富集分析三步驟

上一篇中已經簡單地說明基因本體論富集分析的概念，這次就來實際操作吧！

(截圖來自 Caterpillarplasty)

在開始之前補充一下，從基因列表提取出人類可以理解的詞彙的富集分析，整體流程包含前置作業與實際呈現其實分成三大步驟：

1. 註解 (annotation)：所有基因都要先經過註解，基因本體論只是其中一種註解系統，另外還有 Mapman、KEGG、Panther、以及 STRING 等等風格略有不同的註解系統
2. 評分 (scoring)：比對該物種之資料庫，將每個註解條目的基因數目作為分母，如此才能夠凸顯出使用者上傳的基因列表中何者是真的相對豐富
3. 視覺化 (visualization)：評分後得到的是數十個便於人類理解的詞彙，但是詞彙之間可能具有階層性的關係，視覺化過程中可以將這些概念更近一步地濃縮

今天要做的就是評分的過程，註解的方法可以參考 Trinotate，而視覺化工具將留在下一篇介紹。

(截圖來自 Caterpillarplasty)

Panther Classification System

評分使用 Panther 網頁所提供的服務，Panther 有自己的一套註解系統，但是也可以支援 GO 系統的分析。

要上傳的檔案有既定的格式，如果手邊只有序列檔案的話，請參考 Trinotate 的流程來完成註解，也就是透過 blastp 取得每個序列最相似的 UniProt 之 ID。之後分成兩種分析，一種是 Overrepresentation test，另一種則是 Enrichment test。前者字面上的意思就是看看這個基因列表中誰存在感比較重，所以輸入只需要基因列表；後者 enrichment 不只是看存在感，還會看該基因差異表現的程度，因此需要輸入兩個 column 的 tsv 檔案，第二個 column 要提供一個我們所在意的關於該基因的數值，官方建議最簡單的方式就是採用 log2(Fold Change)。

輸入檔案，頁面下方有些許參數需要設定。記得勾選紅框中的指定分析項目，物種的部分請選擇一個最適合的，如果是非模式植物的話，可能想選的物種不會出現在其中，使用者可以選擇一個最接近的，但是記得這樣的話，所有不符合該物種的 UniProt ID 都會被捨棄掉，也就是結果僅供參考。

來到結果頁面，上方有一個選項可以選擇所要分析的註解系統，此處就可以選擇是官方的 GO 系統亦或是 Panther GO-Slim 系統，所謂的 Slim 指的是略為刪減過的系統，畢竟一個完整的本體論系統一定會有很多為了完善而必須加入的詞。除了 GO 以外也有 Panther Pathway 和 Reactome pathways 等等不同的系統可以選擇分析。

關於結果的解讀，由左至右分別是我們想要知道的富集的條目、我們選擇的提供背景值之物種該條目被註解了的基因數量、我們提供的基因列表中被註解為該條目的基因數量、期望應該要有的基因數量、富集的倍數、是 over or under-representation、p 值、和 False Discovery Rate。

(截圖來自 The Absence of Eddy Table)

明天我們將會示範將這一個輸出的表格視覺化的工具，請不吝指教與留言討論～

參考資料與延伸閱讀

PANTHER - Gene List Analysis

關於作者

謝晨 (Chen Hsieh)，臺大園藝暨景觀學系研究所碩士。讀碩士前的興趣是懷著寫點程式妄圖解決農業問題的夢想參加比賽，拿了幾個黑客松與 Open Data 創新應用競賽的獎，卻都沒有勇氣將項目經營下去；研究所期間的興趣轉換成讀學術期刊的出刊電子報。靠著這些興趣當選 107 學年的臺大優秀青年，畢業後卻成了無業的實驗室居民。現在在農場旁的研究館辦公室寫點東西，希望可以跟世界分享生物資訊與園藝的樂趣！

感謝選擇匿名的朋友協助校閱初稿與提供意見，也敬請各位讀者不吝指教！

• E-mail

• Facebook

• Twitter

• Linkedin

• RNA-Sick.me