R语言-Go分析结果的富集

R语言 富集分析的结果聚类

Distinct placental molecular processes associated with early-onset and late-onset preeclampsia

这篇文章的Fig4，作者在对进行EOSPE和LOSPE进行GO富集分析后，为了总结过多的GO条目，结合了Cytoscape和Jaccard得分，进行了“二次富集”，分为了5+2组。
Cytoscape大家都很熟悉。由于文章中没有细述相关步骤，这里就主要推断下计算Jaccard的步骤，仅抛砖引玉，以及提出相应的解决办法，希望大家可以批评指正。

1. 准备数据

我们只分析下作者分为两组的LOSPE部分。

library(vegan)
library(data.table)
library(dplyr)
temp <- read.csv(file = './thnov11p5028s9.CSV') #文章数据
exprMatrix <- read.csv(file = './1.CSV') #整理的92个差异基因，行名为GOterm,列名为GeneSymbol
rownames(exprMatrix) <- exprMatrix[,1]
exprMatrix <- exprMatrix[,-1]
identical(temp$ID, rownames(exprMatrix))

首先全部置0。

2. 判断差异基因是否在该条目上

#判断该基因是否在条目中，若是则为1.
for (i in 1:nrow(exprMatrix)) {
  for (j in 1:ncol(exprMatrix)) {
    if(colnames(exprMatrix)[j] %in% tstrsplit(temp[i,]$GeneSymbol, "/", fixed=TRUE)){
      print(j)
      exprMatrix[i, j] <- 1
    }
  }
}

3. 计算Jaccard得分

d <- vegdist(exprMatrix, method = "jaccard")
d
# 画出谱系图
fit <- hclust(d, method = "single")
plot(fit, labels=rownames(data),cex=0.5)
abline(h = 0.5)

4. 查看结果及分析

table(cutree(fit,k=8)) # 以0.5为标准，k = 8
result <- cutree(fit,k=8)
cluster <- as.data.frame(result)
write.csv(cluster,"./clusterByjaccard.csv",row.names = F)

可以看到8个cluster的频数：

接下来就是Cytoscape部分不再详述，参考部分有更好的文章。当然与文章作者的分为两组的结果相比，我们的2,4,5,7cluster就是作者的GroupB

clusterB <- temp[temp$Groups == 'GroupB',]$ID
clusterJa <- cluster[cluster$Var1 %in% clusterB,]
table(clusterJa$result)

至于如何挑选的这四组文章中没有细述，按表达是结合了Cytoscape的绘图，或许也有先验知识的参与，各位大佬们有什么见解吗？

PS：simplifyEnrichment这个包就是开发出用以GOterm聚类的，大家可以试试看。

参考文章：
simplifyEnrichment，一个对GO富集结果进行聚类和可视化的工具
Jaccard系数聚类分析-R语言