『壹』 如何看go資料庫中查出來的pathway，是否與腫瘤相關
我對這個也不算非常了解，簡單說下我的經驗，僅供參考。
首先其實有很多pathway都與腫瘤相關，一般來說與腫瘤發生相關的pathway包括細胞信號轉導（akt，notch，MAPK等）、細胞損傷修復（ATM，NHEJ等）、細胞周期調控（Cdk）、基因表達調控（如 p53）以及細胞遷移等，而且它們之間一般都有交叉。雖然大多數pathway都或多或少參與腫瘤發生，但是直接相關的一般是我提到的這些，主要作用於cancer的發生，成熟以及遷移。
其次，通過你這個圖上列出來的這個腫瘤基因有可能參與的過程，我覺得有可能參與腫瘤發生的包括：regulation of cell morphogenesis（因為腫瘤細胞形成中細胞形態會發生變化）；regulation of gene expression（比如p53就會抑制與cancer發生相關基因的表達，但這個功能實在太寬泛了，可以說所有細胞活動都和基因表達相關，請問你這個基因是transcript factor嗎？如果是的話這就很可能是它直接參與cancer development的原因）；positive regulation of peptidase activity （和前面那點一樣，這種廣譜性影響蛋白質變化的過程可以參與任何方面）；response to corticosteroid （有可能通過response to一些皮質類激素調節cell signal）；positive regulation of macromolecule biosynthetic process（調節大分子生物合成也可能影響蛋白質表達）；anatomical structure formation involved in morphogenesis （同在morphogenesis的解釋）。
最後說明一點，僅僅通過這種方法其實並不會很大的縮小范圍，但是如果結合你的目的蛋白的功能研究（如果之前有相關文獻報道或者你已知目的蛋白具有酶活性）或定位分析，就可以大大縮小范圍了。
希望能對你有所幫助，如果有進一步問題，我們可以繼續討論。
『貳』 r語言go注釋統計分析圖怎麼畫
#include int main(int argc, char ** argv) {int i = 1, j = 1, k = 1;do {do {if (i != 5)printf(" ");j++;} while (j
『叄』 轉錄組分析中go分析中的f，p，c什麼意思
一、func Open(name string) (file *File, err error)
再簡單不過了，給一個路徑給它，返迴文件描述符，如果出現錯誤就會返回一個 *PathError。
這是一個只讀打開模式，實際上就是 os.OpenFile() 的快捷操作，它的原型如下：
復制代碼代碼如下:
func Open(name string) (file *File, err error) {
return OpenFile(name, O_RDONLY, 0)
}
二、func OpenFile(name string, flag int, perm FileMode) (file *File, err error)
這個復雜點，需要提供文件路徑、打開模式、文件許可權。
打開標記：
O_RDONLY：只讀模式(read-only)
O_WRONLY：只寫模式(write-only)
O_RDWR：讀寫模式(read-write)
O_APPEND：追加模式(append)
O_CREATE：文件不存在就創建(create a new file if none exists.)
O_EXCL：與 O_CREATE 一起用，構成一個新建文件的功能，它要求文件必須不存在(used with O_CREATE, file must not exist)
O_SYNC：同步方式打開，即不使用緩存，直接寫入硬碟
O_TRUNC：打開並清空文件
文件許可權（unix許可權位）：只有在創建文件時才需要，不需要創建文件可以設置為 0。os庫雖然提供常量，但是我一般直接寫數字，如0664。
『肆』 怎麼用origin做go分析圖
1、首先打開origin圖，可以看到一個表格，分別寫上標題、單位、注釋和作圖的數據。
2、可以直接在origin表格中輸入數據或者通過excel表格粘貼到表格中。
3、直接選中X、Y軸要作圖的數據。點擊表格下方圖形類型的快捷按鈕，可以得到所要做的圖形；或者點擊Plot製作圖形。
4、得到圖形，根據需要還可以改變圖形的類型以及對圖形進行設置等等。
『伍』 什麼是GO富集分析，常說的GO功能分析、功能分析、Pathway分析是什麼意思
Gene
Ontology可分為分子功能（
Molecular
Function），
生物過程
（
biological
process）和細胞組成（cellular
component
）三個部分。蛋白質或者基因可以通過ID對應或者序列注釋的方法找到與之對應的GO號，而GO號可對於到Term，即功能類別或者細胞定位。
功能富集分析:
功能富集需要有一個參考
數據集
，通過該項分析可以找出在統計上顯著富集的GO
Term。該功能或者定位有可能與研究的目前有關。
GO功能分類是在某一功能層次上統計蛋白或者基因的數目或組成，往往是在GO的第二層次。此外也有研究都挑選一些Term，而後統計直接對應到該Term的基因或蛋白數。結果一般以
柱狀圖
或者
餅圖
表示。
1.GO分析
根據挑選出的
差異基因
，計算這些差異基因同GO
分類中某（幾）個特定的分支的
超幾何分布
關系，GO
分析會對每個有差異基因存在的GO
返回一個
p-value
，小的p
值表示差異基因在該GO
中出現了富集。
GO
分析對實驗結果有提示的作用，通過差異基因的GO
分析，可以找到富集差異基因的GO分類條目，
尋找不同
樣品的差異基因可能和哪些基因功能的改變有關。
2.Pathway分析
根據挑選出的差異基因，計算這些差異基因同Pathway
的超幾何分布關系，Pathway
分析會對每個有差異基因存在的pathway
返回一個p-value，小的p
值表示差異基因在該pathway
中出現了富集。
Pathway
分析對實驗結果有提示的作用，通過差異基因的Pathway
分析，可以找到富集差異基因的Pathway
條目，尋找不同樣品的差異基因可能和哪些細胞通路的改變有關。與GO
分析不同，pathway
分析的結果更顯得間接，這是因為，pathway
是蛋白質之間的相互作用，pathway
的變化可以由參與這條pathway
途徑的蛋白的表達量或者蛋白的活性改變而引起。而通過晶元結果得到的是編碼這些蛋白質的mRNA
表達量的變化。從mRNA
到蛋白表達還要經過microRNA
調控，翻譯調控，
翻譯後修飾
（如
糖基化
，
磷酸化
），蛋白運輸等一系列的調控過程，mRNA
表達量和蛋白表達量之間往往不具有
線性關系
，因此mRNA
的改變不一定意味著蛋白表達量的改變。同時也應注意到，在某些pathway
中，如EGF/EGFR
通路，細胞可以在維持蛋白量不變的情況下，通過蛋白磷酸化程度的改變（調節蛋白的活性）來調節這條通路。所以晶元數據pathway
分析的結果需要有後期蛋白質功能實驗的支持，如Western
blot/ELISA，IHC（
免疫組化
），over
expression
（過表達），RNAi（RNA
干擾），knockout（基因敲除），trans
gene（轉基因）等。
3.基因網路分析
目的：根據文獻，資料庫和已知的pathway
尋找基因編碼的蛋白之間的相互關系(不超過1000
個基因)。
『陸』 GO分析出來的圖沒有柱帶
使用clusterProfiler包進行GO富集分析。
按照qvalue升序排序，分別選出前10個BP，CC，MF的條目，由於enrichGO函數生成的數據框默認是按照qvalue升序排序，所以這里我們只用選取前十個就行了。
『柒』 兩個樣本的對比go分析圖怎麼看
lz, A組與B組是區分兩個類觀測(obs)來源的 指標x 是用於描述人的某個身體指標 所以這里可分為 一個指標差異對比\ 多個指標差異對比 如果是一個 那麼 我們可以比較 A組100個人 與 B組200個人的差異性 你提到的spss可做t檢驗 但是去搜索下t檢驗的。
『捌』 晶元分析中的go分析 和 pathway分析 怎麼解讀
晶元分析中的go分析解讀：
基因本體（gene ontology），簡稱GO，是一種描述基因或基因產物基本特性的詞彙，由基因本體協會開發。
GO資料庫在建立注釋基因和蛋白質知識的標准詞彙體系，使各資料庫中基因產物功能描述相一致，隨著研究的深入，基因本體語義詞彙也在不斷更新。
Gene Ontology的分析，就是把你的基因的功能歸類注釋。
晶元分析中的pathway分析解讀 ：
Pathway Analysis就是把基因、蛋白或者分子放到「Map」到某個特定的經典代謝或者調控網路，或者自己根據你的分子集的作用關系與功能，形成自己的特異的pathway。這對於闡釋分子作用機理，找到Biomarker等非常重要。
1.Pathway功能分析及顯著性判斷
對差異表達基因進行Pathway功能分析，並計算Pvalue進行顯著性判斷，Pvalue越小，表明該pathway變化越顯著，並可對每條Pathway通路圖進行展示，同時在相應的位置標注差異表達基因。
2. Pathway中基因相關性分析
根據每兩個基因共出現在同一pathway中的次數統計，繪制基因共相關點線圖，進而得到不同pathway上基因的關聯情況。在分析工具上點擊「cell differentiation」，在「Term Information」中描述了細胞分化術語的基本信息，包括樹形及與父結點、子節點關系。
對於未知基因名的序列，可以用序列直接檢索GO資料庫。點擊AmiGO首頁上方的「BLAST」，進入檢索界面。在檢索框輸入氨基酸或核酸序列或上傳序列文件，檢索工具能自動識別並相應地選擇BLASTP或BLASTX來與資料庫中的序列進行比對。以大腸桿菌DNA聚合酶Ⅱ基因polB為例，「High Scoring Gene Procts」欄內顯示基因產物的名稱、物種信息、p值。
擴展：
GO的局限性：
GO不是基因序列或基因產物資料庫，它強調基因產物在細胞中的功能。
GO是對基因功能的注釋，不能反映此基因的表達情況，即是否在特定細胞中、特定組織中、特定發育階段或與某種疾病相關。
GO不對生物學的每個方面進行描述，如功能域的結構、進化特性等。
『玖』 轉錄組差異基因go分類圖怎麼解讀
轉錄組edgeR分析差異基因
edgeR是一個研究重復計數數據差異表達的Bioconctor軟體包。一個過度離散的泊松模型被用於說明生物學可變性和技術可變性。經驗貝葉斯方法被用於減輕跨轉錄本的過度離散程度，改進了推斷的可靠性。該方法甚至能夠用最小重復水平使用，只要至少一個表型或實驗條件是重復的。該軟體可能具有測序數據之外的其他應用，例如蛋白質組多肽計數數據。可用性：程序包在遵循LGPL許可證下可以從Bioconctor網站。
『拾』 基因差異火山圖怎麼看
基因差異火山圖看法如下：
火山圖可反映總體基因的表達情況，橫坐標代表log2（Fold Change）,縱坐標表示-log10（P值），每個點代表一個基因，顏色用以區分基因是否差異表達，圖中橙色的點代表差異表達基因，藍色的點代表沒有差異表達的基因。聚類圖聚類圖可以衡量樣本或基因之間表達的相似性。
在聚類圖中，橫坐標代表樣本聚類，一列代表一個樣本，聚類基於樣本間基因表達的相似性，樣本間基因表達越接近，靠的越近，以此類推。
縱坐標代表基因聚類，一行代表一個基因，聚類基於基因在樣本中表達的相似性，基因在樣本中表達越接近，靠的越近，以此類推。
色階代表基因表達豐度，越紅代表上調得越明顯，越綠代表下調得越明顯。