第3章 GO的三个本体：生物学过程、分子功能、细胞组分

讲GO富集分析，首先得搞清楚GO是什么。

GO不是某个软件，也不是数据库。它是一个本体（Ontology）。说白了，就是用一套标准化的词汇，来描述基因和蛋白质的功能。

为什么要搞这么一套东西？

你想想看，A实验室说“这个基因跟细胞死亡有关”，B实验室说“这个基因参与凋亡”，C实验室可能说“这个基因促进程序性死亡”。三个说法其实是一回事，但机器读不懂。GO就把这些说法统一成“apoptotic process”这个词条。这样全世界的科研人员都能对齐语言。

GO把基因功能分成三大类，也就是三个本体。我个人习惯叫它们：BP、MF、CC。记住这三个缩写，后面你会一直碰到。

3.1 生物学过程（Biological Process, BP）

生物学过程描述的是：这个基因参与了什么“大事”。

不是指单个分子反应，而是由多个分子事件串联起来的、有始有终的生物学程序。比如“DNA修复”、“细胞周期”、“免疫应答”。

举个例子：TP53这个基因，它的BP注释里有一条“cell cycle arrest”。意思是这个基因会参与到“让细胞周期停下来”这件事里。听着有些抽象？这就是BP的视角——它关心的是过程，不是单个动作。

BP条目在GO数据库中是有层级关系的。父节点比较宏观，比如“代谢过程”；子节点更具体，比如“葡萄糖代谢过程”。富集分析默认会展示最具体的层级。

3.2 分子功能（Molecular Function, MF）

分子功能回答的是：这个基因在分子层面干了什么“手艺活”。

它描述的是单个基因产物（通常是蛋白质）的生化活性，比如“结合ATP”、“催化某个化学反应”、“作为转录因子结合DNA”。

来，看个对比就明白了：

一个是“做什么事”，一个是“怎么做的”。

我记得刚做富集分析时，有同事只看BP富集，觉得MF没什么用。后来遇到一个案例：某基因在BP里没显著富集，但MF里富集出了“蛋白激酶活性”。一查文献，这个基因确实是某个信号通路的关键激酶，只是通路太窄，在BP统计里没达到阈值。从那以后，我建议三个本体都跑一遍。

3.3 细胞组分（Cellular Component, CC）

细胞组分描述的是：这个基因产物在细胞的哪个位置干活。

是细胞核？线粒体？细胞膜？还是胞质？

CC本体里包含了很多亚细胞结构，比如“核小体”、“线粒体基质”、“突触后膜”。

为什么会关心位置？

我给你说个亲身体会。有一次我分析一个神经退行性疾病的RNA-seq数据，差异基因在CC富集里出了“线粒体”相关条目。我当时就觉得不对劲——神经退行跟线粒体功能障碍关系非常紧密。后来把结果发给合作者，对方说：“你们找的基因基本都在线粒体上，和我预想完全一致。”

这就是CC的价值。它能帮你快速锁定基因的作用场所，从而推测生物学机制。

3.4 三个本体的关系与实战取舍

三个本体不是割裂的。它们是互相关联的：

• MF 是基因的“手艺”
• BP 是这些手艺串联成的“工程”
• CC 是工程发生的“工地”

实际分析中，很多人只看BP。但我建议至少把BP和CC都看了。CC有时候能给你BP看不到的线索，特别是当基因表达差异跟亚细胞定位有关的时候。

我整理了一个使用习惯，供你参考：

嗯，这里要注意：很多在线工具（比如DAVID、clusterProfiler）默认只输出BP富集。如果你需要MF和CC的结果，得手动勾选。别大意，我踩过这个坑。

这张图我画得比较简单。中心是基因，三个本体从不同角度描述它。实际上数据里一个基因可以对多个BP、多个CC、一个MF。但是原则不变：他们都指向同一个基因产物。