做实验，会用到狗。尤其是去年Science搞反狗脑 - 人脑和狗脑一样？，一个课题两篇Science文章的故事，提醒我们不要看到结果跟预期一致，就大意疏忽。科学主旨是证伪，不是求同。
做分析的更喜欢另一个GO。
GO富集分析是生物信息分析中快速了解目标基因或目标区域功能倾向性的最重要方法之一。其中代表性的计算方式有两种：
一是基于筛选的差异基因，采用超几何检验判断上调或下调基因在哪些GO或KEGG或其它定义的通路富集。假设背景基因数目为m，背景基因中某一通路pathway中注释的基因有n个；上调基因有k个，上调基因中落于通路pathway的数目为l。简单来讲就是比较l/k是否显著高于n/m，即上调基因中落在通路pathway的比例是否高于背景基因在这一通路的比例。(实际计算时，是算的odds ratio的差异，l/(k-l) vs (n-l)/(m-k-n+l))。这就是常说的GO富集分析或KEGG富集分析，可以做的工具很多，GOEAST是其中一个最好用的在线功能富集分析工具，数据库更新实时，操作简单，支持动物、植物、菌类等，并且可以直接用之前介绍的方法绘制DotPlot。
另一种方式是不硬筛选差异基因，而是对其根据表达量或与表型的相关度排序，然后判断对应的基因集是否倾向于落在有序列表的顶部或底部，从而判断基因集合对表型差异的影响和筛选有影响的基因子集。这叫GSEA富集分析，注释信息可以是GO，KEGG，也可以是其它任何符合格式的信息。GSEA富集分析 - 界面操作详细讲述了GSEA分析的原理、可视化操作和结果解读。
关于GO的文章
- GO、GSEA富集分析一网打进: 讲述了基础理论和应用，帮助知其然知其所以然。
- GSEA富集分析 - 界面操作 : GSEA的原理解释和图形操作。
- 去东方，最好用的在线GO富集分析工具: 数据库每周更新，支持动物、植物、菌等，只需提供ID，简单易用。
富集分析的图，可以自己写R脚本，也可以使用我们的在线工具 http://www.ehbio.com/ImageGP。
Cytoscape还有插件Bingo和KEGGparse等方便富集分析，或表达量map到通路图，更好地解释基因表达变化的调控意义。更多视频在 https://bioinfo.ke.qq.com。
STRING在线蛋白-蛋白相互作用数据库，也提供了对网络进行富集分析的功能。