什么是Gene Ontology？（ZZ）

2007-01-10 19:20:21 来自: 薩薩蘇(异(/同)性间才有真正的友(/爱)情)

作者：玉米地分子生物学论坛zxling

Ontology: 哲学中称为本体论/存在论，这里本质是指一系列特定的文字可用来形容一些特定的模式、元件或角色，因此在国外的华人生物信息学家中试译为语义(学)。

GO（gene ontology）对大家而言也许会是一个相对陌生的名词，但是它已经成为生物信息领域中一个极为重要的方法和工具，并正在逐步改变着我们对 biological data的组织和理解方式，它的存在已经大大加快了我们对所拥有的生物数据的整合和利用，我们应该逐步学会理解和掌握这种思想和工具。
众所周知，sequence based biology中的核心内容即是对序列的Annotation（注释），其中主要包含structural annotation和functional annotation，前者涉及分析sequence在genome中的locus以及exon，intron，promoter等的location，而后者则是推断序列编码产物的功能，也正是我们在六月论题中所着重探讨的。应该说，这二者是相互关联的。
随着多种生物genome的相继解码，同时大量ESTs以及gene expression profile date的积累，使得annotation的工作量和复杂度大大增加。然而另一方面，大多数基因在不同真核生物中拥有共同的主要生物功能，通过在某些物种中获得的基因或者蛋白质（shared protein）的生物学信息，可以用以解释其他物种中对应的基因或蛋白（especially in comparative genomics）。由于这些繁复的功能信息主要是包含在积累的文献之中，如何有效的提取和综合这些信息就是我们面临的核心困难，这也是GO所要着力解决的问题。通过建立一套具有动态形式的控制字集（controlled vocabulary），来解释真核基因及蛋白在细胞内所扮演的角色，并随着生命科学研究的进步，不断积累和更新。一个ontology会被一个控制字集来描述并给予一定的名称，通过制定“本体”ontologies并运用统计学方法及自然语言处理技术，可以实现知识管理的专家系统控制。
到目前为止，Gene Ontology Consortium（GO的发起组织）的数据库中有3大独立的ontology被建立起来：biological process生物过程, molecular function分子功能及cellular component细胞组分。而这三个ontology下面又可以独立出不同的亚层次，层层向下构成一个ontologies的树型分支结构。可以说， GO是生物学的统一化工具。
http://www.geneontology.org/
Gene Ontology使用Oxford Dictionary of Molecular Biology (1997)中的定义，在分选时还要参考SWISS-PROT, PIR, NCBI CGAP, EC…中的注释。建立起来的标准不是唯一的标准（这是GOC所一直强调的），自然也不规定每个研究者必须遵循这套控制字集系统。所采用的动态结构 (dynamic structure)使用DAGs(Directed Acyclic Graphs)方式的network，将每一个ontology串连起来，形成树状结构（hierarchical tree），也就是由前面所说的“is a”和“part of”两种关系。

由于GO是一种整合性的分类系统，其下的3类主ontology我们前面说是独立的，但是无论是GOC原初的设计还是我们的使用中其实都还是存在一定的流程关系。一个基因/蛋白质或者一个ontology在注解的过程中，首先是考虑涉及在构成细胞内的组分和元件(cellular component)，其次就是此组分/元件在分子水平上所行使的功能(molecular function)，最后能够呈现出该分子功能所直接参与的生物过程(biological process)。由于这是一种存在反馈机制的注释过程，并且整个系统是动态开放实时更新的，因此在某种程度上说它具有纠错的能力。

在spiro转贴的帖子中提到TAMBIS计划，这是目前唯一实现了在概念和联系层次上集成信息源的系统。但是还有其他一些相关计划正在研究之中。
比如BioKleisli (宾夕法尼亚大学计算机系)，采用Mediator(调节器)技术实现了若干数据源的集成，其后的K2/Kleisli系统还利用数据仓库实现了OLAP(联机分析处理)。
DiscoveryLink (IBM研究院)，基于Wrapper/ Mediator(包装器/调节器)实现了信息源集成，提出了查询的分解和基于代价的优化策略
TAMBIS (曼彻斯特大学计算机系)基于Wrapper/ Mediator实现了信息源集成，借助BioKleisli中的CPL语言作为查询语言并给出了查询优化的方法。通过TaO(TAMBIS Ontology）本体定义为用户浏览和查询处理提供领域知识。
TINet (GSK公司和IBM研究院)，基于多数据库中间件OPM(Object-Protocol Model，对象协议模型)定义数据源的对象视图，其CORBA(Common Object Request Broker Architecture，公共对象请求代理体系结构)服务器使各数据源Wrapper(包装器)更易于扩充。

但是他们都存在一定的缺陷。BioKleisli 系统查询能力相对较弱，而且并未给出查询优化策略；TAMBIS系统和DiscoveryLink系统集成的数据源数量相对还很少，后者在查询处理中并未运用领域知识，因而查询分解也未从语义角度考虑；TINet系统中的查询处理能力不强。

现在面临的突出问题是在数据库查询中尤其是当多个数据库存在信息重叠时，缺乏从中选择最佳检索成员，动态生成优化检索方案的能力。而且现有的工作主要面向数据集成，而对服务集成考虑不多。支持数据与服务综合性集成的体系仍欠完备。因此这也将是GO未来发展和提升的一个重要方向.

另外，还有一篇台湾的文章：http://140.116.247.40/Project/wangwh/brief_introduction.htm

当然了，最权威的解释在这里：http://www.geneontology.org/GO.doc.shtml