数据挖掘专题四

接着上一期，我们找到差异基因以后，我们希望找到这些差异基因的功能，看它富集在哪些功能上，我们就可以做一下GO的富集分析。

一般GO（Gene oncology）按照生物途径（Biology Process），分子功能（Molecular Function）和细胞定位（Cellular Location）对基因进行注释和分类。通过对差异表达基因进行GO terms富集度统计学的分析，计算出差异基因GO term的p-value和p-value的FDR值（q-value），定位差异基因最可能相关的GO term。

这里我再给大家推荐一款软件，叫cytoscape，我们会用到其中一个插件叫BINGO，那好，我们就开始我们今天的学习。

首先打开界面后，我们依次点击APPs—APP manager，在弹出的对话框里面我们打入bingo，系统就会自动搜索，再点击安装该插件。

插件下载完成后，我们点击APPs—BINGO，则出现了下面这个界面。

在这里，我们在cluster name中命名为dna，然后点击编号为2的那一行中的Paste Genes From Text，把我们之前的找到的差异基因复制黏贴在空白框内。在collect oncology file中我们选择GO Full，该选项其实就包括一开始我们说的GO的三部分：生物途径（Biology Process），分子功能（Molecular Function）和细胞定位（Cellular Location）。

由于我们的基因是来源于老鼠，那在编号为4那一行选择Mus musculus。在最后一行点击Check box for saving Data，然后再点击Save BiNGO Data File，将输出的文件保存在自己指定的地方。这里我们选择保存在桌面。最后我们点击Start BiNGO。

我们用excel打开桌面上刚刚保存的文件，会发现每一条富集通路是按照p值由小到大依次排列，其中第H列表示该通路所涉及的生理病理过程，而该列的后面指的是我们之前输入的富集在该条通路上的部分基因。

这里我们就根据我们所要研究的方向，从这么多通路里面选择自己感兴趣的进行进一步研究。

除了上面那张表格输出外，cytoscape给我们自动生成了一张有向无环图，其中分支代表包含关系，箭头方向从上之下所定义的功能范围越来越小，并通过包含关系，将相关的GO Term一起展示，颜色深浅代表富集程度，越深富集水平越高，反之，则越低。

然后对于结果输出，我们依次点击左上方的File—Export—Network as Graphics，一般我们选择保存文件的格式是PDF。

好了，到这里我们这一讲就告段落了，希望大家再接再厉，反复练习，一起将数据挖掘到底！下一期再见！