KEGG基因富集分析

#kegg:基因功能存储在pathway数据库里
rm(list = ls())  ## 魔幻操作，一键清空~

load(file = 'deg.Rdata')

head(deg)

## 不同的阈值，筛选到的差异基因数量就不一样，后面的超几何分布检验结果就大相径庭。

logFC_t=1.5
deg=nrDEG

deg$g=ifelse(deg$P.Value>0.05,'stable',
             
             ifelse( deg$logFC > logFC_t,'UP',
                     
                     ifelse( deg$logFC < -logFC_t,'DOWN','stable') )
             
)

table(deg$g)

head(deg)

deg$symbol=rownames(deg)

library(ggplot2)

library(clusterProfiler)

library(org.Hs.eg.db)

df <- bitr(unique(deg$symbol), fromType = "SYMBOL",
           
           toType = c( "ENTREZID"),
           
           OrgDb = org.Hs.eg.db)

head(df)

DEG=deg

head(DEG)

#merge函数：将两个数据集合并
#用于指定依据哪个列合并，常用于当两个数据集公共列名不一样的时候；
DEG=merge(DEG,df,by.y='SYMBOL',by.x='symbol')

head(DEG)
#标注好的差异基因
save(DEG,file = 'anno_DEG.Rdata')





gene_up= DEG[DEG$g == 'UP','ENTREZID'] 

gene_down=DEG[DEG$g == 'DOWN','ENTREZID'] 

gene_diff=c(gene_up,gene_down)

gene_all=as.character(DEG[ ,'ENTREZID'] )

data(geneList, package="DOSE")

head(geneList)

boxplot(geneList)

boxplot(DEG$logFC)



geneList=DEG$logFC

names(geneList)=DEG$ENTREZID

geneList=sort(geneList,decreasing = T)





## KEGG pathway analysis

### 做KEGG数据集超几何分布检验分析，重点在结果的可视化及生物学意义的理解。
library(org.Hs.eg.db)