功能数据库专题-DAVID

特别注意：DAVID数据库基本不更新了，有很多Term可能注释不上，对于菜鸟可以初步了解功能富集分析主要涉及哪些方面就可以。使用YGC大神的R包 Clusterprofiler做功能分析会更好～此处仅面向菜鸟们，为功能注释而行文～

一、   DAVID简介

DAVID （the Database for Annotation，Visualization and Integrated Discovery）的网址是http://david.abcc.ncifcrf.gov/。 DAVID是一个生物信息数据库，整合了生物学数据和分析工具，为大规模的基因或蛋白列表（成百上千个基因ID或者蛋白ID列表）提供系统综合的生物功能注释信息，帮助用户从中提取生物学信息。

DAVID这个工具在2003年发布，目前版本是v6.7。和其他类似的分析工具，如GoMiner，GOstat等一样，都是将输入列表中的基因关联到生物学注释上，进而从统计的层面，在数千个关联的注释中，找出最显著富集的生物学注释。最主要是功能注释和信息链接。

二、   分析工具

DAVID需要用户提供感兴趣的基因列表，在基因背景下，使用提供的分析工具，提取该列表中含有的生物信息。这里说的基因列表和背景文件的选取对结果至关重要。

1、基因列表：

这个基因列表可能是上游的生物信息分析产生的基因ID列表。对于富集分析而言，一般情况下，大量的基因组成的列表有更高的统计意义，对富集程度高的特殊Terms有更高的敏感度。富集分析产生的p-value在相同或者数量相同的基因列表中具有可比性。

DAVID对于基因列表的格式要求为每行一个基因ID或者是基因ID用逗号分隔开。基因列表的质量会直接影响到分析结果。这里定性给出好的基因列表应该具有的特点，一个好的基因列表至少要满足以下的大部分的要求：

（1）    包含与研究目的相关的大部分重要的基因（如标识基因）。

（2）    基因的数量不能太多或者太少，一般是100至10000这个数量级。

（3）    大部分基因可以较好的通过统计筛选，例如，在控制组和对照组样品间选择显著差异表达基因时，使用的t-test标准：fold changes >=2 && P-values <=0.05。

（4）    大部分是上下调的基因都涉及到特定的某一生物过程，而不是随机的散布到所有可能的生物过程中。

（5）    一个好的基因列表比起随机产生的一个基因列表，应该含有更丰富的生物信息。

（6）    在同样的条件下，列表具有高度可重复性。

（7）    高通量数据的质量能够被其他独立的实验证实。

以上（2），（3），（6）&（7）是来自上游的数据标准，DAVID会自动检查其余的各项要求，即（1），（4）&（7）。

2、基因背景：

在一项研究中，如果一个生物过程不正常，那么通过高通量筛选技术，对该过程共同作用的基因有更大的可能性被选为相关的一组。富集分析正是以此为基础。为检测富集的程度，必须选取一个背景来进行对比。基因背景的选取有一个指导原则，就是必须构建一个足够大的，研究者可能涉及的所有基因的集合。用户使用默认的背景文件（默认为该物种的所有基因），或者是上传一个基因列表文件作为基因背景。

3、DAVID为实现各项功能分析，提供了以下4个分析内容（共6个分析工具）：

（1） Gene Name Batch Viewer

这个工具能够实现将基因ID迅速翻译成基因名称，从而给研究者对于基因ID列表一个直观的印象，初步判断基因列表是否符合要求目的。

图1中显示了该工具的分析结果，具体说明图1中标注。

图1 Gene Name Batch Viewer的分析结果

（2） Gene Functional Classification

这个工具是Gene Name Batch Viewer工具的延伸。由于基因名称并不能显著体现基因的功能，所以我们需要更加有效的功能分类工具。该工具基于它们共同的注释信息，而不是基因名称，采用全新的模糊聚类算法，能够实现将功能相关的基因聚到一起作为一个单元，在生物学网络水平上去研究这些基因群。对聚类结果打分，分值越高，代表该组内的基因在基因列表中越重要。同时还提供了2-D View，以热图形式展现聚类到同一组的基因和该组内各个Term之间的关系。

结果见图2，将列表中的基因ID作为聚类对象，将功能相关的基因分组显示。图3是以热图形式展示的gene-term关系。

图2 Gene Functional Classification的分析结果

图3 2-D View展示gene-term关系

（3）Functional Annotation

该工具是DAVID最核心的分析内容，包含了三个子工具：

• Functional Annotation Chart

该工具提供gene-term的富集分析。相比于其他富集分析软件而言，DAVID在该功能上最显著的特点是，注释范围的可扩展性：从最初的GO注释，扩展到现在超过40中的注释种类，包括GO注释，KEGG注释，蛋白相互作用，蛋白功能区域，疾病相关，生物代谢通路，序列特点，异构体，基因功能总结，基因在组织里的表达和论文等。用户可以根据需要选择其中的某些或者所有种类的注释信息。

结果中以基因列表中富集的Terms为对象，将信息按照DAVID计算出来的p-value排列，同时链接指向更多的信息，见图4。

图4 Functional Annotation Chart的分析结果

• Functional Annotation Clustering

该工具使用类似于Gene Functional Classification工具的模糊聚类方法，基于注释共同出现的程度作聚类，对被注释上的Terms做聚类，即Terms被分成多组，并将给出聚类的分值。分值越高，代表该组内的基因在基因列表中越重要。同时还提供了2-D View，以热图形式展现聚类到同一组的基因和该组内各个Term之间的关系。

结果中（见图5），即被注释上的Terms作为聚类对象，用户可以根据聚类的分值找到重要的Terms。

图5 Functional Annotation Clustering的分析结果

• Functional Annotation Table

该工具实现了基因的功能注释，将输入列表中每个基因在选定数据库中的注释以表格形式呈现。结果见图6。

图6  Functional Annotation Table的分析结果

（4）Gene ID Conversion

该工具实现不同数据库的基因标识间的转换。包含NCBI, PIR 和 Uniprot/SwissProt等重要数据库的基因标识信息。

结果如图7所示，左边的表格显示转换的情况，右边表格以列表呈现转换结果，和基因名称注释等。

图7 Gene ID Conversion分析结果

总结：

对于以上6项分析工具各有偏重点，下面给出一个指示图（见图8），帮助用户选择DAVID的各项分析工具。

图8 DAVID各项分析工具的选择指示图

本文主要参考

DAVID使用说明文档 (https://www.plob.org/article/5326.html)