topGO:大概是致力于GO分析方法论的R包

topGO 的设计旨在实现 GO term 的半自动富集分析。一个主要优点是它提供的统一化的基因集检测方案 (the unified gene set testing framework) 。接下来是对这个主要优点的展开，Besides, also 句型——轻松地应用函数完成GO富集分析、容易地执行新的统计学检测或新算法、对比不同的GO富集研究方法。

调用 ALL 包的内置数据。

函数 topDiffGenes() 可以在 p-values=0.01 的显著水平上筛选 geneList 中的差异表达基因。

万事俱备，开始 构建 topGOdata ，这个对象包含全部的基因指标 (gene identifiers) 和其数值、GO注释、GO 层次结构 (GO hierarchical structure) 以及其他用于富集分析的信息。

两种方法： classic, elim

函数 GenTable() 可用于分析富集最为显著的 GO term 和相对应的p值。

函数 score() 可以得到 topGOresult 对象中 GO term 的p值。

可以看出两种方法得到的p值确实是有差异的，所以显然存在一些被A方法认定显著——而在B方法下不显著的 GO term. 可以通过下面的方法找到它们：

方形为显著性前五的 GO term.

函数 showGroupDensity() 可以解释 显著富集到某个GO term的基因 是否比其他基因有更高的分值。

g0和g2的区别是电池容量、充电速度、电池重量不同，其它方面没有明显区别。电池组就是电动汽车上的一个元件，它能为电动汽车上的所有电子设备供电。蓄电池也是一种需要经常更换的易损件，随着充放电次数的增加，电池的性能也会不断下降。充放电过程中，电池中的离子会在电解液中运动，一部分离子在电解液中运动时与电解液发生化学反应。

鹏仔微信 15129739599 鹏仔QQ344225443 鹏仔前端 pjxi.com 共享博客 sharedbk.com