linux下的go富集分析,GO富集分析示例【华为云技术分享】

GO是Gene Ontology的简称，是基因功能国际标准分类体系。它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分为分子功能(Molecular Function)、生物过程(Biological Process)、和细胞组成(Cellular Component)三个部分。

富集分析主要用于差异基因在GO term的富集程度，颜色越深富集越显著，红色最显著，黄色次之，无色代表富集不显著。

GO term分为三大类，每一类从不同的层面解释基因的生物学功能，我们可以结合生物学问题的特殊性，有针对性的关注GO term：例如我们期望从离子通道这一层面解释植物耐旱，耐盐的的机理，我们可以优先关注细胞组成里面膜蛋白。

GO term间具有包含关系，GO term之间可以构建复杂的结构网络。GO term 层级越低，功能描述越具体，越是低层级，越能解释生物学的问题，所以我们要关注显著富集的低层级GO term，以便具体而详尽的解释生物学问题。

GO富集分析的统计假设，并不能完全代基因功能的重要程度。要结合生物学问题、结合基因的功能注释，才能判断其中的基因变化是否有重要的生物学意义。

这里可以使用clusterProfiler找到富集的GO

安装所需的R包

1 source("https://bioconductor.org/biocLite.R")2 options(BioC_mirror="http://mirrors.ustc.edu.cn/bioc/")3 biocLite("org.Hs.eg.db")4 biocLite("clusterProfiler")5 install.packages("ggplot2")

进行富集分析

1 library(org.Hs.eg.db)2 library(ggplot2)3 setwd("D:/medical_service/go_enrich")4 # geneNames

20 BP.list

22 dotplot(BP.list, showCategory=30)library(clusterProfiler

如果要做BP， CC， MF的综合柱状图，采用ggplot2

1 p1

3 ggsave("out_bar.pdf", p1, width = 10, height=6)4

5

6 p2

7 geom_point(aes( size= Count , colour = -log10( pvalue )) ) + scale_y_discrete(limits=Edata$`GO description`)+

8 ggtitle("GO enrichment") + scale_color_gradient(low = 'green', high = 'red') + xlim(range(Edata$GeneRatio)) +

9 theme(axis.text.x=element_text(angle=0,size=8, vjust=0.7), axis.text.y=element_text(angle=0,size=6, vjust=0.7),plot.title = element_text(lineheight=.8, face="bold", hjust=0.5, size =16), panel.background = element_rect(fill="white", colour='gray'), panel.grid.major = element_line(size = 0.05, colour = "gray"), panel.grid.minor.y = element_line(size=0.05, colour="gray"), panel.grid.minor.x = element_line(size=0.05, colour="gray")10 )11

12 ggsave("out_GO.pdf", p2, width = 8, height=7)

效果如图

来源：华为云社区 作者：benymorre

HDC.Cloud华为开发者大会2020 即将于2020年2月11日-12日在深圳举办，是一线开发者学习实践鲲鹏通用计算、昇腾AI计算、数据库、区块链、云原生、5G等ICT开放能力的最佳舞台。