上手就会的功能（GO）分析和信号通路（Pathway）分析

GCBI版本更新公告

GCBI将于今晚19:00到次日6:00进行版本更新，明日6:00方可使用，带来不便敬请见谅。

更新意味着新产品的上线或是产品的迭代完善。这次更新，在RNA-seq分析原先的差异筛选功能上，新增了功能(GO)分析和信号通路（Pathway）分析。

分析地址：GCBI在线实验https://www./gclab/html/index

 

GO分析

直接用demo数据做演示，首先筛选差异基因，参数：P<><0.05，fold>

（RNA-seq差异基因筛选更多详情看这里）

点击下一步，可进行GO分析或者Pathway分析，删除本节点可删除这一步分析结果。

选择GO分析，可同时进行生物过程、分子功能和细胞组分这三个维度的分析。在后续筛选中可依次筛选每个维度结果。

选生物过程为例，得到1716条结果，对结果可进行显著性筛选或自定义筛选。

显著性筛选

在显著性GO筛选中，参数P和FDR一般设置为0.05。

参数的含义和设置不明白的参考下方 

http://college./archives/1352

 

自定义筛选

还可根据自己的需求进行自定义筛选，输入关注的基因或功能名称即可。可同时输入多个基因/关键词。

信号通路（pathway）分析

信号通路分析过程与GO功能分析类似。在对结果的筛选中，可进行显著性筛选、通路分类筛选和自定义筛选。

 

显著性筛选

显著性筛选参数设置同GO功能分析。

 

通路分类筛选

通路分类筛选提供了常见的免疫相关的、信号传导相关的、细胞生长和凋亡相关的 、内分泌相关的信号通路以及已报道的与肿瘤发生相关的信号通路。

可以根据关注的信号通路进行筛选，每一信号通路对包含的差异基因进行了统计。

每一大类的信号通路详情可参见http://college./archives/1352

自定义筛选

自定义筛选提供关键词筛选和信号通路分类筛选。

信号通路分类筛选根据KEGG数据库中信号通路的七大分类，分别对每一大类包含的信号通路进行数量统计，用户可以根据关注的研究方向进行筛选。

 够简单吧。

GO和pathway分析结果如何看？

如果是芯片数据，又怎么做GO和pathway分析？

见下方。

使用上有任何意见或建议，请大方的告诉我们！

下方留言即可。

拓展

 一文掌握GO和pathway分析

零基础做RNA-seq差异分析

1分钟看懂差异表达基因结果