① 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。
② 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)。