基因云馆新一代信息数据库

GO ( Gene Ontology，基因本体论) 数据库将基因功能分为三大类：分子功能(Molecular Function)，生物学过程 (Biological Process) 和 细胞组分 (Cellular Component)。在每一个分类中，都提供一个描述功能信息的分级结构。GO中每一个分类术语都以一种被称为定向非环状图（DAGs）的结构组织起来。研究者可以通过GO分类号和各种GO数据库相关分析工具将分类与具体基因联系起来，从而对这个基因的功能进行描述。研究者可以根据挑选出的差异基因，计算这些差异基因同GO 分类中某（几）个特定的分支的超几何分布关系，GO 分析会对每个有差异基因存在的GO 返回一个p-value，小的p 值表示差异基因在该GO 中出现了富集。GO 分析对实验结果有提示的作用，通过差异基因的GO 分析，可以找到富集差异基因的GO分类条目，寻找不同样品的差异基因可能和哪些基因功能的改变有关。

关联推断分析法采用基因网络和一组注释（GO功能注释）作为输入，并输出每个注释集合的预测得分。关联推断(guilt-by-association)认为：具有共享功能（即，在相同GO注释集合内）的基因是优先的连接的,使用网络中基因关联信息和注释集中的基因信息推断隐藏基因（不在该GO注释集合内）的身份，预测基因网络的关键基因功能（GO）。

数据要求：

1、必须有对照组

2、输入的为基因表达谱数据（gene symbol）

操作步骤（以GEO数据库为例）：

1、数据选择：根据疾病或药物选择合适的数据（control，平台，样本量，processed及数据库等）

2、数据本地化：在基因云馆中选择“数据库”，然后选择数据对应的数据库，输入数

图一：数据本地化处理

3、数据预处理：点击“预处理”→“芯片数据预处理”，eSetPath*处拖入本地化中的RData文件呢，platform出选择数据对应平台，groupName出输入分组信息的列名称（可在本地化的PData文件中找到）。

     如果数据的分组信息需要更改，则应先选择“预处理”→“表达集数据信息”输入本地化中的RData文件，运行完成后，更改pDatamatrix.csv内内容（将分组列名称改为groups，如需更改列内对照组、实验组名称则一并更改）然后保存。选择“基因表达集生成器”，“matrix”处输入上步的exprsmatrix.csv文件，“pData”处输入经更改的pDatamatrix.csv，点击运行。如数据分组较多，选择“表达集取子集”后，进行“芯片数据预处理”，若无需取子集，则直接进行“芯片数据预处理”即可。具体操作步骤如下：

图二：表达集数据信息

注：将此环节得到的“pDatamatrix.csv”文件内容根据需要进行更改（如分组列名称改为groups及组别名称等）并保存

图三：基因表达集生成器

注：此处的pData为更改后的pDatamatrix.csv文件

图四：芯片数据预处理

网络关联推断拓展GO分析：选择“网络分析”→“网络关联推断拓展GO分析”，输入预处理后的RData文件及相关参数点击运行即可。

图五：网络关联推断拓展GO分析

结果示例