如果轉載，請注明出處。
GSEA、David與KEGG、GO數據庫的區別：
1.KEGG數據庫、GO數據庫是知識庫。它們記錄了通路、生物學過程等的信息。
2.GSEA、David是做富集分析的數據庫。它們使用KEGG、GO數據庫中的信息，再結合你輸入的基因列表，對輸入基因列表進行富集分析，給出結果（比如，富集到哪些通路、富集到哪些生物學過程）。
比如，David數據庫，它用fisher exact檢驗，計算富集的通路的pvalue，只輸出p-value達到一定閥值的通路。詳細過程：David數據庫中有30000+個基因，每條通路的富集基因也知道。你輸入的基因列表，比如200個，這200個有100富集到hippo通路。David數據庫中hippo通路有150個基因。那么，這四個數做fisher檢驗，即得出p-value。
比如，GSEA數據庫，它除了使用KEGG、GO數據庫，還有自己的數據集，比如hallmark gene sets。
如果我想知道，這些基因都屬於哪些通路？通常基因個數少。那么，用KEGG可以。它可以給出每個基因的通路。如果用GSEA、David，富集程度不夠的通路不會顯示。你也無法得知每個基因所屬的通路。
如果我想知道，這些基因富集到哪些通路中？通常基因個數多。那么，用GSEA、David可以實現。
gene symbol轉換為protein ID：
參考資料：https://www.cnblogs.com/wangshicheng/p/11171058.html
工具網站：https://biodbnet-abcc.ncifcrf.gov/db/db2db.php
David數據庫的詳細用法說明：
https://david.ncifcrf.gov/helps/functional_annotation.html#summary
David數據庫使用fisher exact test，得到一個p_value。
步驟：
1. 主頁選擇“Function annotation”；
2.點擊Upload。粘貼基因列表。如果基因多（比如2000+），需要上傳文件。文件格式為一列基因列表；
3.點擊submit。（注意：先點擊upload，再點擊submit）；
4.選擇物種，點擊“Select Species”；
5.在“Annotation Summary Results”頁面，點擊‘Pathways’，點擊’Chart‘，彈出注釋結果的頁面；（對其它的條目，如“Gene_Ontology"也可以做同樣選擇，下載數據）
6.在該彈出頁面，右鍵單擊“Download file”，選擇“鏈接另存為”。即可將注釋結果的txt格式下載到本地。（曾經我在此步卡住了，╮(╯▽╰)╭）
注意：
1.David也可以設置“Background”基因列表，在其中進行注釋。
GSEA的用法
1.注釋
選擇“Molecular Signatures Database”和“Investigate gene sets”。看到輸入gene標識的輸入框。
輸入gene 列表，最多不超過2000個。
選擇各種數據庫，比如：KEGG、GO、Hallmark gene sets等。
一定記得選擇物種！一定記得選擇物種！Species：Human Mouse
q_value可以設置0.1 或者0.05（默認）。
點擊“Compute overlaps”即可。
2.富集
需要下載一個.jar的包。
需要屬於基因列表，以及每個基因的value值。比如，RNA-seq用cuffdiff跑完后的value值。
執行命令，即可得到曲線樣子的功能富集圖。
String數據庫：
https://string-db.org/cgi/input.pl?sessionId=wNQljxzwVv2e&input_page_show_search=on
選擇“Multiple proteins”，在右邊的框中輸入gene symbol，選擇物種（小鼠：Mus Musculus；人：Homo species）。點擊“search”。
進入新的頁面后，點擊“continue”。看到生成的蛋白互作圖。
可以看到該圖的Legend，還可以導出該圖。
UniProt數據庫：
1. 問題：在UniProt數據庫查詢某物種某個基因（比如，mouse，TP53）的protein ID時，經常有多個protein ID出現。
原因：查看每個protein ID的“status”，發現有Reviewed和Unreviewed兩種狀態。如果篩選“Reviewed”，則只有一個protein ID出現。Unreviewed protein 有很多。
繼續提問：為何有UniProt會有這兩種類型的protein ID呢？
原因：UniProtKB有兩部分。UniProt數據庫中手工挖掘的、且經過管理員review過的記錄，屬於UniProtKB/Swiss-Prot部分（Reviewed）；計算機注釋和挖掘的部分，屬於UniProtKB/TrEMBL部分（Unreviewed）。
一個gene在UniProt中會有多個Reviewed protein ID。比如，基因Hibadh有三個protein ID：Q99L13，A0ZNJ2，Q8BJY2。其中，第一、三個是Reviewed狀態；第二個是Unreviewed。（KEGG中只有輸入Q99L13時，才能被檢索到，並注釋到通路中。輸入第三個時，在KEGG中注釋不到）
參考資料：https://www.uniprot.org/help/uniprotkb_sections https://www.uniprot.org/help/entry_status
關聯問題：為何將“蛋白鑒定表”的Protein ID列的部分Protein ID輸入KEGG注釋，與全部Protein ID輸入KEGG注釋的結果不同呢？
原因：KEGG對每個基因只有一個protein ID，即UniProt數據庫中reviewed的protein ID。如果在KEGG中輸入Unreviewed protein ID，KEGG不會搜索到該ID，也無法給出該ID的注釋。
bioDBnet: db2db ID轉換時，給出的結果不全。
比如：sept7只給出了7個結果。而蛋白鑒定表中有10個Protein ID。