基因功能的富集分析已成為高通量組學(xué)數(shù)據(jù)分析的常規(guī)手段, 對(duì)于揭示生物醫(yī)學(xué)分子機(jī)制具有重要意義. 目前已有上百種基因功能富集分析的方法和工具. 根據(jù)所解決的問(wèn)題和算法的原理, 這些方法可大體分為過(guò)代表分析、功能集打分、基于通路拓?fù)浣Y(jié)構(gòu)和基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)4大類(lèi).

來(lái)自復(fù)旦大學(xué)生命科學(xué)學(xué)院等處的幾位學(xué)者對(duì)這4大類(lèi)方法的原理及其中的典型方法進(jìn)行了綜述, 并討論了基因功能富集分析結(jié)果的冗余性問(wèn)題及建立標(biāo)準(zhǔn)數(shù)據(jù)集的必要性.

隨著高通量測(cè)序技術(shù)的飛速發(fā)展及相關(guān)技術(shù)的廣泛應(yīng)用, 生物醫(yī)學(xué)相關(guān)研究領(lǐng)域已進(jìn)入了大規(guī)模組學(xué)數(shù)據(jù)呈指數(shù)增長(zhǎng)的后基因組時(shí)代。

  一方面, 這使得生物醫(yī)學(xué)研究得以從單個(gè)基因的分析轉(zhuǎn)變?yōu)橄到y(tǒng)水平上的研究, 對(duì)于揭示生物醫(yī)學(xué)的基本分子機(jī)制具有重要推動(dòng)作用. 但另一方面, 如此龐大的數(shù)據(jù)量也給信息的有效提取和分析帶來(lái)了巨大的挑戰(zhàn).

為了從龐雜的組學(xué)數(shù)據(jù)中發(fā)掘規(guī)律, 研究者通常會(huì)對(duì)基因功能進(jìn)行富集分析, 期望發(fā)現(xiàn)在生物學(xué)過(guò)程中起關(guān)鍵作用的生物通路, 從而揭示和理解生物學(xué)過(guò)程的基本分子機(jī)制. 現(xiàn)在, 基因功能的富集分析已成為功能組學(xué)數(shù)據(jù)分析的常規(guī)手段, 并隨著高通量組學(xué)數(shù)據(jù)的發(fā)展, 如從基因芯片數(shù)據(jù)到RNA-seq數(shù)據(jù)的轉(zhuǎn)變, 開(kāi)發(fā)出了一系列相應(yīng)的分析方法, zui早開(kāi)發(fā)的過(guò)代表分析(over-representation analysis, ORA)僅針對(duì)一組基因, 而高通量組學(xué)數(shù)據(jù)的發(fā)展使得功能集打分(functional class scoring, FCS)應(yīng)運(yùn)而生, 隨著對(duì)于生物學(xué)通路及復(fù)雜網(wǎng)絡(luò)的深入完善和了解, 又相繼開(kāi)發(fā)了基于通路拓?fù)浣Y(jié)構(gòu)(pathway topology, PT)和基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)(network topology, NT)的方法.

這篇文章對(duì)現(xiàn)有的基因功能富集分析方法進(jìn)行簡(jiǎn)要的總結(jié)評(píng)述, 以方便研究者了解相關(guān)領(lǐng)域, 并選擇適合的研究工具.

高通量實(shí)驗(yàn)手段的廣泛應(yīng)用可以得到全基因組范圍內(nèi)的各種組學(xué)數(shù)據(jù), 通過(guò)統(tǒng)計(jì)分析方法, 根據(jù)基因所參與的生物通路的功能注釋信息, 發(fā)現(xiàn)其中顯著富集的生物學(xué)功能可從數(shù)據(jù)中揭示生物學(xué)分子機(jī)制問(wèn)題, 從而服務(wù)于基礎(chǔ)生物醫(yī)學(xué)研究、應(yīng)用臨床醫(yī)學(xué)、藥物開(kāi)發(fā)及個(gè)性化醫(yī)療等方面. 本文對(duì)基因功能富集分析方法進(jìn)行了分類(lèi)評(píng)述. 需要注意的是, 任何方法都沒(méi)有的“好壞”之分, 每個(gè)方法都有自己的優(yōu)點(diǎn)和一定適用范圍, 研究者應(yīng)在對(duì)富集分析方法有一定了解的基礎(chǔ)上, 根據(jù)研究目的和需求, 選擇zui為合理的方法. 此外, 本文還探討了功能富集分析結(jié)果的冗余性問(wèn)題及建立標(biāo)準(zhǔn)數(shù)據(jù)集的必要性.