如何进行聚类可视化_simplifyEnrichment，一个对GO富集结果进行聚类和可视化的工具...

最新推荐文章于 2024-05-22 09:53:22 发布

陈景隆

最新推荐文章于 2024-05-22 09:53:22 发布

阅读量1.1k

点赞数

文章标签：如何进行聚类可视化

本文链接：https://blog.csdn.net/weixin_42413747/article/details/112678006

版权

simplifyEnrichment是一个R包，专门用于GO富集分析结果的简化和可视化。通过计算GO间的相似性，采用binary cut方法将GO划分到类别中，便于理解大量富集功能。该工具利用word cloud展示GO cluster，提供直观的注解，并与其他聚类方法对比，展示其优势。

摘要由CSDN通过智能技术生成

在前一篇博文中，我介绍了我的一个新的Bioconductor包cola，在这篇博文中，我继续介绍另一个新的R包simplifyEnrichment。Bioconductor上的链接为https://bioconductor.org/packages/simplifyEnrichment/，论文链接为https://www.biorxiv.org/content/10.1101/2020.10.27.312116v1。

对基因的功能富集分析是生物信息学中的一个基本的分析方法，通常用户会得到成百上千个显著富集的功能。那么下一步就是如何将这成百上千个功能减少到一个适当的值，这样用户可以很方便的阅读，并且不会丢失重要的信息。

simplifyEnrichment主要针对于GO富集分析的结果，为了对富集出来的GO列表进行简化，我们首先要得到GO和GO之间的相似性，然后基于此，把GO划分到几个类中。一般来说，我们用基于语义学的GO相似性度量，例如使用GoSemSim包，在得到GO相似性矩阵后，simplifyEnrichment提供了一个新方法，称之为binary cut，用来对GO相似性矩阵进行划分。

下图是一个对GO相似性矩阵进行划分后的结果，同时对每个GO cluster，我使用word cloud作为对应的annotation，这样可以很容易的知道每个GO cluster所对应的功能。