‘壹’ 如何看go数据库中查出来的pathway，是否与肿瘤相关
我对这个也不算非常了解，简单说下我的经验，仅供参考。
首先其实有很多pathway都与肿瘤相关，一般来说与肿瘤发生相关的pathway包括细胞信号转导（akt，notch，MAPK等）、细胞损伤修复（ATM，NHEJ等）、细胞周期调控（Cdk）、基因表达调控（如 p53）以及细胞迁移等，而且它们之间一般都有交叉。虽然大多数pathway都或多或少参与肿瘤发生，但是直接相关的一般是我提到的这些，主要作用于cancer的发生，成熟以及迁移。
其次，通过你这个图上列出来的这个肿瘤基因有可能参与的过程，我觉得有可能参与肿瘤发生的包括：regulation of cell morphogenesis（因为肿瘤细胞形成中细胞形态会发生变化）；regulation of gene expression（比如p53就会抑制与cancer发生相关基因的表达，但这个功能实在太宽泛了，可以说所有细胞活动都和基因表达相关，请问你这个基因是transcript factor吗？如果是的话这就很可能是它直接参与cancer development的原因）；positive regulation of peptidase activity （和前面那点一样，这种广谱性影响蛋白质变化的过程可以参与任何方面）；response to corticosteroid （有可能通过response to一些皮质类激素调节cell signal）；positive regulation of macromolecule biosynthetic process（调节大分子生物合成也可能影响蛋白质表达）；anatomical structure formation involved in morphogenesis （同在morphogenesis的解释）。
最后说明一点，仅仅通过这种方法其实并不会很大的缩小范围，但是如果结合你的目的蛋白的功能研究（如果之前有相关文献报道或者你已知目的蛋白具有酶活性）或定位分析，就可以大大缩小范围了。
希望能对你有所帮助，如果有进一步问题，我们可以继续讨论。
‘贰’ r语言go注释统计分析图怎么画
#include int main(int argc, char ** argv) {int i = 1, j = 1, k = 1;do {do {if (i != 5)printf(" ");j++;} while (j
‘叁’ 转录组分析中go分析中的f，p，c什么意思
一、func Open(name string) (file *File, err error)
再简单不过了，给一个路径给它，返回文件描述符，如果出现错误就会返回一个 *PathError。
这是一个只读打开模式，实际上就是 os.OpenFile() 的快捷操作，它的原型如下：
复制代码代码如下:
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)
这个复杂点，需要提供文件路径、打开模式、文件权限。
打开标记：
O_RDONLY：只读模式(read-only)
O_WRONLY：只写模式(write-only)
O_RDWR：读写模式(read-write)
O_APPEND：追加模式(append)
O_CREATE：文件不存在就创建(create a new file if none exists.)
O_EXCL：与 O_CREATE 一起用，构成一个新建文件的功能，它要求文件必须不存在(used with O_CREATE, file must not exist)
O_SYNC：同步方式打开，即不使用缓存，直接写入硬盘
O_TRUNC：打开并清空文件
文件权限（unix权限位）：只有在创建文件时才需要，不需要创建文件可以设置为 0。os库虽然提供常量，但是我一般直接写数字，如0664。
‘肆’ 怎么用origin做go分析图
1、首先打开origin图，可以看到一个表格，分别写上标题、单位、注释和作图的数据。
2、可以直接在origin表格中输入数据或者通过excel表格粘贴到表格中。
3、直接选中X、Y轴要作图的数据。点击表格下方图形类型的快捷按钮，可以得到所要做的图形；或者点击Plot制作图形。
4、得到图形，根据需要还可以改变图形的类型以及对图形进行设置等等。
‘伍’ 什么是GO富集分析，常说的GO功能分析、功能分析、Pathway分析是什么意思
Gene
Ontology可分为分子功能（
Molecular
Function），
生物过程
（
biological
process）和细胞组成（cellular
component
）三个部分。蛋白质或者基因可以通过ID对应或者序列注释的方法找到与之对应的GO号，而GO号可对于到Term，即功能类别或者细胞定位。
功能富集分析:
功能富集需要有一个参考
数据集
，通过该项分析可以找出在统计上显着富集的GO
Term。该功能或者定位有可能与研究的目前有关。
GO功能分类是在某一功能层次上统计蛋白或者基因的数目或组成，往往是在GO的第二层次。此外也有研究都挑选一些Term，而后统计直接对应到该Term的基因或蛋白数。结果一般以
柱状图
或者
饼图
表示。
1.GO分析
根据挑选出的
差异基因
，计算这些差异基因同GO
分类中某（几）个特定的分支的
超几何分布
关系，GO
分析会对每个有差异基因存在的GO
返回一个
p-value
，小的p
值表示差异基因在该GO
中出现了富集。
GO
分析对实验结果有提示的作用，通过差异基因的GO
分析，可以找到富集差异基因的GO分类条目，
寻找不同
样品的差异基因可能和哪些基因功能的改变有关。
2.Pathway分析
根据挑选出的差异基因，计算这些差异基因同Pathway
的超几何分布关系，Pathway
分析会对每个有差异基因存在的pathway
返回一个p-value，小的p
值表示差异基因在该pathway
中出现了富集。
Pathway
分析对实验结果有提示的作用，通过差异基因的Pathway
分析，可以找到富集差异基因的Pathway
条目，寻找不同样品的差异基因可能和哪些细胞通路的改变有关。与GO
分析不同，pathway
分析的结果更显得间接，这是因为，pathway
是蛋白质之间的相互作用，pathway
的变化可以由参与这条pathway
途径的蛋白的表达量或者蛋白的活性改变而引起。而通过芯片结果得到的是编码这些蛋白质的mRNA
表达量的变化。从mRNA
到蛋白表达还要经过microRNA
调控，翻译调控，
翻译后修饰
（如
糖基化
，
磷酸化
），蛋白运输等一系列的调控过程，mRNA
表达量和蛋白表达量之间往往不具有
线性关系
，因此mRNA
的改变不一定意味着蛋白表达量的改变。同时也应注意到，在某些pathway
中，如EGF/EGFR
通路，细胞可以在维持蛋白量不变的情况下，通过蛋白磷酸化程度的改变（调节蛋白的活性）来调节这条通路。所以芯片数据pathway
分析的结果需要有后期蛋白质功能实验的支持，如Western
blot/ELISA，IHC（
免疫组化
），over
expression
（过表达），RNAi（RNA
干扰），knockout（基因敲除），trans
gene（转基因）等。
3.基因网络分析
目的：根据文献，数据库和已知的pathway
寻找基因编码的蛋白之间的相互关系(不超过1000
个基因)。
‘陆’ GO分析出来的图没有柱带
使用clusterProfiler包进行GO富集分析。
按照qvalue升序排序，分别选出前10个BP，CC，MF的条目，由于enrichGO函数生成的数据框默认是按照qvalue升序排序，所以这里我们只用选取前十个就行了。
‘柒’ 两个样本的对比go分析图怎么看
lz, A组与B组是区分两个类观测(obs)来源的 指标x 是用于描述人的某个身体指标 所以这里可分为 一个指标差异对比\ 多个指标差异对比 如果是一个 那么 我们可以比较 A组100个人 与 B组200个人的差异性 你提到的spss可做t检验 但是去搜索下t检验的。
‘捌’ 芯片分析中的go分析 和 pathway分析 怎么解读
芯片分析中的go分析解读：
基因本体（gene ontology），简称GO，是一种描述基因或基因产物基本特性的词汇，由基因本体协会开发。
GO数据库在建立注释基因和蛋白质知识的标准词汇体系，使各数据库中基因产物功能描述相一致，随着研究的深入，基因本体语义词汇也在不断更新。
Gene Ontology的分析，就是把你的基因的功能归类注释。
芯片分析中的pathway分析解读 ：
Pathway Analysis就是把基因、蛋白或者分子放到“Map”到某个特定的经典代谢或者调控网络，或者自己根据你的分子集的作用关系与功能，形成自己的特异的pathway。这对于阐释分子作用机理，找到Biomarker等非常重要。
1.Pathway功能分析及显着性判断
对差异表达基因进行Pathway功能分析，并计算Pvalue进行显着性判断，Pvalue越小，表明该pathway变化越显着，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。
2. Pathway中基因相关性分析
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。
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 Procts”栏内显示基因产物的名称、物种信息、p值。
扩展：
GO的局限性：
GO不是基因序列或基因产物数据库，它强调基因产物在细胞中的功能。
GO是对基因功能的注释，不能反映此基因的表达情况，即是否在特定细胞中、特定组织中、特定发育阶段或与某种疾病相关。
GO不对生物学的每个方面进行描述，如功能域的结构、进化特性等。
‘玖’ 转录组差异基因go分类图怎么解读
转录组edgeR分析差异基因
edgeR是一个研究重复计数数据差异表达的Bioconctor软件包。一个过度离散的泊松模型被用于说明生物学可变性和技术可变性。经验贝叶斯方法被用于减轻跨转录本的过度离散程度，改进了推断的可靠性。该方法甚至能够用最小重复水平使用，只要至少一个表型或实验条件是重复的。该软件可能具有测序数据之外的其他应用，例如蛋白质组多肽计数数据。可用性：程序包在遵循LGPL许可证下可以从Bioconctor网站。
‘拾’ 基因差异火山图怎么看
基因差异火山图看法如下：
火山图可反映总体基因的表达情况，横坐标代表log2（Fold Change）,纵坐标表示-log10（P值），每个点代表一个基因，颜色用以区分基因是否差异表达，图中橙色的点代表差异表达基因，蓝色的点代表没有差异表达的基因。聚类图聚类图可以衡量样本或基因之间表达的相似性。
在聚类图中，横坐标代表样本聚类，一列代表一个样本，聚类基于样本间基因表达的相似性，样本间基因表达越接近，靠的越近，以此类推。
纵坐标代表基因聚类，一行代表一个基因，聚类基于基因在样本中表达的相似性，基因在样本中表达越接近，靠的越近，以此类推。
色阶代表基因表达丰度，越红代表上调得越明显，越绿代表下调得越明显。