gene Ontology 是生物中Ontology中一个重要应用。go项目最初是由研究三种模式生物（果蝇、小鼠和酵母）基因组的研究者共同发起。是生物信息分析中很重要的一个方法
go是在生物领域应用非常广，可以帮助生物学家对基因产物进行准确的定义（功能、位置），节省时间。
因为在最开始的时候，生物学家们更多是专注于自己研究的物种/课题，而且每个生物学家对功能等的定义是存在差异的，导致不同实验室/物种不能实现直接的对接（比如A物种内的x基因的功能使用的是a这个词汇进行注释，而B物种内的x基因的功能却使用的是与a同义的词汇b进行注释，这种情况计算机无法识别），就像讲两种语言的人，无法直接进行语言交流。这种情况导致的问题是，出现了一种阻碍，让问题复杂化了。所以就有了Ontology在生物领域中的应用，实现“书同文”。
go定义了基因/基因产物的功能（通过术语）且定义了它们各自之间功能是怎样联系的（关系）。它组成了一个具有大量term的词汇库，并定义各种term之间的关系（is_a part_of R）。
GO通过三个方面的术语对基因/基因产物的功能进行描述：分子功能(molecular function) -由基因/基因产物行使的分子水平上的功能； 细胞组件(cellular component)-基因/基因产物产生功能时其在细胞结构上的位置；生物学过程(biological process)-在哪个生物学通路/生物过程发挥作用。
目前，GO 注释主要有两种方法：
（1）序列相似性比对（BLAST）：例如blast2go（将blast结果转化为GO注释）
（2）结构域相似性比对（InterProScan）
blast2go的本地化教程：
在blast2go软件正确安装的情况下，使用blast2go进行go注释，出现无法得到注释结果的问题：
另外还有可能出错的原因是，blast2go无法识别blast高的版本号，当使用高版本的blast的时候，直接将版本号给修改为低版本的就行了，例如（BLASTX 2.2.25+）
GO 的图形是一个有向无环图
一直很好奇GO注释文件中的信息是如何得到的，终于在《The Gene Ontology Handbook》中找到了答案。GO的原始文件可以分为两部分：ontology和association files。
该文件以obo格式储存，每个词条都以树状结构表示着和其他词条的关系，具体内容可以从 GO网站 中找到，其中的元素和逻辑关系可以简单参考上几篇文章。主要编辑工具有go-basic、go和go-plus三个。
这部分文件主要是关于GO词条的具体功能信息，以及相关的支撑信息，以GAF或GPAD格式储存。
目前对基因的注释主要有两种手段：人工注释和机器注释。
人工注释由专业人士(biocurators)通过阅读，提取和转化文献中的实验结果来对基因进行注释。人工注释费时费力，但他们的努力非常重要，因为人工注释的准确性是其他注释的基石，目前有20个团队为GO的人工注释贡献力量。
机器注释主要两大类方法：根据序列进行注释和文本挖掘的方法注释。
1、根据序列信息进行注释：
annotation transfers from Homologous proteins
annotation transfers from Orthologous proteins
annotation transfers from Protein families
2、文本挖掘注释
Automatic text categorization
Lexical approaches
k-Nearest neighbors
Properties of Lexical and k-NN categorizers
Inter-annotator agreement
每种方法的具体解释参考《The Gene Ontology Handbook》的相关章节。
你这个问题～～有点无厘头～
聚类分析，我们可以简单的理解成为中国人可以聚成一类，美国人聚成另一类，这些都是根据他们不同的各自属性来聚类的。
GO注释分析，翻译成中文好像是基因本体论分析，也就是gene ontology annotation，按照了三个大的标准（相当于前面所说的属性）将每个基因聚类（分别是根据基因的功能，参与代谢的过程，以及这个基因产物的定位）
字都打错了，可见你很不严谨呀。
一般两种方法，一是你自己来测，不过很花钱的（具体实验方法步骤可以到Google里通过gene sequencing来搜索）。
如果别人已经测好了，或者现在数据库里有了，你可以到NCBI上找到。
