Gene Ontology (GO) 注釋

相似的基因在不同物種中，其功能往往保守的。顯然，需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，否則，不同的實驗室對相同的基因的功能的描述不同，將極大限制學術的交流。而 Gene Ontology (GO) 項目正是為了能夠使對各種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，是生物學功能注釋的一個標准詞匯表術語（GO term），將基因的功能分為三部分：

基因執行的分子功能（Molecular Function）
基因所處的細胞組分（Cellular Component）
基因參與的生物學過程（Biological Process）

不同的 GO term 通過有向無環圖關聯起來，如下圖所示：

可以看出，不同的 GO term 間的關系由三類：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，這些關系都是有方向的，即反過來不成了，因而叫做有向無環圖。

目前，GO 注釋主要有兩種方法：

（1）序列相似性比對（BLAST）
（2）結構域相似性比對（InterProScan）

這里以序列相似性比對為例，簡單介紹 GO 注釋的步驟：

將基因序列與 swiss-prot 蛋白質數據庫進行 BLAST （blastp 或者 blastx）比對，得到如下結果：

                 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

每一列的含義分別為（可以看出，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，通過 UniProtKB ID，將第八列的 GO 號注釋到對應的基因上。

python UniProt2GO_annotate.py idmapping.tb.gz blastout outputfile

結果如下：

 
                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：

Gene Ontology (GO) 注釋

Gene Ontology (GO) 注釋

免責聲明！