引言Introduction

david数据库 是做GO、KEGG富集分析和ID转换时常用的工具。很多医学生和科研人员卡在第一步，不知道怎么上传基因列表、选物种、选分析类型。本文用3步拆解，让你快速完成一次标准分析。
一张DAVID数据库主页或分析流程示意图，突出“Start Analysis”“Gene List”“Functional Annotation Tool”等关键入口。

1. 认识david数据库的核心用途

1.1 它能解决什么问题

david数据库 全称是 The Database for Annotation, Visualization and Integrated Discovery。它的核心价值，是把基因列表映射到生物学注释条目，再做统计富集分析。

常见用途主要有三类。

  • GO富集分析。
  • KEGG通路分析。
  • 基因ID转换。

对于差异基因、候选基因集、家族基因列表，david数据库 都适合做初筛和功能归类。它特别适合“拿到一串基因后，不知道它们在生物学上意味着什么”的场景。

1.2 使用前先明确输入类型

上传前最重要的一点，是先确认你的基因ID类型。
如果输入的是基因符号，就要在Step2选择 OFFICIAL_GENE_SYMBOL 。
如果是芯片探针，则应按平台选择对应ID类型，比如 Affymetrix 或 Agilent 相关ID。

ID类型选错，是最常见的失败原因之一。
它会导致匹配失败、结果缺失，甚至富集不到有效条目。

2. 第一步，上传基因列表并完成基础设置

2.1 进入分析页面

打开浏览器，输入 DAVID 官方网址。进入主页后，点击 Start Analysis 。这一步会进入数据上传页面，也是整个流程的起点。

在上传页面，你可以选择两种方式输入基因列表。

  • 直接复制粘贴。
  • 上传文本文件。

需要注意，文件应为制表符分隔文本。并且，DAVID默认只识别第一列数据。每行建议只放一个基因或蛋白名称。如果是复制粘贴输入，也不要只输入单个基因，因为这类输入很难得到有意义的富集结果。

2.2 设置物种和用途

在Step1输入你的基因列表后，进入Step2选择ID类型。随后在Step2a选择物种。
如果分析人类基因，可直接输入 Homo sapiens 或 ** 9606**，下方会自动出现候选项，选择 human 即可。

接着在Step3选择用途。

  • 做GO/KEGG富集，选 Gene List 。
  • 作为背景基因集，选 Background 。

如果你的目标是功能分析，绝大多数情况下都应选择 Gene List。

2.3 提交后先核对再继续

完成设置后，点击 Submit List 。页面刷新后会进入上传列表查看页面。此时先检查三件事。

  1. 物种是否正确。
  2. 基因列表是否完整。
  3. Step1是否显示已成功提交。

确认无误后，选中对应的列表，例如 List_1，点击 Use 。然后在Background处再次确认物种信息，最后点击 Use 。
这一步看似简单，但它决定后续分析是否基于正确的数据基础。

3. 第二步，进行GO/KEGG富集分析

3.1 打开功能注释工具

在列表确认页面，点击右侧 Functional Annotation Tool ，即可进入富集分析界面。进入后，DAVID会默认勾选部分分析项。正式分析前，建议先取消默认勾选，或直接点击 Clear All 。

这一步很关键。
因为默认选项不一定等于你真正想要的分析集合。对于论文和汇报，最好只保留你需要的条目。

3.2 勾选GO和KEGG分析项

如果你的目标是标准GO/KEGG分析，需要勾选以下内容。

  • Gene_Ontology 下的 GOTERM_BP_DIRECT 。
  • GOTERM_CC_DIRECT 。
  • GOTERM_MF_DIRECT 。
  • Pathways 下的 KEGG_PATHWAY 。

勾选后，点击 Functional Annotation Chart 。系统会输出富集结果表。

结果表里最值得关注的参数有这些。

  • 条目名称。
  • 命中基因数。
  • 命中比例。
  • EASE分数，也就是改良后的 Fisher 精确检验 p 值。
  • Benjamini校正后的 p 值。

通常优先关注校正后的显著性，而不是只看原始p值。
这对多重比较尤其重要。

3.3 如何读懂结果表

DAVID返回的表格可以帮助你快速判断基因集的功能倾向。比如某一通路里命中基因较多，且校正后p值显著，就说明该通路可能与输入基因集高度相关。

你还可以进一步查看。

  • 每个富集条目包含哪些基因。
  • 富集条目的来源。
  • 是否还能继续查看相关条目。

如果你需要发表级别作图，建议把结果下载后再用 Excel、GraphPad Prism 或 R 进行整理和可视化。DAVID负责发现富集信号，后续软件负责完成规范化展示。

4. 第三步，做ID转换并导出结果

4.1 什么时候需要ID转换

很多数据来源不统一。RNA-seq结果可能是gene symbol，芯片数据可能是探针ID，蛋白组又可能是不同命名体系。
这时就需要用 david数据库 的 Gene ID Conversion Tool 先统一ID。

在列表上传成功后，点击右侧 Gene ID Conversion Tool 。系统默认会尝试转换为 ENTREZ_GENE_ID 。你也可以按研究需要选择其他类型。
然后再次确认物种，点击 Submit to Conversion Tool 。

4.2 重点看哪些转换信息

转换结果页会显示多个关键信息。

  • 输入ID总数。
  • 是否被DAVID收录。
  • 转换是否成功。
  • 是否存在模糊匹配。
  • 转换后的ID。
  • DAVID收录的基因名称。

如果显示 Successful ，说明转换成功。
如果是 Pending ，表示匹配结果不够明确，需要进一步确认ID类型。
如果是 None ，则说明该ID没有成功映射。

对于批量分析，先统一ID再做富集，是最稳妥的流程。
这能减少因命名不一致带来的漏检。

4.3 下载并保存结果

在结果页点击 Download Files ，右键选择链接另存为，即可把结果保存为文本文件。
下载后用 Excel 打开，可以直接看到转换前后ID、物种信息，以及DAVID数据库收录名称。

这一步适合做两类工作。

  • 备份分析过程。
  • 方便后续复核和制图。

5. 实操建议，提升david数据库分析可靠性

5.1 先检查输入质量

david数据库 对输入质量很敏感。建议在上传前先统一命名规则，去掉重复项，并确认物种一致。
如果是人类数据，就不要混入其他物种基因。
如果是家族基因分析，例如CASP家族，先确认列表完整，再上传。

5.2 富集分析要控制阈值

DAVID允许调整富集阈值和显示参数。分析时不要只追求“结果多”，而要追求“结果稳”。
建议重点看以下几类结果。

  • 经过多重校正后仍显著的条目。
  • 与研究主题高度相关的通路。
  • 命中基因较集中、逻辑链条清晰的条目。

显著不等于有生物学意义，必须结合课题背景解释。

5.3 结果展示要回到研究问题

如果你是做机制研究，GO可帮助你概括功能方向。
如果你是做通路研究，KEGG更适合讲清信号轴。
如果你是做转化或临床关联，建议把富集结果和表型、分组信息结合分析。

david数据库的价值，不只是出结果，而是帮助你形成可解释的研究假设。

总结Conclusion

david数据库 的上手逻辑很清晰。先上传基因列表，再做GO/KEGG富集，最后按需完成ID转换和结果导出。只要把ID类型、物种和分析用途选对，大多数常规分析都能快速完成。
一张三步流程总结图，包含“上传基因列表”“功能富集分析”“ID转换与下载结果”三个模块，风格简洁专业。

如果你希望把 DAVID 分析流程做得更高效、更规范，建议结合 解螺旋 的数据库与科研工具内容，进一步提升数据整理、富集解读和结果展示效率。对于医学生、医生和科研人员来说，这会直接节省重复试错时间。
下一步，就从一次规范的 dvid数据库分析开始。