GO分析时使用上调or下调差异基因

分开与合在一起都可以分析，但目的不同。

分开分析更多强调看通路是被激活还是被抑制；

合在一起分析更宏观。

1 为什么要分开讨论？因为我们希望通过看显著上调或下调的基因中通过GO和KEGG注释，归类之后有没有你所关注的科学问题

2 基因不是单独作用的，所以你可能会发现希望上调的结果下调了，希望下调的结果上调了，这个就需要你做PPI的 相互作用网络分析 了

3 以上是基本层次的，目前比较好的是做到 IPA（ingenuity pathway analysis） 主要对医学和动物模型（大小鼠）相关研究有用，对上下调的基因数据做一个完整的整合分析

待续。。。

转自Y叔

AnnotationHub

clusterProfiler

具体函数

columns(x) ： 显示当前对象有哪些数据

keytypes(x) : 有哪些keytypes可用做select或者keys的keytypes参数

keys(x, keytyp,) ： 返回当前数据对象的keys （类似于他包含的内部值）

select(x, keys, colums,keytypes,) : 基于keys，columns，返回数据

mapIds(x,keys, columns,keytype,) ： 类似select，但是返回一个列

你不可能把所有差异基因都验证的，只需要验证几条基因，把你从这些基因差异中得到的结论说清楚，你就已经是大师了。建议你先把GO和KEGG的聚类分析好好研究一下，看看里面跟你感兴趣的研究方向有关的基因是不是有差异，特别是KEGG，是个强大的数据库，从它的图上能得到很多信息。这个转录组的研究必须结合自己的研究方向，不可能全部的信息的都用上的，要能找到一个深入的研究。

以上就是关于GO分析时使用上调or下调差异基因全部的内容，包括:GO分析时使用上调or下调差异基因、非模式基因GO富集分析：以玉米为例+使用OrgDb、GO和KEGG必须要有很多差异基因吗等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！