一直都搞不清楚这两者的具体区别。

其实初学者搞不清楚很正常，因为它们的本质是相通的，都是对基因进行归类注释的数据库。

建议初学者自己使用一下这两个数据库，应该很快就能明白其中的区别。

以下以一个案例来详细说明两者的区别：

推荐一个没有任何基础的人都能使用的gene set注释工具

GCLC

TFPI

HSPB6

TSPOAP1

ITGA2B

OSBPL7

BAIAP2L1

NOS2

PAX6

CD4

PIK3C2A

PRICKLE3

RGPD5

PLEKHB1

EHD2

RRAGD

FAS

PNPLA6

ATP6V1H

RRM2B

FSTL4

LAMA3

SYNE2

SLC2A3

PSD

DGAT2

SEZ6

SLC6A16

CHI3L2

GSTO2

SEC61A2

TLE2

SLC9A7

ZMYND12

NGEF

METTL22

RASGRP2

PITX1

GAL

DRD4

PTPN3

MYO3B

LNX1

ACAP1

PANX2

LLGL2

CLCN4

FMO4

TPD52

NMRK2

MAP2

RBFOX1

MYH7B

RAPGEF3

RFX3

IGSF9B

CROCCP3

OVGP1

SNX10

HSD17B2

HSD17B14

FTL

MT3

LPCAT2

TESC

LYZ

GOLGA3

EFNB1

MYO15A

ZFHX4

JAK2

ERMP1

HSD17B7P2

CATSPERG

PICK1

ACR

PVALB

PROCR

SGK2

EEF1A2

SIRPB1

MROH8

LIPG

LAMA1

NOL4

GPR143

把以上gene copy到txt里，命名为gene.txt

选项如下：

提交。。。

结果如下：

这是一种GO的分析结果，可以看到我们的基因被归类到一个一个的叫GO term的东西里。

GO数据库是一个树状的结构，顶层有三个根节点，分别问：BP，MF和CC。(具体是啥百度一下即可知)

同样我们把 Select Functional Database 改成 “pathway”，选“KEGG”就可以做道谢通路富集了。

KEGG数据库是网状的，由很多张以下的图组成，都是人工注释的。

以上使用的都是ORA方法，还有一种著名的工具叫做GSEA (Select Method of Interest里选择)。

GSEA 还可以利用每个基因的 rank 信息，来做富集分析。

总结一下：

GO数据库的基础就是一个一个的GO term，它们是树状的结构，存在冗余。GO database的root node有三个，分别为BP、CC、MF。KEGG就是人工注释的一张又一张代谢通路，是网状的。

GO term是一个纯粹的基因集，没有定义里面基因的相互关系；KEGG不仅有基因集，还定义了基因和代谢物之间的复杂的相互关系，所以才能叫做pathway。

论相似性，从纯基因集的角度，GO的BP和KEGG有较高的相似性。

进阶推荐：

想用R做GO和KEGG注释的可以看我的其他文章。

参考：