go kegg_从基因名到GO注释一步到位

最新推荐文章于 2023-05-10 14:24:04 发布

kyosanto

最新推荐文章于 2023-05-10 14:24:04 发布

阅读量1.9k

点赞数

文章标签： go kegg

本文链接：https://blog.csdn.net/weixin_30709043/article/details/112173995

版权

本文介绍了如何利用Y叔的clusterProfiler包进行基因集的GO和KEGG数据库富集分析。针对多组基因集，不仅展示了如何分别计算上下调基因的注释，还探讨了不同筛选参数的影响。文章推荐了几个知名的在线富集分析工具，并强调了Y叔提供的丰富可视化方法。最后，作者推荐了生信技能树的相关课程资源。

摘要由CSDN通过智能技术生成

大部分的生物学高通量数据处理后都是得到基因集，不管是上调下调表达基因集，还是共表达的模块基因集，都是需要注释到生物学功能数据库来看基因集的意义，最常见的是 GO/KEGG数据库啦，还有很多其它在 MsigDB的，比如 reactome和biocarta数据库等等。

这样分析起来就很麻烦，尤其是GO数据库，还有BP,CC,MF的区别，这个时候推荐使用Y叔的神器：

library(ggplot2)
library(stringr)
library(clusterProfiler)
# 我这里演示的是brown_down_gene，是WGCNA的一个模块，基因集
# 因为表达矩阵是symbol，所以需要转为ENTREZID，才能走clusterProfiler的函数。
gene.df <- bitr(brown_down_gene$symbol, fromType="SYMBOL",
                toType="ENTREZID", 
                OrgDb = "org.Hs.eg.db")
go <- enrichGO(gene = gene.df$ENTREZID, OrgDb = "org.Hs.eg.db", ont="all")
barplot(go, split="ONTOLOGY")+ facet_grid(ONTOLOGY~., scale="free")

会得到如下所示的图，当然，理解起来需要耗费