王瓊萍 上海交通大學(xué)
GO（gene ontology）是基因本體聯(lián)合會(huì)（Gene Ontology Consortium）所建立的數(shù)據(jù)庫。GO 是多種生物本體語言中的一種，旨在建立一個(gè)能闡釋各種物種的基因以及基因產(chǎn)物。這個(gè)數(shù)據(jù)庫最開始起源于三個(gè)模式生物的數(shù)據(jù)庫：果蠅基因組數(shù)據(jù)庫（Drosophila）、酵母基因組數(shù)據(jù)庫（Saccharomyces Genome Database，SGD）、小鼠基因組數(shù)據(jù)庫（Mouse GenomeDatabase，MGD）。在這之后，在基因本體聯(lián)合會(huì)成員的努力下，將 GO 數(shù)據(jù)庫擴(kuò)展到了植物、動(dòng)物、微生物等世界范圍內(nèi)各個(gè)主要的數(shù)據(jù)庫。GO 數(shù)據(jù)庫建立了具有三層結(jié)構(gòu)的定義方式來描述基因及其產(chǎn)物的生物學(xué)過程、細(xì)胞組分及分子功能，對(duì)不同信息源的信息進(jìn)行整合，以 DAG（有向無環(huán)圖）結(jié)構(gòu)組織起來作為多個(gè)分支，節(jié)點(diǎn)的高低也代表了每個(gè)節(jié)點(diǎn)的意義的廣泛程度。每個(gè)父項(xiàng) （parent terms）下包含若干子項(xiàng)（children terms），分支越遠(yuǎn)，匹配的 GO 條目就越具體。在這個(gè)層級(jí)結(jié)構(gòu)中，一個(gè)生物學(xué)注釋可以由一個(gè)基因集表示。這個(gè)數(shù)據(jù)庫的建立為基因功能數(shù)據(jù)挖掘提供了新的思路。一套基因本體，其實(shí)也就是一套基因的樹狀結(jié)構(gòu)。GO 數(shù)據(jù)庫及其序列分析程序的問世，使得差異基因的功能分析變得更加高效 、 準(zhǔn) 確 。 目前，已經(jīng)有很多可以供畜牧研究者免費(fèi)使用的GO資源 ， 如 AmiGo，它可以分析一個(gè)基因的 GO 術(shù)語，也可以分析多個(gè)基因。
另外，還有 Onto express、DAVID、Gostat 等。差異基因的 GO 分析關(guān)鍵在于利用統(tǒng)計(jì)學(xué)方法進(jìn)行基因富集，常用的方法是 Fisher 的精確概率法或卡方檢驗(yàn)。Fisher 的精確概率法利用超幾何分布 （hypergeometric distribution）的原理推斷每個(gè)基因集中差異表達(dá)基因的比例是否與整個(gè)基因芯片上差異表達(dá)基因的比例相同。
聚類分析指將物理或抽象對(duì)象的集合分組成為由類似的對(duì)象組成的多個(gè)類的分析過程。聚類分析的目標(biāo)就是在相似的基礎(chǔ)上收集數(shù)據(jù)來分類。基因表達(dá)譜數(shù)據(jù)的聚類分析，目的是為了將尋找一類類似的基因，如具有共同的調(diào)控原件、具有相似的生物學(xué)功能或具有相同的祖先等。這樣的聚類往往可以發(fā)現(xiàn)一些未知領(lǐng)域，可以根據(jù)類中已知基因的功能而得知推斷未知基因的功能。聚類分析要確定兩個(gè)特征向量間的合適的測(cè)度及相似度，并確定算法方案，根據(jù)選定的相似性測(cè)度對(duì)向量進(jìn)行聚類。常用的相似性測(cè)度包括歐氏距離（Euclideandistance）、明考斯基距離（Minkowski distance）、皮爾遜相關(guān)距離（Pearson correlationdistance）、馬氏距離（Manhattan distance）等。聚類方法的分類可以有很多種，按照是否具有先驗(yàn)知識(shí)而分為監(jiān)督聚類（supervised clustering）和非監(jiān)督聚類（unsupervised clustering）。非監(jiān)督聚類中的層級(jí)聚類（hierarchical clustering）、k means 聚類、自組織圖、主成分分析等算法已經(jīng)廣泛地運(yùn)用到基因表達(dá)分析中?；蚓垲惙治鲋腥菀资艿皆朦c(diǎn)基因的干擾，而且要求算法的準(zhǔn)確性和有效性較高，目前較常用的方法包括模糊聚類和人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)方法中自組織映射（Self Organizing Map, SOM）使用的最多，它采用的是結(jié)構(gòu)簡(jiǎn)單的單層競(jìng)爭(zhēng)性神經(jīng)網(wǎng)絡(luò)模式在輸入端引入并與輸出結(jié)點(diǎn)關(guān)聯(lián)，其間的權(quán)重通過學(xué)習(xí)反復(fù)變更，直到達(dá)到終止標(biāo)準(zhǔn)，結(jié)果是相似的模式被分入同組，并為同一個(gè)單位神經(jīng)元所代表。不同的聚類過程側(cè)重于不同的相似性，那么聚類的結(jié)果也會(huì)有所不同。在聚類之前，一般要考慮一下四方面的內(nèi)容：（1）什么樣的數(shù)據(jù)，是原始的標(biāo)準(zhǔn)化后的數(shù)據(jù)，還是 log 轉(zhuǎn)化后的數(shù)據(jù)，或者是做了另外方法轉(zhuǎn)化后的數(shù)據(jù)；（2）需要用全部的基因還是選擇性的使用部分基因；（3）需要用什么樣的矩陣把所選擇的基因結(jié)合起來；（4）運(yùn)用什么樣的聚類算法?；虮磉_(dá)譜聚類分析已經(jīng)被應(yīng)用到各個(gè)領(lǐng)域，如癌癥，個(gè)體行為關(guān)系等。
