GO和KEGG通路分析教程（一）

做gene ontology分析首先我们需要像下图这样一列我们所感兴趣的基因，一般是通过测序数据分析Fold-change后选出来的基因

很显然这里面的基因类别是gene symbolID。除此以外，常用的还用gene ensembleID等等。

下面打开david网站https://david.ncifcrf.gov/

点击function Annotation，之后list中在“paste a list”处复制表格里的基因名称，再在“step2 select identifier”中选择official gene symbolID

”step3 gene list“中选择gene list，所有的选择如下图所示，

点击submit list后会出现上图提醒你选择所研究物种的相关信息，这时候右侧会有实时的results，如下图所示，由于我们没有选择关心的物种，虽然我们的输入只有50左右的基因，但是在所有的数据库中却找到了8767个基因相匹配，这时需要在”list“中选择相关的物种

由于我们测序的是人类的样品所以选择如下。再点击”select species“后可以看到现在匹配到的基因个数变成了56个，由于我们输入的基因是list2，所以下面我们选择的应该是list2

由于是gene功能的富集分析所以我们需要选择一个背景，在这个大背景下的全部基因中，看看我们输入的基因到底和哪些功能的基因吻合的最多，这个大背景可以不由我们输入，在david中有做好的物种特异的背景，直接用就好了。

在”background“中依旧选择人类，然后点击use，之后就可以愉快的查看结果了，我们关心的是GO和KEGG的结果，所以先点击右侧的gene_ontology，出现内容如下所示：

其中BP代表（biological process），CC代表（cellular component），MF代表（Molecular Function），我们所关心的是BP所以点开GOTERM_direct_BP,

所得到的结果如下图：

其中P值是一个很关键的数值，代表了随机情况下这种富集程度出现的可能性，详细的内容将在教程（二）中介绍。最中间的是富集到的term的具体的名称，count数是我们输入的基因中落在这个功能中的基因的个数。点击右上角的dowload file得到如下表格。

这个表格我们之后会用来在R语言中绘制出最终GO分析的柱状图，相同的道理和操作，我们可以在”pathway“中选择KEGG_pathway，进行通路分析，如下图所示：

同样的下载相应的表格，得到的KEGG表格如下：

这个表格我们也会用来在R语言中绘制气泡图，R语言后续处理过程之后详见教程（三）。

教程（一）到此结束，主要介绍一下david的基本操作，重点是要注意自己的基因ID到底是什么类型，千万不可以搞错了。

我们恳请：若能转发分享，我们将非常感谢！（目前微信公众号改为乱序推送，将如沐风科研设为星标，时常点击阅读，我们才会出现在您推送的前面位置）。

【加入中医药交流群】添加小编微信邀请加入，也可由群友邀请加入，欢迎广大老师、朋友加入我们。小编微信：1278317307

【往期推荐】

如沐风科研 (Rumfer)公众号：由浙江中医药大学、中国药科大学、江西中医药大学以及福安药业和浙江省疾控中心的硕博士组成，主要发布科研实验、前沿咨讯、Figure绘图和药物研发、生产及注册等相关信息。欢迎广大朋友老师关注我们，您的分享和关注是对我们的最大鼓励。