分析，所以研究人員希望對(duì)得到的功能結(jié)點(diǎn)加以過濾和篩選，以便獲得更有意義的功能信息。進(jìn)行基因集功能富集分析的原因51精選ppt富集分析方法通常是分析一組基因在某個(gè)功能結(jié)點(diǎn)上是否過出現(xiàn)（over-presentation）。這個(gè)原理可以由單個(gè)基因的注釋分析發(fā)展到大基因集合的成組分析。由于分析的結(jié)論是基于一組相關(guān)的基因，而不是根據(jù)單個(gè)基因，所以富集分析方法增加了研究的可靠性，同時(shí)也能夠識(shí)別出與生物現(xiàn)象最相關(guān)的生物過程。一、富集分析算法

52精選ppt富集分析中常用的統(tǒng)計(jì)方法有累計(jì)超幾何分布、Fisher精確檢驗(yàn)等。累計(jì)超幾何分布：53精選pptFisher精確檢驗(yàn)：54精選ppt基于不同的算法原理，可以將目前的常用富集分析工具分為三類：?jiǎn)我桓患治觯╯ingularenrichmentanalysis），基因集富集分析（genesetenrichmentanalysis），模塊富集分析（modularenrichmentanalysis）。二、常用富集分析軟件

55精選ppt56精選ppt這里以目前應(yīng)用較為廣泛的DAVID為例對(duì)基因集進(jìn)行具體分析。DAVID是一個(gè)綜合工具，不但提供基因富集分析，還提供基因間ID的轉(zhuǎn)換、基因功能的分類等。三、富集應(yīng)用分析實(shí)例

57精選pptDAVID應(yīng)用工具首頁58精選ppt點(diǎn)擊“FunctionalAnnotation”后，第一步為提交基因集，選擇基因標(biāo)識(shí)名和基因集類型；第二步得到注釋結(jié)果摘要，包括多種注釋數(shù)據(jù)；然后選擇感興趣的注釋內(nèi)容得到富集分析結(jié)果。59精選pptDAVID富集分析注釋結(jié)果摘要60精選ppt這里以KEGG通路的富集分析為例。提交之后的結(jié)果如圖，可以看到，對(duì)提交的基因集做富集分析，找到5個(gè)具有顯著性的通路。這里的“P-Value”是通過Fisher精確檢驗(yàn)得到的P值，“Benjamini”指的是本杰明假陽性率校正方法。61精選pptDAVID在KEGG上富集結(jié)果實(shí)例62精選ppt第四節(jié)

基因功能預(yù)測(cè)GeneFunctionPrediction63精選ppt近來已經(jīng)發(fā)展了很多基于GO數(shù)據(jù)庫(kù)或KEGG數(shù)據(jù)庫(kù)的方法，利用高通量的基因表達(dá)和蛋白質(zhì)互作數(shù)據(jù)進(jìn)行功能預(yù)測(cè)，其中一些新開發(fā)的方法試圖整合多種數(shù)據(jù)類型，通過構(gòu)建功能相關(guān)網(wǎng)絡(luò)的方式預(yù)測(cè)基因功能?；蚬δ茴A(yù)測(cè)算法64精選ppt首先，從總體上宏觀地概括抽取信息，如不同樣本間、不同時(shí)間點(diǎn)間全部差異基因；其次，通過GO或KEGG分析，即從GO分類結(jié)果找到實(shí)驗(yàn)涉及的顯著功能類別或?qū)⒉町惢蛴成涞酵分校鶕?jù)基因在通路中的位置及表達(dá)水平的變化算出受影響顯著的通路，從而預(yù)測(cè)未知的基因功能等。當(dāng)前基于GO或KEGG的基因功能預(yù)測(cè)策略65精選ppt整合蛋白質(zhì)互作數(shù)據(jù)、表達(dá)譜和序列數(shù)據(jù)的功能預(yù)測(cè)66精選ppt1.對(duì)差異表達(dá)基因進(jìn)行功能預(yù)測(cè)在基因芯片的數(shù)據(jù)分析中，研究者可以找出哪些差異表達(dá)基因?qū)儆谝粋€(gè)共同的GO功能分支，并用統(tǒng)計(jì)學(xué)方法檢驗(yàn)結(jié)果是否具有統(tǒng)計(jì)學(xué)意義，從而得出差異表達(dá)基因主要參與了哪些生物功能。一、基于GO的基因功能預(yù)測(cè)67精選ppt2.蛋白質(zhì)互作網(wǎng)絡(luò)用于基因功能預(yù)測(cè)目前，利用相互作用網(wǎng)絡(luò)進(jìn)行功能注釋主要有兩種方法，即直接注釋方法（directannotationschemes）和基于模塊的方法（moduleassistedschemes）。68精選ppt3.利用GO體系結(jié)構(gòu)比較基因功能通常認(rèn)為如果兩個(gè)基因產(chǎn)物的功能相似，那么它們的表達(dá)也就相近，同時(shí)它們?cè)贕O中注解的結(jié)點(diǎn)就相似，所以只要能找出GO中結(jié)點(diǎn)對(duì)的相似度，就可以近似估計(jì)兩基因表達(dá)的相似度，從而判斷兩基因產(chǎn)物的功能的相似度。69精選ppt二、基于KEGG通路分析的基因功能預(yù)測(cè)通路分析是現(xiàn)在經(jīng)常被使用的芯片數(shù)據(jù)基因功能分析法。與GO分類法（應(yīng)用單個(gè)基因的GO分類信息）不同，通路分析法利用的資源是許多已經(jīng)研究清楚的基因之間的相互作用，即生物學(xué)通路。研究者可以把表達(dá)發(fā)生變化的基因集導(dǎo)入通路分析軟件中，進(jìn)而得到變化的基因都存在于哪些已知通路中，并通過統(tǒng)計(jì)學(xué)方法計(jì)算哪些通路與基因表達(dá)的變化最為相關(guān)。70精選ppt通過表達(dá)譜數(shù)據(jù)進(jìn)行通路定位71精選ppt三、常用基因功能預(yù)測(cè)軟件用GO分類法進(jìn)行芯片功能分析的網(wǎng)絡(luò)平臺(tái)72精選ppt73精選ppt利用Onto-Express預(yù)測(cè)基因功能Onto-Express是WayneStateUniversity開發(fā)的Onto-Tools軟件包中的一個(gè)表達(dá)譜數(shù)據(jù)分析工具，利用GeneOntology中的數(shù)據(jù)信息對(duì)基因的功能進(jìn)行分析，可以