为Y叔疯狂打call

最近又被Y叔的吐槽文刷屏了，其实还是那些数据库网页工具更新不及时的问题，包括早在2009年就停止更新的WEGO，还有我一直搞不清楚到底啥时候停止更新的DAVID。如果仅仅是为了做GO/KEGG等富集分析，Y叔开发的R包clusterProfiler 的确是最好用的，没有之一。奈何入门R语言的到现今仍然只占广大生命科学研究者的少部分。所以，我们生信技能树平台跟Y叔讨论并协作开发了这个R包clusterProfiler 的网络接口，理论上只需要少量鼠标操作即可完成全部分析流程，妈妈再也不用担心我不会R语言了。

包的介绍

这里就不再写 step-by-step 的教程了，大家如果想看，可以去我们生信技能树公众号，或者我的生信菜鸟团博客里面搜索，而且敬业的Y叔自己就为这些包写了大批量的教程，如下：

• Package Homepage: http://bioconductor.org/packages/devel/bioc/html/clusterProfiler.html
• Contributions: https://guangchuangyu.github.io/clusterProfiler
• GitHub https://github.com/GuangchuangYu/clusterProfiler

这里我们总结一下这个R包可以做的，然后为这些功能写网页接口。

功能1： ID转换

这里首先Y叔全面借用了KEGG数据库的网页接口，所以支持的物种是有限的，包括 Eukaryotes: 415 Bacteria: 4438 Archaea: 260 ，详细信息可以在 http://www.genome.jp/kegg/catalog/org_list.html 浏览查看。

而且支持转换的ID种类也有限：‘kegg’, ‘ncbi-geneid’, ‘ncbi-proteinid’ or ‘uniprot’ ，其实在GENECARD网站很容易可以看到常见的数据库ID都已经近百种了，这些看似很简单的映射转换如果要计较细节，其实复杂无比。

其次Y叔依赖于 bioconductor中心的 OrgDb 系列包，这个包非常少，但是支持的ID超过30多种了。

功能2：基于超几何分布检验的富集分析

对于该功能，Y叔也写文介绍过，只需要给定一个感兴趣的基因集合和背景基因即可：

• GO analysis using clusterProfiler
• use simplify to remove redundancy of enriched GO terms
• KEGG Module Enrichment Analysis
• KEGG enrichment analysis with latest online data using clusterProfiler
• DAVID functional analysis with clusterProfiler
• functional enrichment for GTEx paper

其实本质上就是超几何分布检验，只需要提供TERM2GENE 和 TERM2NAME信息即可，至于这些基因和条目(GO/KEGG)是哪个数据库收集整理的，并没有本质的区别。比如Y叔就以 DisGeNET which contains 381056 associations, between 16666 genes and 13172 diseases 为例子，介绍了基于它的富集分析

功能3：GSEA分析

这个分析要求所有背景基因的排序即可。

功能4：可视化

这个绝对是Y叔的强项啦，我们生信技能树平台也多次大力推荐Y叔：

• dotplot for enrichment result
• dotplot for GSEA result
• enrichment map