GO与KEGG富集分析：功能基因组学核心技术解析

1. 功能基因组学分析的利器：GO与KEGG富集解析

在生物信息学领域，功能注释和通路分析是解读高通量实验数据的关键步骤。当研究人员获得差异表达基因列表后，最常问的两个问题是："这些基因主要参与哪些生物过程？"以及"它们涉及哪些代谢或信号通路？"这正是GO（Gene Ontology）和KEGG（Kyoto Encyclopedia of Genes and Genomes）富集分析要解决的核心问题。

我从事生物信息分析工作多年，处理过数百个转录组和蛋白质组数据集。从实战经验来看，规范的富集分析不仅能验证实验假设，更能发现意料之外的生物学线索。本文将系统介绍这两种分析方法的技术原理、实施步骤和结果解读技巧，重点分享那些标准流程文档中不会提及的实战经验。

2. 核心概念与技术原理

2.1 GO富集分析的三维视角

基因本体论(GO)数据库从三个维度对基因功能进行系统注释：

• 生物过程(BP)：基因参与的多步骤生物程序，如"糖酵解过程"(GO:0006096)
• 分子功能(MF)：基因产物的分子级活动，如"ATP结合"(GO:0005524)
• 细胞组分(CC)：基因产物所在的亚细胞位置，如"线粒体基质"(GO:0005759)

富集分析的核心算法基于超几何分布检验，其数学本质是回答：在总基因背景中，某个GO term关联的基因比例 vs. 在目标基因集中该term关联的基因比例，是否存在统计学显著差异。计算公式为：

code复制P = 1 - Σ (C(M,i)*C(N-M,n-i))/C(N,n) [i=0→k-1]

其中N为背景基因总数，M为背景中与某GO term关联的基因数，n为目标基因数，k为目标基因中与该term关联的基因数。

实战经验：当分析结果出现大量泛化term（如"代谢过程"）时，建议使用GO slim简化结果。我曾处理过一个案例，原始结果包含200+显著term，经GO slim浓缩后聚焦到15个核心生物学主题。

2.2 KEGG通路分析的实现逻辑

KEGG数据库将基因映射到已知的代谢、信号传导等通路上。与GO分析不同，KEGG富集：

• 关注基因在通路中的相互作用关系
• 强调通路拓扑结构（如关键节点基因）
• 提供化合物变化等额外信息层

现代工具如clust