使用clusterProfiler进行GO、KEGG富集分析(有参情况)

寻找差异表达的基因并识别它们的功能,是我们进行RNA测序的最主要目的。很明显,这些差异的基因必然与功能改变密切相关,例如,比较患病个体与正常个体的组织表达谱,不难想到这些显著失调的基因参与了生物学过程、信号通路等,导致了疾病的发生。

前面已经讲了如何使用DESeq2、edgeR基于转录组测序获得的基因表达值鉴定差异表达基因。那么,后续如何继续通过生信分析的方法,探索差异表达的基因发挥了怎样的功能,参与了哪些调控通路呢?

我们平时看RNA-seq相关的文献时,文章中在鉴定了差异表达的基因后,大都会在随后承接几句关于这些失调基因所涉及通路的描述。例如,讨论这些差异基因主要映射到哪些GO或KEGG分类条目中,以说明基因表达的改变会导致哪些调控途径原有功能失调,进而与表型联系起来。通常称这种分析为GO、KEGG富集分析。

目前,能够进行GO、KEGG富集分析的工具有很多,不同的工具之间在算法、数据库组成上略有不同,因此结果也可能大相径庭。本篇就先以R包clusterProfiler的方法为例,展示如何基于给定的基因列表分析它们的GO、KEGG功能

clusterProfiler包的安装

对于clusterProfiler的安装也很简单,一般情况下,直接通过Bioconductor安装clusterProfiler就可以了。

#bioconductor 安装
#install.packages('BiocManager')  #需要首先安装 BiocManager,如果尚未安装请先执行该步
BiocManager::install('clusterProfiler')


clusterProfiler的GO富集分析(有参向)

首先来看GO富集分析。

注:这里均对于有参考基因组的情况而言的,无参分析暂不涉及。

1、准备输入数据

待分析的数据就是一串基因名称了,可以是ensembl id、entrze id或者symbol id等类型都可以。把基因名称以一列的形式排开,放在一个文本文件中(例如命名“gene.txt”)。Excel中查看,就是如下示例这种样式。

输入数据,待分析的基因名称

2、加载参考物种的基因注释数据库

对于有参考基因组物种的分析,首先需要指定该物种的基因数据库。

存在两组情况,一种是常见物种,另一种是不常见物种。

#(1)对于常见物种,例如人类,有些专门的 R 包数据库,例如人类参考基因组 hg19 的
library(org.Hs.eg.db)

#(2)对于不常见的物种,但却是存在参考基因组的情况
#通过 AnnotationHub 包索引基因组,例如期望找绵羊(Ovis aries)的注释库
library(AnnotationHub)

hub <- AnnotationHub()
query(hub, 'Ovis aries')  #输入绵羊(Ovis aries)的名称进行匹配
sheep <- hub[['AH72269']]  #返回了数据库编号 AH72269,就可以加载该库


3、GO富集分析

加载了注释库之后,读取基因列表文件,并使用clusterProfiler的内部函数enrichGO()即可完成GO富集分析。

library(clusterProfiler)

#读取基因列表文件中的基因名称
genes <- read.delim('gene.txt', header = TRUE, stringsAsFactors = FALSE)[[1]]

#GO富集分析
#对于加载的注释库的使用,以上述为例,就直接在 OrgDb 中指定人(org.Hs.eg.db)或绵羊(sheep)
enrich.go <- enrichGO(gene = genes,  #基因列表文件中的基因名称
    OrgDb = 'sheep',  #指定物种的基因数据库,示例物种是绵羊(sheep)
    keyType = 'ENTREZID',  #指定给定的基因名称类型,例如这里以 entrze id 为例
    ont = 'ALL',  #可选 BP、MF、CC,也可以指定 ALL 同时计算 3 者
    pAdjustMethod = 'fdr',  #指定 p 值校正方法
    pvalueCutoff = 0.05,  #指定 p 值阈值,不显著的值将不显示在结果中
    qvalueCutoff = 0.2,  #指定 q 值阈值,不显著的值将不显示在结果中
    readable = FALSE)

#例如上述指定 ALL 同时计算 BP、MF、CC,这里将它们作个拆分后输出
BP <- enrich.go[enrich.go$ONTOLOGY=='BP', ]
CC <- enrich.go[enrich.go$ONTOLOGY=='CC', ]
MF <- enrich.go[enrich.go$ONTOLOGY=='MF', ]

write.table(as.data.frame(BP), 'go.BP.txt', sep = '\t', row.names = FALSE, quote = FALSE)
write.table(as.data.frame(CC), 'go.CC.txt', sep = '\t', row.names = FALSE, quote = FALSE)
write.table(as.data.frame(MF), 'go.MF.txt', sep = '\t', row.names = FALSE, quote = FALSE)
GO富集分析结果表格

对于各列内容:

ONTOLOGY,GO分类BP(生物学过程)、CC(细胞组分)或MF(分子功能);

IDDescription,富集到的GO id和描述;

GeneRatioBgRatio,分别为富集到该GO条目中的基因数目/给定基因的总数目,以及该条目中背景基因总数目/该物种所有已知的GO功能基因数目;

pvaluep.adjustqvalue,p值、校正后p值和q值信息;

geneIDCount,富集到该GO条目中的基因名称(分析中使用的entrze id,故这里也显示的entrze id)和数目。

注:如期望显示其它类型的基因id,如通俗的symbol id等类型,除了更改为使用symbol id的基因名称做分析外,还可以通过基因名称转换的方式对entrze id和symbol id作个匹配转换。

clusterProfiler的KEGG富集分析(有参向)

然后是KEGG富集分析。

同样地,这里均对于KEGG数据库中已经收录的物种而言的,无参分析暂不涉及。

1、准备输入数据

相比上述GO富集,clusterProfiler的KEGG富集分析方法特殊,它无需加载本地注释库,自动使用KEGG的在线数据库进行注释,因此给定的基因名称只能识别entrze id。把entrze id的基因名称以一列的形式排开,放在一个文本文件中(例如命名“gene.txt”)。Excel中查看,就是如下示例这种样式。

输入数据,待分析的基因名称

2、KEGG富集分析

读取基因列表文件,并使用clusterProfiler的内部函数enrichKEGG()即可完成KEGG富集分析。

library(clusterProfiler)

#读取基因列表文件中的基因名称,注意这里只能用 entrze id
genes <- read.delim('gene.txt', header = TRUE, stringsAsFactors = FALSE)[[1]]

#每次打开R计算时,它会自动连接kegg官网获得最近的物种注释信息,因此数据库一定都是最新的
kegg <- enrichKEGG(
    gene = genes,  #基因列表文件中的基因名称
    keyType = 'kegg',  #kegg 富集
    organism = 'oas',  #例如,oas 代表绵羊,其它物种更改这行即可
    pAdjustMethod = 'fdr',  #指定 p 值校正方法
    pvalueCutoff = 0.05,  #指定 p 值阈值,不显著的值将不显示在结果中
    qvalueCutoff = 0.2,  #指定 q 值阈值,不显著的值将不显示在结果中
)

#输出结果
write.table(kegg, 'kegg.txt', sep = '\t', quote = FALSE, row.names = FALSE)
KEGG富集分析结果表格

对于各列内容:

IDDescription,富集到的KEGG id和描述;

GeneRatioBgRatio,分别为富集到该KEGG条目中的基因数目/给定基因的总数目,以及该条目中背景基因总数目/该物种所有已知的KEGG功能基因数目;

pvaluep.adjustqvalue,p值、校正后p值和q值信息;

geneIDCount,富集到该KEGG条目中的基因名称(分析中使用的entrze id,故这里也显示的entrze id)和数目。

注:如期望显示其它类型的基因id,如通俗的symbol id等类型,由于该分析中只能输入entrze id,因此可以通过基因名称转换的方式对entrze id和symbol id作个匹配转换。

clusterProfiler附带的作图功能

此外,clusterProfiler中也额外提供了一系列的可视化方案用于展示本次富集分析结果,具有极大的便利。

#clusterProfiler 包里的一些默认作图方法,例如
barplot(kegg)  #富集柱形图
dotplot(kegg)  #富集气泡图
cnetplot(kegg) #网络图展示富集功能和基因的包含关系
emapplot(kegg) #网络图展示各富集功能之间共有基因关系
heatplot(kegg) #热图展示富集功能和基因的包含关系

一些富集柱形图、气泡图、网络图等


你可能感兴趣的:(使用clusterProfiler进行GO、KEGG富集分析(有参情况))