本文转载自《嘉因生物》公众号，已获得授权。

上一次发《科研老黄历》，就想起这篇，还是转载一下，看完又更显得clusterProfiler实在太良心，一直有更新维护。

一般我们都会吐DAVID一脸口水，因为用的人多，因为数据实在太老，虽然最近有更新，但其实也只更了id转换和GO的数据，DAVID大量的数据源是没有更的！！！

这篇文章我上次有分享，说了一句，华大还在用09年开始就不更新的WEGO，有人留言「TMD别黑华大」，然后他自己又删了，对于这种没去了解情况就出来骂人的人，我直接拉黑了。

我一般吐口水也是吐DAVID，为什么说到WEGO还要拉上华大，因为我们实验室在华大做了RNA-SEQ，他们给的报告用的就是WEGO，而恰巧我知道WEGO最后一次更新是09年，这口水我不吐不行。没有证据我是不会乱说的，大家看着办吧，你们的科研，可能落后这个世界好多年！！！

在最靠谱的富集分析，超炫的展示方式，TCGA也是他的粉丝【老客户福利】

一文中谈到，clusterProfiler的优势之一是注释最新，大部分工具做KEGG富集分析用的都是2012年的版本，只有clusterProfiler实时抓取KEGG最新版数据做富集分析。

2016年8月，有人专门吐槽各种富集分析工具用的注释有多老，探讨过时的注释对富集分析结果的影响。

3900篇文章中67%用的工具注释版本古老，只用到了当前biological processes和pathway注释资源的26%。其实GO注释每天都在更新，Pathway数据库例如Reactome和PathwayCommons每个季度都在更新。42%的工具超过5年没更新，例如被引用次数超级高的DAVID，没错，就是那个鹤立鸡群的红色bar：

DAVID当时的版本是2010年的，被吐槽后两个月，2016年10月终于更新到目前的版本。

五年来，注释文件发生了哪些变化呢？

Biological process的GO注释term是5年前的2倍，Reactome Pathway的注释term是5年前的1.5倍。

人和小鼠的注释是5年前的2倍，其他模式生物缓慢些，1.3倍。

多数gene参与的pathway数从2010年的10个增加到2016年的16个。

GO注释中有些是计算机自动给出的，叫做电子注释，IEA（inferred from electronic annotations），2009年电子注释IEA占37%，2016年，IEA仅剩14%。也就是说，目前86%的注释都是有实验证据的，比5年前更可靠。

未注释的蛋白从5年前的12.4%降到4.9%，蛋白质功能注释越来越全了。

过时的注释会对富集分析结果造成哪些影响呢？

举个栗子，具体分析一套数据。

紫色是用2016年的注释做富集分析得到显著富集的term数，再看2010年的黄色，呵呵！

用2010年的注释做富集分析，丢掉了好多pathway。只有用2016年的注释才能找出紫色的圆圈。

赶紧看看自己的数据是拿什么年代的注释做的富集分析，是不是该更新了？或许会有更interesting的发现呢！

最后看statQuest用m&m豆讲富集分析原理

https://v.qq.com/txp/iframe/player.html?vid=c05514a8fbl&width=500&height=375&auto=0

嘉因生物公众号定位：客户共性问题解答，生信学习资源导航，高通量实验导购 | 为您提供高通量实验-测序-分析-验证一站式解决方案

电话：021-61539657

Email：marketing@rainbow-genome.com
地址：上海市杨浦区赤峰路65号同济科技园1号楼611室