怎样用david数据库进行基因功能分析

怎样用david数据库进行基因功能分析

1. Pathway功能分析及显著性判断
2. 对差异表达基因进行Pathway功能分析，并计算Pvalue进行显著性判断，Pvalue越小，表明该pathway变化越显著，并可对每条Pathway通路图进行展示，同时在相应的位置标注差异表达基因。
3. 2. Pathway中基因相关性分析
4. 根据每两个基因共出现在同一pathway中的次数统计，绘制基因共相关点线图，进而得到不同pathway上基因的关联情况。在分析工具上点击“cell differentiation”，在“Term Information”中描述了细胞分化术语的基本信息，包括树形及与父结点、子节点关系。
5. 对于未知基因名的序列，可以用序列直接检索GO数据库。点击AmiGO首页上方的“BLAST”，进入检索界面。在检索框输入氨基酸或核酸序列或上传序列文件，检索工具能自动识别并相应地选择BLASTP或BLASTX来与数据库中的序列进行比对。以大肠杆菌DNA聚合酶Ⅱ基因polB为例，“High Scoring Gene Products”栏内显示基因产物的名称、物种信息、p值。

现代生物研究中的高通量技术如microarray、蛋白质组学或ngs能够让科学家们检测到几乎所有的mrna，蛋白质或dna序列的变异，从而获得成千上万的数据。分析数据结果的复杂程度和所需要的时间也随之直线上升，科学家们往往会陷入如何从海量的实验数据中挖掘到该体系到底发生了什么的泥潭中。想充分挖掘实验数据中的价值，需要科学家多方面的知识和技能，既要从生物学角度去阐释整个实验系统，又要理解系统变化的原因和效应等。科学家们通常只去寻找实验数据中发生差异表达的基因的上游调控子，如转录因子或调控的microrna。但要完全理解实验结果的效应，科学家们必须进一步分析差异基因所调控的分子通路，生物学功能，已知的毒理学效应并对某些特定的关键分子进行进一步的全面调研（i.e. 后续靶标或生物标志物）。 以前科学家们可以依赖于个人的生物学专业知识并辅以检索最新文献来进行简单的数据分析。但随着文献的研究领域分类更加细化，知识的积累和文献的调研变得不再那么简单。现在，科学家们开始使用基于互联网的软件工具，包括专业的网站（i.e. pubmed）和一些的或商业化的分析工具（i.e. david, ingenuity-ipa）来帮助收集并分析数据。常规的高通量数据的分析和进一步的实验假设，一般均从阅读尽可能多的相关文献并调研实验结果中变化最大的基因开始。然而这样的分析策略往往会大量遗漏关键的信息，很多时候是因为相关的分子数据库和实验数据相关的文献量非常大，以至于科学家们无法面面俱到。而二代测序（ngs，如rna-sequencing）的数据相当于为microarray实验提供了更加精确的转录本和同源基因信息，使获得信息变得更加复杂。因此，能够深度挖掘实验数据、将各种来源的背景信息整合在一起并提供灵活易用的工具进行查询的软件对理解实验结果变的日益重要。