R语言-GO富集分析的超几何检验和可视化

Gene Ontology

可分为分子功能（Molecular Function），生物过程（biological process）和细胞组成（cellular component）三个部分。蛋白质或者基因可以通过ID对应或者序列注释的方法找到与之对应的GO号，而GO号可对于到Term，即功能类别或者细胞定位。

 根据挑选出的差异基因，计算这些差异基因同GO 分类中某（几）个特定的分支的超几何分布关系，GO 分析会对每个有差异基因存在的GO 返回一个p-value，小的p 值表示差异基因在该GO 中出现了富集。

GO 分析对实验结果有提示的作用，通过差异基因的GO 分析，可以找到富集差异基因的GO分类条目，寻找不同样品的差异基因可能和哪些基因功能的改变有关。

上一篇提到的Pathway指代谢通路，对差异基因进行pathway分析，可以了解实验条件下显著改变的代谢通路，在机制研究中显得尤为重要。

GO分析好比是将基因分门别类放入一个个功能类群的篮子，而pathway则是将基因一个个具体放到代谢网络中的指定位置。

下面我们来总结一下R语言如何做GO分析

1.准备数据，需要导入与基因对应的ENTREIZID的数据框DEG

因此首先你要先准备这个数据框，这里不详细阐述，可自学ID注释部分

DEG

首先理解一下即将用到的代码：

#gene: 通路编号

#"org.Hs.eg.db":OrgDb

#ont： One of "MF", "BP", and "CC" subontologies.

#pvalueCutoff:pvalue的最大值

#pAdjustMethod:多重假设检验矫正的方法："holm", "hochberg", "hommel", "bonferroni", "BH", "BY", "fdr", "none"

#universe: 背景基因-所有测序的基因

#qvalueCutoff: qvalue的最大值

#minGSSize: minimal size of genes annotated by Ontology term for testing.

#maxGSSize: maximal size of genes annotated for testing

#readable: TRUE\FALSE:是否将基因ID转换为gene symbol

#pool: If ont=’ALL’, whether pool 3 GO sub-ontologies

#细胞组分

erich.go.CC = enrichGO(gene = DEG$ENTREZID,

OrgDb = org.Hs.eg.db,

keyType = "ENTREZID",

pAdjustMethod = "BH",

ont = "CC",

pvalueCutoff = 0.5,

qvalueCutoff = 0.5,

readable=T)

## 画图

barplot(erich.go.CC)

ggsave("erich.go.CC.png")

---

细胞组成

---

#生物过程

erich.go.BP = enrichGO(gene = DEG$ENTREZID,

OrgDb = org.Hs.eg.db,

keyType = "ENTREZID",

ont = "BP",

pvalueCutoff = 0.5,

qvalueCutoff = 0.5,

readable=T)

##分析完成后，作图

barplot(erich.go.BP)

---

生物过程

---

#分子功能：

ego_MF <- enrichGO(gene = DEG$ENTREZID,

OrgDb= org.Hs.eg.db,

keyType = "ENTREZID",

ont = "MF",

pvalueCutoff = 0.5,

qvalueCutoff = 0.5)

barplot(ego_MF)

---

分子功能

---

ALL <- enrichGO(gene=DEG$ENTREZID,

OrgDb=org.Hs.eg.db,

keyType = "ENTREZID",

ont = 'ALL',

pvalueCutoff = 0.5,

pAdjustMethod = "BH",

qvalueCutoff = 0.5,

readable=T)

barplot(ALL)

#BB,CC,MF全部显示出来

#条形图

barplot(ALL, split="ONTOLOGY")+ facet_grid(ONTOLOGY~.,scale="free")

#泡泡图

dotplot(ALL, split="ONTOLOGY")+ facet_grid(ONTOLOGY~.,scale="free")

ALLGO <- as.data.frame(ALL@result)

write.csv(as.data.frame(ALL@result), file="GOALL-ADM.csv",quote=FALSE)

---

---

图形解读：

#横坐标是GeneRatio，意思是说输入进去的基因，它每个term（纵坐标）占整体基因的百分之多少

条形的颜色代表P-value，颜色代表的P值越小，这事就越可信。