GO、KEGG的注释是怎么来的？| 进阶
2021年09月24日更新
一些必须搞清楚的问题：
- 为什么GO这么常用且好用？有什么启发？
- GO里的注释怎么得到的？可靠吗？有什么局限？
- GO的冗余需要处理吗？
我的回答：
- 高通量测序后只研究一个基因是没有意义的，而GO BP terms所代表的pathway就是功能的单位，我们可以更全面地了解整个pathway的变化。目前无论是什么组学，最后都离不开GO BP pathway的分析，这就是大家公认的好用，CNS也用。case-control的差异分析得到gene list紧接着做GO富集，这一套分析永远都具有不可撼动的地位。
- 显然GO里的pathway都是人手动注释的，是基于证据的（证据的种类），BP的大多数证据是IBA（同源）和IMP（突变型），如果是mutant那就是causal的。gene是固定在基因组上的，就那么些，而terms则是人为定义的，类似于GWAS的表型，是人根据自己的理解认知而定义出的一个宏观和具体或抽象的概念，理论上可以有无数个terms。本质是另一种形式上的基因与功能的关联。 | GO用来做无偏的gene list enrichment和pathway score都是可以的，但是千万不可能以循环论证。| 局限就是GO term仍然是较为粗浅的理解，只能做大的功能的鉴定，没有给出具体的调控因果关系。
- 冗余是肯定的，一方面是树状结构；另一方面就是基因的多效性，可以聚类得到主要的pathway，参考文章。
http://geneontology.org/
https://www.ebi.ac.uk/QuickGO/
但凡是做过基因表达数据分析的（芯片、RNA-seq，scRNA-seq），肯定是跑过基因集功能注释和通路富集的，因为它是研究未知基因集的利器。
但跑过之后老板肯定会给反馈，通常得到的注释都是没有太多意义的，偶尔能随缘得到一些满意的注释，所以常见的注释数据库是有显而易见的缺点的。
而往往我们是在验证时才使用注释，这种拿不准确数据来验证新的数据的方法确实值得思考。
那么GO和KEGG常见注释库到底有些什么缺点呢？
那就不得不去了解GO、KEGG是怎么来的
The Gene Ontology Consortium (GOC) uses two further evidence codes to describe experimental support for an annotation:
IMP (Inferred by mutant phenotype),
and IPI (Inferred by physical interaction).
The consortium uses other evidence codes to describe inferences used in annotations that are not supported by direct experimental evidence, but these will not be considered in this discussion (http://www.geneontology.org/GO.evidence.shtml).
First, each KO record is re-examined and associated with protein sequence data used in experiments of functional characterization.
Second, the GENES database now includes viruses, plasmids, and the addendum category for functionally characterized proteins that are not represented in complete genomes.
Third, new automatic annotation servers, BlastKOALA and GhostKOALA, are made available utilizing the non-redundant pangenome data set generated from the GENES database.
我的答案：
显然生物体内的所有基因表达是一个动态的网络
像GO这种静态的树状结构是会丢失大部分信息，树结构和网络结构有天壤之别。
像KEGG这种虽然是网状结构，但是也只是一个小的局部静态网络，必然会丢失一些全局的、动态的信息。
也就是对基因的划分不能静态，实际上我们也很难真正研究一个基因的功能，因为牵一发而动全身，这就是为什么仅仅敲除一个基因会带来如此大的连锁效应！
看文章：Gene Ontology annotations: what they mean and where they come from
KEGG as a reference resource for gene and protein annotation
