详解如何获取物种所有基因对应的GO注释

欢迎关注”生信修炼手册”!

Gene Ontology是研究基因功能的重要数据库之一，在进行GO的富集分析时，需要提供所有基因对应的GO注释信息，本文介绍几种获取该信息的方式。

1. 从GO官网进行下载

官网提供了几种常见物种对应的GO注释信息，文件格式为GAF, 下载链接为

http://www.geneontology.org/page/download-go-annotations

human对应的文件如下

该文件中提供的是uniprot数据库中的蛋白对应的GO信息，会给出蛋白对应的uniprot数据库编号，蛋白对应的基因symbol, 以及GO注释，示例如下

UniProtKB A0A024R161 DNAJC25-GNG10  GO:0003924

原始文件列数很多，我只选了前4列，第一列表示数据库的名字，第二列为数据库中的编号，第三列为gene symbol, 第四列为对应的GO注释。

2. 从GOA项目进行下载

EBI对uniprot数据库中的蛋白进行了GO注释分析，这个项目名为gene ontology annotation, 简称GOA, 在FTP也提供了物种对应的注释信息，示意图如下

以human为例，FTP地址如下

ftp://ftp.ebi.ac.uk/pub/databases/GO/goa/HUMAN/

这里的文件和GO官网的文件内容和格式是一致的，只不过数量上稍有差异。

3. 从NCBI Gene 数据库进行下载

在NCBI检索基因时，在结果页面会看到该基因对应的很多注释信息，其中就包括了GO注释，这些信息在FTP上都提供了源文件，以供下载，链接如下

ftp://ftp.ncbi.nih.gov/gene/DATA/

几个主要的文件示例如下

gene2go就是基因对应的GO注释文件，这个文件包含了所有物种的GO信息，可以根据物种对应的tax id提取指定物种。

NCBI中用Entrez Id 标识每个基因，通过另外的几个文件，可以得到Entrez ID, Ensemble Id, Gene Symbol对应的GO信息。

4. 从Bioconductor 获取

对于常见的物种，Bioconductor上也提供了对应的注释包，示意如下

以org.Hs.eg.db为例，这个R包存储了很多human基因对应的信息，通过keys和select函数可以获得基因对应的GO注释信息，代码如下

> k <- keys(org.Hs.eg.db, keytype = "ENTREZID")[1:3]
> select(org.Hs.eg.db,
  keys = k,
  columns = c("GO", "ONTOLOGY"),
  keytype="ENTREZID")
'select()' returned 1:many mapping between keys and columns
  ENTREZID         GO EVIDENCE ONTOLOGY
1         1 GO:0002576      TAS       BP
2         1 GO:0003674       ND       MF
3         1 GO:0005576      IDA       CC

这里的代码只是根据Entrez ID 得到了GO注释信息，其实这个R包也包含了gene symbol, ensembl id等很多其他的基因ID。

许多做富集分析的包就会从物种对应的db包中读取GO注释信息。

·end·

—如果喜欢，快分享给你的朋友们吧—