蛋白质组学生物信息学分析介绍

生物信息学分析FAQ

CHAPTER ONE ABOUT GENE ONTOLOGY ANNOTATION (3)

什么是GO？ (3)

GO和KEGG注释之前，为什么要先进行序列比对（BLAST）？ (3)

GO注释的意义？ (3)

GO和GOslim的区别 (4)

为什么有些蛋白没有GO注释信息？ (4)

为什么GO Level 2的统计饼图里蛋白数目和差异蛋白总数不一致？ (4)

什么是差异蛋白的功能富集分析&WHY？ (4)

GO注释结果文件解析 (5)

Sheet TopBlastHits (5)

Sheet protein2GO/protein2GOslim (5)

Sheet BP/MF/CC (6)

Sheet Level2_BP/Level2_MF/Level2_CC (6)

CHAPTER TWO ABOUT KEGG PATHWAY ANNOTATION (7)

WHY KEGG pathway annotation? (7)

KEGG通路注释的方法&流程？ (7)

KEGG通路注释的意义？ (7)

为什么有些蛋白没有KEGG通路注释信息？ (8)

什么是差异蛋白的通路富集分析&WHY？ (8)

KEGG注释结果文件解析 (8)

Sheet query2map (8)

Sheet map2query (9)

Sheet TopMapStat (9)

CHAPTER THREE ABOUT FEATURE SELECTION & CLUSTERING (10)

WHY Feature Selection? (10)

聚类分析（Clustering） (10)

聚类结果文件解析 (10)

CHAPTER FOUR ABOUT PROTEIN-PROTEIN INTERACTION NETWORK (12)

蛋白质相互作用网络分析的意义 (12)

蛋白质相互作用 VS生物学通路？ (12)

蛋白质相互作用网络分析结果文件解析 (12)

CHAPTER ONE ABOUT GENE ONTOLOGY ANNOTATION

什么是GO？

随着多种生物基因组的相继解码，同时大量ESTs以及gene expression profile date的积累，使得annotation的工作量和复杂度大大增加。然而另一方面，大多数基因在不同真核生物中拥有共同的主要生物功能，通过在某些物种中获得的基因或者蛋白质（shared protein）的生物学信息，可以用以解释其他物种中对应的基因或蛋白（especially in comparative genomics）。由于这些繁复的功能信息主要是包含在积累的文献之中，如何有效的提取和综合这些信息就是我们面临的核心困难，这也是GO所要着力解决的问题。通过建立一套具有动态形式的控制字集（controlled vocabulary），来解释真核基因及蛋白在细胞内所扮演的角色，并随着生命科学研究的进步，不断积累和更新。一个ontology会被一个控制字集来描述并给予一定的名称，通过制定“本体”ontologies并运用统计学方法及自然语言处理技术，可以实现知识管理的专家系统控制。

到目前为止，Gene Ontology (GO) 数据库中有3大独立的ontology：biological process生物过程, molecular function分子功能，cellular component细胞组分。而这三个ontology下面又可以独立出不同的亚层次，层层向下构成一个ontologies的树型分支结构。可以说， GO是生物学的统一化工具。

由于GO是一种整合性的分类系统，其下的3类主ontology虽然说是独立的，但是无论是GOC原初的设计还是我们的使用中其实都还是存在一定的流程关系。一个基因/蛋白质或者一个ontology在注解的过程中，首先是考虑涉及在构成细胞内的组分和元件（cellular component），其次就是此组分/元件在分子水平上所行使的功能（molecular function），最后能够呈现出该分子功能所直接参与的生物过程（biological process）。由于这是一种存在反馈机制的注释过程，并且整个系统是动态开放实时更新的，因此在某种程度上说它具有纠错的能力。

GO和KEGG注释之前，为什么要先进行序列比对（BLAST）？

在进行功能注释和通路注释之前，我们会先将差异蛋白与合适的数据库中的蛋白序列进行比对。目的一：很多物种目前研究的程度还很有限，关于这些物种的蛋白注释信息还很不完善。根据相似性原理，具有相似序列的蛋白可能也具有相似的功能，因此，我们可以将BLAST所得的同源蛋白的注释信息转嫁到我们关注的差异蛋白上，来完成对于差异蛋白尤其是研究程度不足的物种的差异蛋白的注释。目的二：我们在查库过程中，为了得到更多的蛋白质鉴定信息，我们大多使用UniProt数据库（含SwissProt和TrEmbl：SwissProt中的蛋白均经过人工校验，数据可靠性高，注释完整；TrEmbl由基因组序列翻译而来，未经人工校验，注释信息不全）或NCBI Protein数据库（用户可任意提交序列，有冗余，信息不完善，质量很难保证），BLAST一方面可以帮我们提高后续的注释效率，另一方面也可以帮助客户大致了解所鉴定的蛋白可能的名称和功能（尤其对于uncharacterized protein，predicted protein，putative protein 等）。

GO注释的意义？

对鉴定到的蛋白或者差异蛋白进行GO注释，其宗旨是为了帮助我们了解这些蛋白。可能的应用包括：