前面我給大家詳細(xì)介紹過
成都創(chuàng)新互聯(lián)是一家專業(yè)提供羅定企業(yè)網(wǎng)站建設(shè),專注與成都做網(wǎng)站、成都網(wǎng)站制作、成都外貿(mào)網(wǎng)站建設(shè)、成都h5網(wǎng)站建設(shè)、小程序制作等業(yè)務(wù)。10年已為羅定眾多企業(yè)、政府機(jī)構(gòu)等服務(wù)。創(chuàng)新互聯(lián)專業(yè)網(wǎng)站設(shè)計公司優(yōu)惠進(jìn)行中。
?GO簡介及GO富集結(jié)果解讀
?四種GO富集柱形圖、氣泡圖解讀
?GO富集分析四種風(fēng)格展示結(jié)果—柱形圖，氣泡圖
?KEGG富集分析—柱形圖，氣泡圖，通路圖
? DAVID GO和KEGG富集分析及結(jié)果可視化
也用視頻給大家介紹過
? GO和KEGG富集分析視頻講解
最近有粉絲反映說，利用clusterProfiler這個包繪制GO富集分析氣泡圖和柱形圖的時候，發(fā)現(xiàn)GO條目的名字都重疊在一起了。
氣泡圖
柱形圖
這個圖別說美觀了，簡直不忍直視。經(jīng)過我的認(rèn)真研究，發(fā)現(xiàn)跟R版本有關(guān)。前面我給大家展示的基本都是R 3.6.3做出來的圖。很多粉絲可能用的都是最新版本的R 4.1.2。
我們知道R的版本在不停的更新，相應(yīng)的R包也在不停的更新。我把繪制氣泡圖和柱形圖相關(guān)的函數(shù)拿出來認(rèn)真的研究了一下，終于發(fā)現(xiàn)的癥結(jié)所在。
dotplot這個函數(shù)，多了個 label_format 參數(shù)
我們來看看這個參數(shù)究竟是干什么用的，看看參數(shù)說明
label_format :
a numeric value sets wrap length, alternatively a custom function to format axis labels. by default wraps names longer that 30 characters
原來這個參數(shù)默認(rèn)值是30，當(dāng)標(biāo)簽的長度大于30個字符就會被折疊，用多行來展示。既然問題找到了，我們就來調(diào)節(jié)一下這個參數(shù)，把他設(shè)置成100，讓我們的標(biāo)簽可以一行展示。
是不是還是原來的配方，還是熟悉的味道
同樣的柱形圖，我們也能讓他恢復(fù)原來的容貌。
關(guān)于如何使用R做GO和KEGG富集分析，可參考下文
GO和KEGG富集分析視頻講解
ID轉(zhuǎn)換用到的是 bitr() 函數(shù)，bitr()的使用方法：
org.Hs.eg.db包含有多種gene_name的類型
keytypes() ：keytypes(x)，查看注釋包中可以使用的類型
columns() ：類似于keytypes()，針對org.Hs.eg.db兩個函數(shù)返回值一致
select() ：select(x, keys, columns, keytype, ...) eg.
函數(shù)enrichGO()進(jìn)行GO富集分析，enrichGO()的使用方法：
舉例：
原本，我并無寫這一稿件的想法。主要原因有二：
如果要找合理解釋，那么針對第一點，就是每天仍然有大量新接觸生信數(shù)據(jù)分析的朋友；針對第二點，......在前兩天我推的文稿《零基礎(chǔ)快速完成基因功能注釋 / GO / KEGG / PFAM...》中，評論區(qū)答應(yīng)了下，閱讀過5000，那就寫一寫富集分析。于是，如果不寫，總是不對。如果要寫，只能現(xiàn)在寫。畢竟有些事情，現(xiàn)在不做，以后真的不會做。
對于這一塊，完全陌生的朋友，尤其是不少生物學(xué)背景朋友，有必要溫習(xí)一下數(shù)理統(tǒng)計基礎(chǔ)。這一稿件只做原理最簡單的但使用最廣泛其速度最快的Over-Represence Analysis模式的富集分析講演。其他模式，不涉及。
回到主題，先舉個經(jīng)典的抽球例子：
小紅小綠小藍(lán)三個人自稱有超能力，可以用手摸摸球就分辨出黑球白球，于是我們找來黑袋子，放100個球，其中20個白球80個黑球，讓三人分別無放回地抽取。
小紅隨機(jī)抽出來10個球，其中2個白球8個黑球，情況即，
抽球中白球比例與背景白球比例完全一致，說明小紅抽球結(jié)果隨機(jī)。
球放回去，小綠來抽球，抽出來的10個球，其中3個白球7個黑球，情況即，
這是經(jīng)典的抽球案例，抽取到的白球個數(shù)的概率分布為超幾何分布。基于此，我們可以簡單計算抽取到比小綠抽取到球個數(shù)（或更多即更極端）的概率如何，在 R語言中計算，即
而對于小藍(lán)的情況，那么概率如何？
在 TBtools 中也可以計算，只是寫法有點區(qū)別
可以看到，盡管這只是一次抽球，小綠抽球中白球比例（或更極端情況）出現(xiàn)的概率是31.88%+，還是挺高的，于是我們有較高的把握說，小綠嘛，只是走了狗屎運。相反，小藍(lán)抽球中白球比例或更極端情況出現(xiàn)的概率幾乎為 0 ，我們幾乎沒啥把握說，小藍(lán)走狗屎運....換句話說，我們有理由相信，或許小藍(lán)真有抽白球的超能力.....
說了這么多，那么跟基因集合富集分析有啥關(guān)系？....基因集合功能富集分析。那么我們就需要有一個基因集合（如差異表達(dá)基因集合或ChIP-seq的Peaks或GWAS定位的系列區(qū)間），還有一個功能標(biāo)簽（如 生長素信號轉(zhuǎn)導(dǎo)相關(guān) ）。于是黑白球案例可以簡單調(diào)整一下。假定現(xiàn)在這個物種一共有100個基因，其中20個基因與生長素信號轉(zhuǎn)導(dǎo)相關(guān)，80個沒有注釋到與生長素信號轉(zhuǎn)導(dǎo)相關(guān)（換句話說，約等于無關(guān)），我們做了對植株做了處理，和CK分別測定轉(zhuǎn)錄表達(dá)譜，通過差異表達(dá)分析，鑒定到10個差異表達(dá)基因，其中2個與生長素信號轉(zhuǎn)導(dǎo)相關(guān)，而另外8個則沒注釋到生長素信號轉(zhuǎn)導(dǎo)相關(guān)，簡單畫一下，即
好，剩下的兩個就不替換了。整體上，ORA模式的富集分析，本身就是經(jīng)典的抽球案例，感興趣的自行替換就可以了。
基本原理，相信都搞清楚了。不過還是有兩三點需要注意：
具體如何做物種所有基因的背景注釋，請參考前述推文《零基礎(chǔ)快速完成基因功能注釋 / GO / KEGG / PFAM...》。
首先，打開 TBtools GO 富集分析界面
整體如上，一共三個文件：
具體示例如下
點擊 Start ，隨后等待即可。完成時會有彈窗提示。查看輸出文件
（寫到這里，突然覺得這些都沒啥意思，不知為何....就不詳細(xì)寫了，大伙自己看看列名，猜猜吧）
很多時候，我們會選擇，篩選第一列，只看 Biological Process。一般這些與我們的生物學(xué)認(rèn)知會貼近一些。
基因集合功能富集分析，是一個常常被談起的話題，甚至近期都有不少新方法或算法被提出。感興趣的朋友可以去了解。這份教程，只與大伙說最簡單，但也是使用最為廣泛的一種富集分析模式。無論是不是 TBtools 用戶，理論上來說，都可以輕松理解并掌握，從原理到實踐。
寫到一半，其實我已經(jīng)不想寫了。原因非常簡單，這也是為什么在我之前，并沒有一個人寫出來 TBtools 類似的工具。不是寫不了，而是不想寫。有時候，隨著能力增長和知識積累，往往不再愿意做一些簡單的事情?；蛟S這還涉及到年齡的增長，角色的轉(zhuǎn)變，責(zé)任的變化....云云。
小時候，我以為寫 TBtools 玩玩；
后來，我以為我會一直寫下去；
現(xiàn)在，，，，，，
查看GOplot內(nèi)示例數(shù)據(jù)的格式，對自己的數(shù)據(jù)做處理
觀察結(jié)論：
觀察自己的兩個數(shù)據(jù)表：
table.legend 設(shè)置為T時會顯示表格
本圖中表格和圖例是出圖后剪切拼合而成，沒有用R中的拼圖包
對基因的描述一般從三個層面進(jìn)行：
這三個層面具體是指：
得到GO注釋
做GO分析的思路：
比如，在疾病研究的時候，進(jìn)行藥物治療之后某些基因的表達(dá)量明顯的發(fā)生了變化，拿這些基因去做GO分析發(fā)現(xiàn)在Biological process過程當(dāng)中集中在RNA修飾上，然后在此基礎(chǔ)上繼續(xù)進(jìn)行挖掘。這個例子就是想啟示大家拿到差異表達(dá)基因DEG只是一個開始，接下來就應(yīng)該去做GO注釋，之后需要進(jìn)行一個分析看這些注釋主要集中在哪個地方。假如我們有100個差異表達(dá)基因其中有99個都集中在細(xì)胞核里，那我們通過GO分析就得到了一個顯著的分布。
GO富集分析原理：
有一個term注釋了100個差異表達(dá)基因參與了哪個過程，注釋完之后（模式生物都有現(xiàn)成的注釋包，不用我們自己注釋），計算相對于背景它是否顯著集中在某條通路、某一個細(xì)胞學(xué)定位、某一種生物學(xué)功能。
clusterProfiler是一個功能強(qiáng)大的R包，同時支持GO和KEGG的富集分析，而且可視化功能非常的優(yōu)秀，本章主要介紹利用這個R包來進(jìn)行Gene Ontology的富集分析。
進(jìn)行GO分析時，需要考慮的一個基礎(chǔ)因素就是基因的GO注釋信息從何處獲取。Bioconductor上提供了以下19個物種的Org類型的包，包含了這些物種的GO注釋信息
對于以上19個物種，只需要安裝對應(yīng)的org包，clusterProfile就會自動從中獲取GO注釋信息，我們只需要差異基因的列表就可以了，使用起來非常方便。
1.1 準(zhǔn)備輸入數(shù)據(jù)
待分析的數(shù)據(jù)就是一串基因名稱了，可以是ensembl id、entrze id或者symbol id等類型都可以。把基因名稱以一列的形式排開，放在一個文本文件中（例如命名“gene.txt”）。Excel中查看，就是如下示例這種樣式。
1.3 GO富集分析
加載了注釋庫之后，讀取基因列表文件，并使用clusterProfiler的內(nèi)部函數(shù)enrichGO()即可完成GO富集分析。
讀取基因列表文件，并使用clusterProfiler的內(nèi)部函數(shù)enrichKEGG()即可完成KEGG富集分析。
此外，clusterProfiler中也額外提供了一系列的可視化方案用于展示本次富集分析結(jié)果，具有極大的便利。
參考：
;utm_medium=timeline
之前分享了如何用ggplot2可視化GO分析的結(jié)果。既然做了GO，當(dāng)然少不了KEGG了。
同樣的，我們從 DAVID 獲取KEGG pathway的結(jié)果。
對于KEGG，我比較喜歡做氣泡圖，這樣用兩種形式的圖結(jié)合在一起，效果更豐富更好看一點。
重慶分公司
重慶分公司
