文章分析结果

小编利用上述案例中的数据GSE19804在GCBI在线实验室首先进行差异分析(|foldchange|>2, P值<0.001Q值<0.05)，得到了2202个差异基因。将差异基因分别进行GO(P值<0.01，FDR<0.01)和pathway分析(P值<0.05)，富集得到351个GO term和110条pathway。结果如下图所示，表一和表二分别为部分GO富集结果和最显著的15条pathway分析结果。

GO和pathway分析结果中都得到了文章中选定的axonguidance这个结果(红框)。

结果怎么看呢?

表头各个参数的解释如下，其中，重点看三个指标，enrichment score、p值和FDR。Pathway分析主要看P值和FDR值，两者越小越好。GO分析还可看enrichmentscore，数值越大表示某个GOterm越容易受到实验因素的影响。

如何定位到基因呢?

将axonguidance中的差异表达基因全部挑选出来，列表如下。作者在文中挑选了显著性最高的SEMA5A作为后续的研究对象。在我们的分析中，当p值小于10^-6时默认为0，按照表达倍数排列SEMA5A也排在前列，和作者的结果较吻合。

Ps：因参数设置和文章中不同，结果仅供参考。

教程：GO和pathway分析

目前有许多GO和pathway分析软件，GO分析软件有Avadis(商业软件)、BiNGO(开源java)、DAVID(基于web的工具)等，pathway分析有IPA和MetaCore(商业软件)等。

但这些软件学习成本高，且许多都是商业软件。有没有一种分析方法无门槛，直接上手就可以搞定的呢?

GCBI平台，伸手党的福音，生信分析方法直接加载了模块，你需要做的只是创建方案，拖动模块，单击运行即可。小编用样本GSE19804演示一下，倒数10min，GO富集分析，pathway分析全搞定。

1、进入GCBI网站的在线实验室https://www.gcbi.com.cn(需注册才能使用)

2、建立项目——方案，在方案界面，拖动模块，修改名字和参数，并用连接线将模块连接成一个方案，小编建立了如下差异分析和GO和pathway分析方案。

3、选择样本数据。

样本数据GSE19804直接来自于GCBI样本库，将样本发送到在线实验室。点击方案中样本模块，在样本分组管理中选择配对样本，选择好相应的对照组和实验组样。Lungnormal **N为对照组，Lungcancer **T为实验组。

4、设置各模块参数

差异分析             |fold change|>1.2 P值<0.05 ， Q值<0.05

GO分析              分析类型生物功能分析p值<0.01 ，FDR<0.01

Pathway分析      p值<0.05

5、运行方案

附录：

文献技术及参数：

1、检测手段:GeneChip Human Genome U133 Plus 2.0 expression arrays (Affymetrix, Inc.)

2、差异筛选：配对t 检验 (P <10^-16)和Bonferroni 校正P值

3、pathway分析：IPA软件费希尔精确检验(fisher’s exact test) P<0.5