linux转录组kegg注释,对miRNA进行go和kegg等功能数据库数据库注释

如果大家对go和kegg等功能数据库注释有一定了解，就应该是知道kegg里面其实就记录各个物种不到一半的蛋白编码基因功能，比如人类， 约2万个蛋白编码基因，也就七千多个是有kegg功能注释的。其它物种就更是惨不忍睹，没有那么多科研经费投入进去，实际上对它们的基因功能就无从得知！

不过，哪怕是对人类来说，kegg注释的也仅仅是蛋白编码基因，但是如果你了解人类gtf文件，就应该知道，里面有6万左右的基因，如果我们的差异分析，定位到了 lncRNA，假基因，miRNA的基因，其实就不能直接进行功能数据库注释。

我们以miRNA为例，每个miRNA都是可以靶向调控数百甚至数千个蛋白编码基因，所以我们如果要对miRNA进行go和kegg等功能数据库数据库注释，就需要以靶向调控为桥梁。

前面我们介绍了两次关于miRNA的靶向基因的查询工具，分别是：

而且我们也多次讲解了go和kegg等功能数据库数据库注释，见：

所以，理论上你能够查询到miRNA的靶向基因，就可以用靶基因作为桥梁去进行数据库注释啦！

当然，如果你不想看这个中间过程，自己也可以写一个函数，或者使用造好的轮子，比如：

rm(list = ls())

library(miRNAtap)

library(topGO)

library(org.Hs.eg.db)

mir = 'miR-10b'

predictions = getPredictedTargets(mir, species = 'hsa',

method = 'geom', min_src = 2)

rankedGenes = predictions[,'rank_product']

selection = function(x) TRUE

# we do not want to impose a cut off, instead we are using rank information

allGO2genes = annFUN.org(whichOnto='BP', feasibleGenes = NULL,

mapping="org.Hs.eg.db", ID = "entrez")

GOdata = new('topGOdata', ontology = 'BP', allGenes = rankedGenes,

annot = annFUN.GO2genes, GO2genes = allGO2genes,

geneSel = selection, nodeSize=10)

GOdata

results.ks = runTest(GOdata, algorithm = "classic", statistic = "ks")

results.ks

allRes = GenTable(GOdata, KS = results.ks, orderBy = "KS", topNodes = 20)

allRes[,c('GO.ID','Term','KS')]

这个topGO也是一个老牌的R包，虽然说因为Y书的原因，我们一直在强推clusterProfiler，但是并不意味着clusterProfiler 唯一的解决方案哈！

其它功能数据库同样的注释流程哈！

文末友情宣传

强烈建议你推荐我们生信技能树给身边的博士后以及年轻生物学PI，帮助他们多一点数据认知，让科研更上一个台阶：

​