MSigDB是什么數據庫

這篇文章主要為大家展示了“MSigDB是什么數據庫”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“MSigDB是什么數據庫”這篇文章吧。

Gene Set Enrichment Analysis，中文名稱為基因集富集分析，是由Broad Institute研究所的科學家提出的一種富集方法，在提出該方法的同時還對應提供了分析的軟件GSEA和一個基因集數據庫MSigdb。本章主要介紹這個數據庫，官網如下

http://software.broadinstitute.org/gsea/msigdb/index.jsp

對于human的基因，從位置，功能，代謝途徑，靶標結合等多種角度出發，構建出了許多的基因集合，一個基因集合中就是具有相近位置或類似功能的許多基因的，Broad Institute研究所將它們構建的基因集合保存在MSigDB數據庫中。

該數據庫是不斷更新和完善的，目前最新版本為v6.2, 更新于2018年7月，共收錄了17810個基因集。不同版本如下收錄的基因集數目變化如下

如此多的數據，肯定需要分門別類的整理，在MSigDB中，將所有的基因集劃分為以下8大類別

1. H: hallmark gene sets

該類別包含了由多個已知的基因集構成的超基因集，每個H類別的基因集都對應多個基礎的其他類別的基因集。比如HALLMARK_ADIPOGENESIS對應36個基因集。

2. C1: positional gene sets

該類別包含人類每條染色體上的不同cytoband區域對應的基因集合。根據不同染色體編號進行二級分類。

3. C2:curated gene sets

該類別包含了已知數據庫，文獻和專家支持的基因集信息，包含下面5個二級分類

以KEGG為例，包含了186個基因集，每個基因集本質上都對應pathway 數據庫里的一條通路。比如基因集KEGG_ABC_TRANSPORTERS對應pathway數據庫中的hsa02010。

4. C3 : motif gene sets

該類別包含了miRNA靶基因和轉錄因子結合區域等基因集合，示意如下

無論是轉錄因子還是miRNA, 都是通過特定的motif序列來識別可以結合的區域，這些基因集合，本質上為具有相同motif序列的基因集，比如AAACCAC_MIR140這個基因集， 具有相同的AAACCACmotif, 而hsa-miR-140可以識別該motif然后進行結合，所以AAACCAC_MIR140是hsa-miR-140靶標基因的集合。

5. C4 : computational gene sets

該類別包含計算機軟件預測出來的基因集合，主要是和癌癥相關的基因，示意如下

6. C5 : GO gene sets

該類別包含了Gene Ontology對應的基因集合，分為以下3大類別

每個基因集對應一個GO term, 比如基因集GO_MOLTING_CYCLE對應GO:0042303。

7. C6 : oncogenic signatures

該類別包含已知條件處理后基因表達量發生變化的基因，比如AKT_UP.V1_DN對應RAD001試劑處理后表達量下調的基因。

8. C7 : immunologic signatures

該類別包含了免疫系統功能相關的基因集合。
在官網上，可以方便的檢索這些基因集，鏈接如下

http://software.broadinstitute.org/gsea/msigdb/genesets.jsp
選擇感興趣的類別，然后在頁面最下方就可以看到該類別下的所有基因集，示意如下

我選擇的是C1大類，2號染色體上的基因集，chr2p這種信息就是每個基因集的名字，點擊可以查看具體信息，示例如下

結果頁面可以看到該基因集的名稱，描述信息等，也可以直接下載，有多種格式供選擇。官網也提供了下載功能，一次下載所有的基因集，需要注冊登錄才能使用該功能。

對于GSEA而言，不僅是富集分析算法的一次提升，更是研究角度的高度升華。傳統的富集分析只會對GO, pathway等功能數據庫進行分析，而MSigDB提供了多方位的研究思路，不僅從功能出發，也可以從位置，表達量變化趨勢等角度進行探究，極大的豐富和擴展了富集分析的研究對象。

以上是“MSigDB是什么數據庫”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！