GO和KEGG富集分析详细步骤

最新推荐文章于 2024-03-29 15:10:38 发布
最新推荐文章于 2024-03-29 15:10:38 发布
阅读量2.4w 收藏 347
点赞数 39
分类专栏： 随笔记 文章标签： golang r语言 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tqptr_opqww/article/details/124881210
版权

GO和KEGG富集分析

文章目录

1. 将差异表达结果的基因名称转化为id

因为GO和KEGG分析需要用到id，所以这一步需要将基因名字转换为id。具体步骤如下：

  1. 新建空白文件夹，将差异分析得到的diff.xls复制粘贴到文件夹中

  2. 因为在这里只需要diff.xls中的基因名称和logFC两列，所以只复制这两列粘贴到新建的文本文件symbol.txt，如下图所示：
    在这里插入图片描述

  3. 新建R语言脚本文件symbol2id.R，代码如下：

    if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("org.Hs.eg.db")


setwd("C:\\Users\\Administrator\\Desktop\\cptac\\4_name2id")          #设置工作目录

library("org.Hs.eg.db")          #引用包
rt=read.table("symbol.txt",sep="\t",check.names=F,header=T)    #读取文件
genes=as.vector(rt[,1])
entrezIDs <- mget(genes, org.Hs.egSYMBOL2EG, ifnotfound=NA)    #找出基因对应的id
entrezIDs <- as.character(entrezIDs)
out=cbind(rt,entrezID=entrezIDs)
write.table(out,file="id.txt",sep="\t",quote=F,row.names=F)

  4. 设置好工作目录之后，打开R软件，运行上述代码即可。运行结束在文件夹中会有id.txt，打开后如下图所示：
    在这里插入图片描述

    可以看到后面已经有了id这一列了，至此本步骤结束。

2. GO富集分析

GO(gene ontology)是基因本体联合会(Gene Onotology Consortium)所建立的数据库，旨在建立一个适用于各种物种的、对基因和蛋白质功能进行限定和描述的、并能随着研究不断深入而更新的语言词汇标准。GO是多种生物本体语言中的一种，提供了三层结构的系统定义方式，用于描述基因产物的功能。在转录组项目中，GO功能分析一方面给出差异表达转录本的GO功能分类注释；另一方面给出差异表达转录本的GO功能显著性富集分析。

下面介绍GO分析的步骤：

  1. 将含有基因id的文本文件id.txt复制粘贴到新的文件夹中

  2. 新建R语言脚本，命名为GO.R，其代码如下：

    install.packages("colorspace")
install.packages("stringi")
install.packages("ggplot2")

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("DOSE")

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("clusterProfiler")

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("enrichplot")

library("clusterProfiler")
library("org.Hs.eg.db")
library("enrichplot")
library("ggplot2")

setwd("C:\\Users\\Administrator\\Desktop\\cptac\\5_GO分析")                  #设置工作目录
rt=read.table("id.txt",sep="\t",header=T,check.names=F)           #读取id.txt文件
rt=rt[is.na(rt[,"entrezID"])==F,]                                 #去除基因id为NA的基因
gene=rt$entrezID

#GO富集分析
kk <- enrichGO(gene = gene,
               OrgDb = org.Hs.eg.db, 
               pvalueCutoff =0.05, 
               qvalueCutoff = 0.05,
               ont="all",
               readable =T)
write.table(kk,file="GO.txt",sep="\t",quote=F,row.names = F)                 #保存富集结果

#柱状图
pdf(file="barplot.pdf",width = 10,height = 8)
barplot(kk, drop = TRUE, showCategory =10,split="ONTOLOGY") + facet_grid(ONTOLOGY~., scale='free')
dev.off()

#气泡图
pdf(file="bubble.pdf",width = 10,height = 8)
dotplot(kk,showCategory = 10,split="ONTOLOGY",orderBy = "GeneRatio") + facet_grid(ONTOLOGY~., scale='free')
dev.off()

    这里GO分析用到的包为"clusterProfiler"，画图用到的包为"enrichplot"。在代码中会设置p值和q值，设置的都是0.05，如果该条件下分析得到的可用基因较少，可将q设置为0，只看p值，但这样准确性也会降低一些。

  3. 打开R软件，运行上述代码，最终得到的结果如下图所示，下图按顺序分别是柱状图、气泡图以及GO分析结果。
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

  4. 讲一下GO分析得到的文本文件，也就是上面三幅图中的最后一幅图，第一列是GO分析的分类，分别是BP，CC，MF；第二列是GO的id；第三列为对应的描述；第四列为基因背景的比例；第五列为p值，表示富集的显著性；第六列为p值得校正值；第七列为q值；第八列为基因id，也就是基因名称；最后一列就是富集在每个GO上的数目。对于柱状图和气泡图，会分为BP，CC，MF，每个类别颜色越红表示富集程度越高。

3. GO圈图绘制

话不多说，直接上步骤。

  1. 新建R语言脚本文件GOplot.R，脚本文件和GO分析得到的结果放在同一目录下，其代码如下：

    install.packages("digest")
install.packages("GOplot")

library(GOplot)
setwd("C:\\Users\\Administrator\\Desktop\\cptac\\6_GO圈图绘制")              #设置工作目录

ego=read.table("GO.txt", header = T,sep="\t",check.names=F)      #读取kegg富集结果文件
go=data.frame(Category = "All",ID = ego$ID,Term = ego$Description, Genes = gsub("/", ", ", ego$geneID), adj_pval = ego$p.adjust)

#读取基因的logFC文件
id.fc <- read.table("id.txt", header = T,sep="\t",check.names=F)
genelist <- data.frame(ID = id.fc$gene, logFC = id.fc$logFC)
row.names(genelist)=genelist[,1]

circ <- circle_dat(go, genelist)
termNum = 5                                     #限定term数目
geneNum = nrow(genelist)                        #限定蛋白数目

chord <- chord_dat(circ, genelist[1:geneNum,], go$Term[1:termNum])
pdf(file="circ.pdf",width = 11,height = 10.5)
GOChord(chord, 
        space = 0.001,           #基因之间的间距
        gene.order = 'logFC',    #按照logFC值对基因排序
        gene.space = 0.25,       #基因名跟圆圈的相对距离
        gene.size = 4,           #基因名字体大小 
        border.size = 0.1,       #线条粗细
        process.label = 7.5)     #term字体大小
dev.off()

termCol <- c("#223D6C","#D20A13","#FFD121","#088247","#58CDD9","#7A142C","#5D90BA","#431A3D","#91612D","#6E568C","#E0367A","#D8D155","#64495D","#7CC767")
pdf(file="cluster.pdf",width = 11.5,height = 9)
GOCluster(circ.gsym, 
          go$Term[1:termNum], 
          lfc.space = 0.2,                   #倍数跟树间的空隙大小
          lfc.width = 1,                     #变化倍数的圆圈宽度
          term.col = termCol[1:termNum],     #自定义term的颜色
          term.space = 0.2,                  #倍数跟term间的空隙大小
          term.width = 1)                    #富集term的圆圈宽度
dev.off()

  2. 打开R软件运行上述代码即可。最终即可得到两个圈图，如下图所示：
    在这里插入图片描述

    左半圆圈为基因名字，从下到上按照logFC进行排序得，圆圈右半部分为GO的名称，基因与GO之间得连线表示这个基因存在于该GO上。
    在这里插入图片描述

    此图为聚类图，内部圆圈为基因或蛋白，颜色表示logFC的大小，内部的一个扇形表示一个基因，如果内部的一个扇形对应着外部的一个颜色的扇形，那么表示该基因只存在于这一个颜色对应的GO里面；如果内部一个扇形对应着外部三个扇形，那么表示内部的这个基因存在于三个GO里面。

4. KEGG富集分析

  1. 将差异分析得到的含有id的id.txt文件作为输入文件，新建文件夹，将id.txt拷贝到此文件夹下

  2. 新建R语言脚本文件，更改脚本文件的环境目录，代码如下：

    install.packages("colorspace")
install.packages("stringi")
install.packages("ggplot2")

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("DOSE")

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("clusterProfiler")

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("enrichplot")


library("clusterProfiler")
library("org.Hs.eg.db")
library("enrichplot")
library("ggplot2")

setwd("C:\\Users\\Administrator\\Desktop\\cptac\\7_KEGG分析")            #设置工作目录
rt=read.table("id.txt",sep="\t",header=T,check.names=F)       #读取id.txt文件
rt=rt[is.na(rt[,"entrezID"])==F,]                             #去除基因id为NA的基因
gene=rt$entrezID

#kegg富集分析
kk <- enrichKEGG(gene = gene, organism = "hsa", pvalueCutoff =0.05, qvalueCutoff =2)      #富集分析
write.table(kk,file="KEGGId.txt",sep="\t",quote=F,row.names = F)                          #保存富集结果

#柱状图
pdf(file="barplot.pdf",width = 10,height = 7)
barplot(kk, drop = TRUE, showCategory = 30)
dev.off()

#气泡图
pdf(file="bubble.pdf",width = 10,height = 7)
dotplot(kk, showCategory = 30,orderBy = "GeneRatio")
dev.off()

  3. 打开R软件运行上述代码，即可得到结果。
    在这里插入图片描述
    在这里插入图片描述

    KEGG因为数据库更新比较慢，而且分析时需要联网，因此富集到结果就会比较少。

  4. 运行完之后还会得到KEGGId.txt，里面的需要将里面的id转化为基因名字。因此新建perl脚本文件，代码太长，这里就不展示了。在该文件夹目录下打开powershell窗口，输入命令perl id2symbol.pl，运行完毕之后文件夹目录下就会产生新的含有基因名字的kegg文件，文件名为kegg.txt

  5. 至此，KEGG分析完毕

5. KEGG圈图绘制

这里的圈图绘制和上面的GO圈图绘制步骤一样的。话不多说，直接上代码：

install.packages("digest")
install.packages("GOplot")

library(GOplot)
setwd("C:\\Users\\Administrator\\Desktop\\cptac\\8_KEGG圈图绘制")              #设置工作目录

ego=read.table("kegg.txt", header = T,sep="\t",check.names=F)       #读取kegg富集结果文件
go=data.frame(Category = "All",ID = ego$ID,Term = ego$Description, Genes = gsub("/", ", ", ego$geneID), adj_pval = ego$p.adjust)

#读取基因的logFC文件
id.fc <- read.table("id.txt", header = T,sep="\t",check.names=F)
genelist <- data.frame(ID = id.fc$gene, logFC = id.fc$logFC)
row.names(genelist)=genelist[,1]

circ <- circle_dat(go, genelist)
termNum = 2                                     #限定term数目
geneNum = nrow(genelist)                        #限定基因数目

chord <- chord_dat(circ, genelist[1:geneNum,], go$Term[1:termNum])
pdf(file="circ.pdf",width = 10,height = 9.6)
GOChord(chord, 
        space = 0.001,           #基因之间的间距
        gene.order = 'logFC',    #按照logFC值对基因排序
        gene.space = 0.25,       #基因名跟圆圈的相对距离
        gene.size = 4,           #基因名字体大小 
        border.size = 0.1,       #线条粗细
        process.label = 7.5)     #term字体大小
dev.off()

termCol <- c("#223D6C","#D20A13","#FFD121","#088247","#58CDD9","#7A142C","#5D90BA","#431A3D","#91612D","#6E568C","#E0367A","#D8D155","#64495D","#7CC767")
pdf(file="cluster.pdf",width = 10,height = 9.6)
GOCluster(circ.gsym, 
          go$Term[1:termNum], 
          lfc.space = 0.2,                   #倍数跟树间的空隙大小
          lfc.width = 1,                     #变化倍数的圆圈宽度
          term.col = termCol[1:termNum],     #自定义term的颜色
          term.space = 0.2,                  #倍数跟term间的空隙大小
          term.width = 1)                    #富集term的圆圈宽度
dev.off()

这里将代码的工作环境更改一下，然后将kegg分析所得到的kegg.txt和之前的id.txt复制到同一目录下，然后打开R软件运行代码即可。得到的圈图如下：
在这里插入图片描述
在这里插入图片描述

至此，KEGG圈图绘制结束。

涂apple
关注
  • 39
    点赞
  • 踩
  • 347
    收藏
    觉得还不错? 一键收藏
  • 11
    评论
专栏目录
☞GO和KEGG富集倍数（Fold Enrichment）如何计算 enrich factor qvalue
生信小博士的博客
07-27 1万+
比如说，某一类功能基因的总数是100个，其中差异基因有10个，那么只有实验只是影响了该功能基因的10%，但是如果该实验一共只鉴定到20个差异基因，那么这10个差异基因就占所有差异基因的50%，因此，需要同时考虑差异基因在所有功能分类中的分布，得到的结果才是准确的。其中，a为功能A中差异基因的数量，b为非差异基因的数量，c为所有功能分类中差异基因的总数量，d为非差异基因的总数量，n为识别到的所有差异基因的数目。今天我们来聊聊怎么来展示GO富集分析的结果，下面是一个GO富集分析的结果表。
R语言：GO和KEGG分析
最新发布
weixin_69558614的博客
05-15 1516
id.fc=rtdev.off()> id.fc=rt。
富集分析原理和clusterProfiler包进行GO、KEGG富集分析详细说明
Tian問的博客
10-03 3万+
概念： 基因富集分析是指对于给定一组基因根据基因组注释信息（GO、KEGG）对基因进行聚类分析，即给定的基因是不是GO中的一个功能（或KEGG中的一个通路）。 基因的功能富集的目的说明给定的基因集对哪些功能的影响有针对性的，不是随机影响的。 原理： 基因富集分析是通过研究给定的基因集在功能节点上是否过出现来得到关注的基因集显著注释的功能节点。通常利用超几何分布等方法计算给定基因集在某个功能（或通路）上的P值，判断给定的基因集在功能（或通路）的基因数目超过了随机的期望，是一个小概率事件。 变
GEO生信数据挖掘（八）富集分析（GO 、KEGG、 GSEA 打包带走）
zzh1464501547的博客
10-16 3515
例子中结核类型，包括结核，潜隐进展，对照和潜隐，四个类别。本节对差异基因进行富集分析。
生信数据分析——GO+KEGG富集分析
weixin_49878699的博客
03-29 1万+
转录组数据分析之一，先介绍相关基础知识，其次用实际案例为基础，由浅入深介绍GO+KEGG富集分析全过程
【R语言】——基因GO/KEGG富集分析!超级简单的保姆级教程！
热门推荐
weixin_54004950的博客
01-09 3万+
GO/KEGG功能富集分析中重要的是背景基因的选择，使用R clusterProfiler包对基因进行富集，需要导入目的基因（前景基因）相对应物种的参考基因组（背景基因），现阶段“bioconductor”已有十几种常见动物，如人类、小鼠等物种的OrgDb。”介绍如何使用DAVID在线分析工具对基因进行GO/KEGG功能富集分析和使用R ggplot包对获得的基因GO/KEGG功能富集结果进行可视化。：富集到该GO term/KEGG term中的基因数目/给定基因的总数目；
KEGG信号通路富集分析
MurphyStar的博客
11-16 1万+
当我们手头有转录组测序后的差异分析数据后，想更进一步的去分析这些差异基因在信号通路富集情况，其中一种办法是使用KEGG网站进行信号通路富集分析。
【富集分析】GO & KEGG
vivianl_s的博客
07-18 2269
富集分析之GO和KEGG
GO/KEGG富集分析
Christina
12-30 7614
GO全称是Gene Ontology，它分为：细胞组分（cellular component, CC）、分子功能（molecular function, MF）、生物过程（biological process, BP），那这三者有什么关系呢？，大概就是母鸡A被养在鸡笼里，它能够下鸡蛋，但是前提是我往笼子里再放一只公鸡后才能下蛋，在这个比喻里，鸡笼就是CC，下蛋这个动作是BP，而放进公鸡就是这个过程的催化作用，所以是MF。用科研专业术语来说，CC描述的像是位置，比如定位在细胞核；
R语言——GO分析和KEGG分析
codyliu_bo的博客
10-30 1720
进行GO和KEGG分析
生信知识点-串讲-富集分析_R生信_生物信息_富集分析_R富集分析_生信分析_
10-02
富集分析是生物信息学中的一个关键步骤，用于探索在特定条件下基因集合的功能特性。在R语言中，富集分析提供了强大的工具来解析基因表达数据并揭示潜在的生物学意义。本教程将深入讲解如何利用R进行富集分析，这对于...
kegg与go通路数据库介绍功能富集软件介绍.ppt
06-03
在功能富集分析中，KEGG和GO数据库通常用于确定在特定实验条件下显著改变的基因集，比如在疾病样本和正常样本之间的差异表达基因。富集分析是确定一组基因是否在特定通路或功能类别中过代表现的过程。例如，通过使用...
enrichmentpipeline:定制生物的富集分析-开源
05-31
富集分析的基本步骤通常包括以下几点： 1. **数据预处理**：首先，需要将原始的基因表达数据转换为适合富集分析的形式。这可能涉及去除噪声，标准化表达值，以及选择感兴趣的基因集，如差异表达基因。 2. **基因...
GEO数据库分析步骤.docx
06-16
以上步骤是GEO数据库分析的基本流程，实际操作中可能需要根据具体研究问题进行调整，例如，你可能还需要进行GO富集分析、KEGG通路分析等，以理解差异表达基因的功能和生物学意义。同时，对于大型数据集，可能需要...
生物信息学数据分析 chip-seq
04-04
7. **下游分析**：包括富集分析（GO富集、KEGG路径富集等）、网络构建、共定位分析等，以揭示调控机制和通路。 8. **可视化**：通过IGV、UCSC Genome Browser等工具将分析结果进行可视化，便于理解和解释。 最后，...
富集分析GO KEGG GSEA的区别
watermel__的博客
04-22 2万+
GO和KEGG是基于不同的分类思想而储存的基因相关功能的数据库,富集分析就是一个把这些功能进行进行整合计算的算法，GO富集，就是研究基因的本质的，从三个层面，分别描述基因的分子功能（molecular function）、细胞组分（cellular component）、参与的生物过程（biological process）。如一个基因，她的MF可能是具有催化活性，她的细胞组分，也就是其在细胞中定位为细胞膜，参与的生物过程为蛋白质运输过程，这就是这个基因按照三种不同的分类方式进行的定义。 KEGG和GO的区
go分析和kegg分析_转录组入门第九课之GO富集和KEGG分析
weixin_33417140的博客
12-31 1万+
前些日子，由于各种原因，没想写公众号，其实也不是没有时间，就是一旦一件事情有一天没去做，就觉得其实也可以明天做，明天又觉得做不做都行，再过几天，就可能不去做了。所以，有些时候还是要定个计划和目标的，不管有没有意义，不管做多做少，就像吃饭一样，每天吃多吃少还是要吃点的。今天我们把转录组的差异基因通过Go富集和kegg分析，看看他们是不是真的是差异表达基因。1.Go富集分析 由于稻瘟病...
用R做GO功能注释和KEGG通路富集分析
Cassiel60的博客
04-19 2万+
KEGG -GO主要是使用R 中clusterProfiler包进行富集分析 以及使用pathview 包进行代谢途径整合和可视化。 进行在线分析的：https://pathways.embl.de/ 1.代码：https://github.com/Cassiel60/R/blob/master/enrichment.r 2.安装包：使用代码中的方法要多尝试几次，反正我第一次安装时就是安装...
R语言：GO富集分析
07-27
GO富集分析是一种常用的生物信息学方法，用于确定一组基因在特定的生物学过程、细胞组分或分子功能中的富集情况。在R语言中，可以使用多个包来进行GO富集分析。 其中，clusterProfiler包是一个功能强大的包，主要用于进行GO和KEGG的功能富集分析，并提供了可视化功能。org.Hs.eg.db包用于转换不同数据库中的基因ID和符号之间的转换。enrichplot包提供了多种可视化方法来解释富集结果。而GOplot包则用于绘制功能富集的图形。\[1\] 在进行GO富集分析时，可以使用enrichGO函数来进行分析。该函数需要提供基因列表和参考基因组等参数。可以设置P值和q值的阈值，以及选择分析的层面（生物学过程、细胞组分或分子功能）。还可以选择是否将基因ID转换为基因名。\[2\] 在分析完GO富集后，可以根据显著性阈值筛选出显著富集的结果，并将结果保存为文件。可以构建数据框矩阵来存储GO富集的相关信息，包括分类、ID、术语、基因和校正的P值等。可以根据需要限定GO数目和基因数目。\[3\] 总之，使用R语言进行GO富集分析可以通过多个包来实现，包括clusterProfiler、org.Hs.eg.db、enrichplot和GOplot。可以根据具体需求设置参数并进行分析，最后可以筛选出显著富集的结果并进行可视化。 #### 引用[.reference_title] - *1* *2* *3* [R语言|GO富集分析](https://blog.csdn.net/weifanbio/article/details/124279953)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值