DAVID网站，官方网址为：https://david.ncifcrf.gov/。

6个主要工具

1、操作步骤

点击“Functional Annotation”，功能注释工具。

在Step1中输入准备好的差异基因，可以是ID也可以是symbol

Step2中选择"OFFICIAL_GENE_SYMBOL"，如果输入的是基因号就选对应的ENSEMBL_GENE_ID等

完整例子，Step4中选择"Submit list"

分析成功会跳转到次页面

点击“Gene_Ontology”进行GO分析(基因本体论)，也就是对基因进行功能注释，勾选GO分析的三个参数：BP（生物学过程），CC（细胞组分），MF（分子功能）。

点击BP后面的“Chart”（红色框框后面的）。

然后点击“Download File”,下载GO分析BP的数据，跳转页面。（其他的内容下载也如此操作）。

2、数据保存方法
将得到的结果全选后粘贴，保存在一个txt文件里面，用EXCEL打开查看如下。

先保存为txt再用EXCEL打开，方便后续整理

选择基因功能富集数量（Count）最多五个，(数量相等情况下根据 “P-Value” 值选择)。

 Count：计数，表明在该术语下的基因数量。 PValue：P值，用于评估观察到的结果是否具有统计学意义，通常较小的P值（如<0.05）表示结果显著。

表头的含义

Category：类别，通常指分析中所涉及的生物学过程、功能或通路的分类。

Term：术语，指具体的生物学术语或功能描述。

Count：计数，表明在该术语下的基因数量。

%：百分比，表示该术语下基因数量占总基因数量的比例。

PValue：P值，用于评估观察到的结果是否具有统计学意义，通常较小的P值（如<0.05）表示结果显著。

Genes：基因，列出在该术语下的相关基因名称或ID。

List Total：列表总数，表示在分析中使用的基因总数。

Pop Hits：总体命中数，指在整个基因组中与该术语相关的基因数量。

Pop Total：总体总数，表示整个基因组中的基因总数。

Fold Enrichment：倍数富集，表示观察到的基因数量与预期基因数量的比值，通常用于衡量某个功能或通路的富集程度。

Bonferroni：Bonferroni校正后的P值，考虑到多重比较时的显著性水平调整。

Benjamini：Benjamini校正后的P值，通常用于控制假发现率（FDR）。

FDR：假发现率，表示在所有被拒绝的原假设中，实际上为真的比例。

3、数据整理和绘图

（1）条形图（代码或者EXCEL来做都可以）

其他图下次写代码

以上GO的分析已完成，接着找到“Pathways”,选择KEGG_PATHWAY。

同样点击 Chart。

和GO步骤一样，就简要概括一下。
① 同样点击 Chart。

② 点击其中一条通路的Term，查看通路图。

③ 点击“Download File”，下载KEGG分析的数据，保存在TXT文档中，EXCEL打开。

总体查看所有结果的方法

下拉页面我们可以看到三个选项，点击中间的选项Functional Annotation Chart。可以查看所有的GO和KEGG分析结果。

DAVID常用的第二个功能是基因ID转换，回到首页，点击“Gene ID Conversion”。

选择一列基因ID输入step1中

其它步骤同之前

在Option1中的选择主要看你输入的是ID还是别的，对应选择就行了

在Option1中选择“ENSEMBL_GENE_ID”，点击提交。

跳转界面后，点击SHOW GENE LIST。

最终，基因ID便转换为基因名称了，点击下载保存，基因转换率为100%，当然，当基因ID数量较多时候，可能转换率就达不到100%了。

PS：我不喜欢用它ID转换，我喜欢别的软件。下次介绍。

Metascape网站，https://metascape.org/gp/index.html#/main/step1

优点：

① 三步完成基因分析；

② 一次分析即可完成GO、KEGG 和 PPI ；

③ 数据更新快，覆盖广，整合了多个数据库的资源。

④ Metasacape网站整合了GO、KEGG、Uniprot等多个权威的功能数据库，每月更新一次，保证了数据的可靠性。

1、页面介绍

很喜欢它的界面

官网的界面十分简洁清晰，左侧的数据分析栏，右侧信息公告栏，右上角是网站提供的一些帮助文件和小工具（感兴趣可以直接下拉查看），页面下拉，有关于Metascape的视频介绍和Metascape引用的一些杂志的信息。

2、数据分析

Step1: 输入基因，有两种方式。

①本地文件导入或者粘贴 gene list 。

在右侧，我们可以看到Metascape支持三种格式：xls/xlsx、CSV和txt。

本地输入时候要勾选“Multiple Gene List”选项。

方式①

② 粘贴好差异基因，点击Submit。

Step2:选择物种，选择H.sapiens人类，可以看到Metascape数据库中还包含了其他物种的信息。

Step3:进行分析，选择“Express Analyze”或“Custom Analyze”都可以。

点击后跳转页面。

底下会出现进度条

完成提醒

点击那个橙色的东东

3、结果说明

3种模式可以选择

对于分析结果，可以输出在EXCEL表格里面；图片可以显示在PPT模板中；也可以是一个压缩的文件夹。

示例图

左上: 功能富集分析的结果图

右上: TOP20的聚类分析表

左下: 富集网络图，左侧是根据gene ID进行的聚类，右侧是根据P-Value进行的聚类，图片下方有保存的方式。

右下 : PPI聚类功能模块分析图。

回到首页点击“Custom Analyze”后

可以按照以下步骤操作

ID Conversion: 这是个gene ID的转换工具。Metascape支持gene ID、genesymbol的输入，在数据分析过程中，可以自动转换识别。

Annotation: 选择不同的功能注释条目后，点击Apply后进行查看。

Membership: 主要是针对用户自行搜索的一个栏目，比如输入pathway后，点击Search，再点击Apply。

Enrichment: 对于富集分析的参数及cut-off值可以进行更改设置，然后点击“Enrichment Analyze”进行分析，结果和点击“Express Analyze”后的结果是一致的。

是不是非常不错的工具！

生物信息学领域非常广泛，难以一次说尽。我们下次继续更新，一起深入学习生物信息学的内容！

喜欢的宝子们点个赞吧~码字不易，且行且珍惜~