GO 功能註釋

文章轉載於 Original 2017-06-12 liuhui 生信百科

類似的基因在不一樣物種中，其功能每每保守的。顯然，須要一個統一的術語用於描述這些跨物種的同源基因及其基因產物的功能，不然，不一樣的實驗室對相同的基因的功能的描述不一樣，將極大限制學術的交流。而 Gene Ontology (GO) 項目正是爲了可以使對各類數據庫中基因獲基因產物功能描述相一致的努力結果。

所謂的 GO，是生物學功能註釋的一個標準詞彙表術語（GO term），將基因的功能分爲三部分：

• 基因執行的分子功能（Molecular Function）

• 基因所處的細胞組分（Cellular Component）

• 基因以及參與的生物學過程（Biological Process）

不一樣的 GO term 經過有向無環圖關聯起來，以下圖所示：

 

能夠看出，不一樣的 GO term 間的關係由三類：is_a、part_of 和 regulates。

如 regulation of cell projection assembly 是一種生物學過程，是 regulation of cell projection organization 中的一類（is_a），還調節（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，這些關係都是有方向的，即反過來不成立，於是叫作有向無環圖。

目前，GO 註釋主要有兩種方法：

• （1）序列類似性比對（BLAST）

• （2）結構域類似性比對（InterProScan）

這裏以序列類似性比對爲例，簡單介紹 GO 註釋的步驟：

將基因序列與 swiss-prot 蛋白質數據庫進行 BLAST （blastp 或者 blastx，這篇文章介紹瞭如何作 BLAST 分析：BLAST 知多少？）比對，獲得以下結果：

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 蛋白質數據庫序列的 ID（UniProtKB ID）。

從 ftp://ftp.pir.georgetown.edu/databases/idmapping 下載 idmapping.tb.gz，該文件共有 22 列（tab 鍵分割）：

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

每一列的含義分別爲 （能夠看出，許多數據庫已經和GO關聯了）： 

 

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

根據文件 idmapping.tb.gz，將 blast 的結果，經過 UniProtKB ID，將第八列的 GO 號註釋到對應的基因上

python UniProt2GO_annotate.py idmapping.tb.gz blastout outputfile

結果以下：

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

 

拓展閱讀：

• Ontology Relations:http://geneontology.org/page/ontology-relations#basics

• Frequently Asked Questions (FAQ):http://geneontology.org/faq-page

 

腳本 UniProt2GO_annotate.py 下載：

連接：http://pan.baidu.com/s/1kVjzJYv 密碼：vigu