非模式生物基因GO富集分析：以水稻为例

模式生物做什么都简单，非模式生物则很多缺少注释，没有注释你就没法做，只能是借助于各种软件比如blastgo，自己跑电子注释。但今天要讲的不是这种情况，很多物种还是有注释的，只是你有时候不知道该去那里下载，或者你有数据，却不知道该怎么用！很多的软件都是针对模式生物的，或者针对某一些类型的非模式生物，能够支持多种非模式生物，能够支持用户自己的注释文件的软件相对来讲，就非常少有了，然而clusterProfiler就是这类少有的软件之一。

获得OrgDb

• 今天要讲的是通过OrgDb来做GO分析，这是clusterProfiler的enrichGO函数所支持的背景注释，Bioconductor自带20个OrgDb可供使用，多半是模式生物，难道我们要做的物种不在这20个里面就不行了吗？显然不是的，clusterProfiler能支持的物种我自己都数不过来。

我们可以通过AnnotationHub在线检索并抓取OrgDb，比如这里以rice为例：

> require(AnnotationHub)
> hub <- AnnotationHub()
> query(hub, "oryza sativa")
AnnotationHub with 2 records
# snapshotDate(): 2017-04-25
# $dataprovider: Inparanoid8, ftp://ftp.ncbi.nlm.nih.gov/gene/DATA/
# $species: Oryza sativa, Oryza sativa_Japonica_Group
# $rdataclass: Inparanoid8Db, OrgDb
# additional mcols(): taxonomyid, genome, description,
#   coordinate_1_based, maintainer, rdatadateadded, preparerclass, tags,
#   rdatapath, sourceurl, sourcetype
# retrieve records with, e.g., 'object[["AH10561"]]'

            title
  AH10561 | hom.Oryza_sativa.inp8.sqlite
  AH55775 | org.Oryza_sativa_Japonica_Group.eg.sqlite
> rice <- hub[['AH55775']]
downloading from ‘https://annotationhub.bioconductor.org/fetch/62513’
retrieving 1 resource
  |======================================================================| 100%

Loading required package: AnnotationDbi
Loading required package: stats4
Loading required package: Biobase
Welcome to Bioconductor

    Vignettes contain introductory material; view with
    'browseVignettes()'. To cite Bioconductor, see
    'citation("Biobase")', and for packages 'citation("pkgname")'.


Attaching package: ‘Biobase’

The following object is masked from ‘package:AnnotationHub’:

    cache

Loading required package: IRanges
Loading required package: S4Vectors

Attaching package: ‘S4Vectors’

The following object is masked from ‘package:base’:

    expand.grid

> length(keys(rice))[1]
[1] 32639
#通过检索，org.Oryza_sativa_Japonica_Group.eg.sqlite就是我们所要的OrgDb，可以通过相应的accession number, AH55775 抓取文件，并存入了rice对象中，它包含了32639个基因的注释

这个OrgDb，包含有以下一些注释信息:
> columns(rice)
 [1] "ACCNUM"      "ALIAS"       "CHR"         "ENTREZID"    "EVIDENCE"
 [6] "EVIDENCEALL" "GENENAME"    "GID"         "GO"          "GOALL"
[11] "ONTOLOGY"    "ONTOLOGYALL" "PMID"        "REFSEQ"      "SYMBOL"

##我们可以使用bitr来转换ID，甚至于直接检索GO注释：
> require(clusterProfiler)
> bitr(keys(rice)[1], 'ENTREZID', c("REFSEQ", "GO", "ONTOLOGY"), rice)
'select()' returned 1:many mapping between keys and columns
  ENTREZID      REFSEQ         GO ONTOLOGY
1  3131385 NP_039457.2 GO:0005739       CC
2  3131385 NP_039457.2 GO:0005763       CC
##GO富集分析
> sample_genes <- keys(rice)[1:100]
> head(sample_genes)
[1] "3131385" "3131390" "3131391" "3131392" "3131393" "3131394"
##这里只是简单地使用ID列表中前100个ENTREZ基因ID，也可以使用其它的ID，通过借助于bitr进行转换，或者通过给enrichGO指定ID类型(keyType参数）。
> 有了OrgDb，使用起来，就跟文档中使用人类基因做为例子一样，用法一致，并且也可以通过clusterProfiler所提供的各种可视化函数对结果进行展示：

> require(clusterProfiler)
> res = enrichGO(sample_genes, OrgDb=rice, pvalueCutoff=1, qvalueCutoff=1)
> res
#
# over-representation test
#
#...@organism    Oryza sativa_Japonica_Group
#...@ontology    MF
#...@keytype     ENTREZID
#...@gene        chr [1:100] "3131385" "3131390" "3131391" "3131392" "3131393" "3131394" ...
#...pvalues adjusted by 'BH' with cutoff <1
#...28 enriched terms found
'data.frame':   28 obs. of  9 variables:
 $ ID         : chr  "GO:0003735" "GO:0005198" "GO:0003723" "GO:0016830" ...
 $ Description: chr  "structural constituent of ribosome" "structural molecule activity" "RNA binding" "carbon-carbon lyase activity" ...
 $ GeneRatio  : chr  "7/12" "7/12" "2/12" "1/12" ...
 $ BgRatio    : chr  "22/478" "22/478" "14/478" "10/478" ...
 $ pvalue     : num  1.08e-07 1.08e-07 4.45e-02 2.26e-01 3.24e-01 ...
 $ p.adjust   : num  1.52e-06 1.52e-06 4.15e-01 1.00 1.00 ...
 $ qvalue     : num  1.42e-06 1.42e-06 3.90e-01 9.40e-01 9.40e-01 ...
 $ geneID     : chr  "3131425/3131435/3131436/3131439/3131441/3131442/3131457" "3131425/3131435/3131436/3131439/3131441/3131442/3131457" "3131425/3131457" "3131463" ...
 $ Count      : int  7 7 2 1 3 1 2 4 4 1 ...
#...Citation
  Guangchuang Yu, Li-Gen Wang, Yanyan Han and Qing-Yu He.
  clusterProfiler: an R package for comparing biological themes among
  gene clusters. OMICS: A Journal of Integrative Biology
  2012, 16(5):284-287

如果你有表达谱数据，你也可以使用gseGO进行GSEA分析

KEGG Organisms: Complete Genomes：
http://www.genome.jp/kegg/catalog/org_list.html

ref:Y叔
http://guangchuangyu.github.io/2016/01/go-analysis-using-clusterprofiler/