企业官网建设流程全解析

1. 从测序数据到功能注释的快速通道

刚拿到高通量测序数据的同学，面对海量基因序列时总会陷入迷茫：这些基因到底有什么功能？它们参与了哪些生物过程？这时候GO、KEGG和COG三大注释工具就是你的"基因翻译官"。我处理过上百个转录组项目，实测下来这套组合拳最能快速理清基因功能脉络。

三大注释系统的核心区别用个生活类比：就像给超市商品分类，GO是按商品用途（分子功能）、摆放区域（细胞组分）和使用场景（生物过程）来标签化；KEGG则是把商品按使用说明书（代谢通路）归类；COG更像按商品生产厂家（直系同源组）划分。实际操作中，我们常用eggNOG-mapper这个"瑞士军刀"，它能同时输出三种注释结果。

2. 零配置启动eggNOG-mapper注释

2.1 极简安装方案

推荐用conda创建独立环境，避免依赖冲突：

conda create -n eggnog python=3.7 conda activate eggnog conda install -c bioconda eggnog-mapper

第一次运行会自动下载约15G的数据库（建议睡前开始下载）。遇到过数据库下载卡死的同学，可以试试这个备用命令：

download_eggnog_data.py -y -f --data_dir /your/path

2.2 单命令完成全注释

准备好FASTA格式的蛋白序列文件（核酸序列需先翻译），运行：

emapper.py -i your_proteins.fa -o output_prefix --cpu 16

关键参数说明：

• --itype：序列类型（默认自动检测）
• --cpu：线程数（实测16线程处理10万条序列约2小时）
• --tax_scope：限定物种范围（如--tax_scope 33090只匹配植物）

最近帮实验室新生处理数据时，发现输出结果最易混淆的是这几列：

• seed_ortholog：匹配到的参考基因
• evalue：可靠性指标（小于1e-5较可信）
• GO_terms：多个GO号用逗号分隔
• KEGG_KO：KEGG通路编号（KO开头）

3. 富集分析避坑指南

3.1 差异基因筛选的雷区

很多同学做富集分析效果差，问题往往出在前期的差异基因筛选。建议用这个RScript生成差异基因列表：

library(DESeq2) dds <- DESeqDataSetFromMatrix(countData, colData, design=~group) dds <- DESeq(dds) res <- results(dds, alpha=0.05) sig_genes <- rownames(subset(res, padj < 0.05)) write.table(sig_genes, "deg_list.txt", quote=F, row.names=F)

关键点：padj值（校正后p值）比p值更可靠，阈值建议0.05-0.1之间。上周有个案例，用p值筛选得到2000个差异基因，但用padj只剩83个——后者做富集分析信号反而更显著。

3.2 clusterProfiler一键式富集

R里的clusterProfiler包是我用过最顺手的富集工具，支持GO/KEGG/COG三种分析。分享个万能模板代码：

library(clusterProfiler) ego <- enrichGO(gene = sig_genes, OrgDb = "org.At.tair.db", keyType = "TAIR", ont = "BP", pvalueCutoff = 0.05) dotplot(ego, showCategory=20)

常见报错解决方案：

• OrgDb报错：用available.packages()查看支持的物种
• keyType报错：检查基因ID类型是否匹配
• 结果为空：放宽pvalueCutoff或检查输入基因格式

有个实用技巧：添加qvalueCutoff=0.2参数可以控制假阳性率，比单纯用p值更稳定。

4. 结果解读与可视化技巧

4.1 富集结果的三重验证

去年审稿时发现80%的文章都犯了这个错误——仅凭p值判断富集结果。可靠的结论需要三个指标交叉验证：

1. 富集倍数（GeneRatio/BgRatio）：大于2较有意义
2. p值：小于0.05
3. 基因数：富集到term的基因不少于5个

推荐用这个组合图呈现结果：

library(enrichplot) p1 <- dotplot(ego) p2 <- emapplot(ego) p3 <- cnetplot(ego) cowplot::plot_grid(p1, p2, p3, ncol=1)

4.2 通路图的动态探索

KEGG结果不要只停留在表格里，用pathview包生成带表达量的通路图：

library(pathview) pathview(gene.data=log2FC, pathway.id="ath00941", species="ath", limit=list(gene=2, cpd=1))

输出是交互式HTML文件，鼠标悬停可以看到每个基因的详细表达数据。有个少有人知的功能：添加kegg.native=FALSE参数可以生成矢量图，方便论文投稿。

记得第一次做富集分析时，我被GO图的复杂层级关系绕晕了。后来发现用goplot(ego)可以生成简化版拓扑图，重点显示显著富集的term及其关系。对于通路分析，建议先用kegg_category()函数查看所有通路大类，避免陷入细节。