gseGO分析流程

1. 准备好输入文件，输入文件为差异表达分析结果，分析结果主要主要的是gene_ID，和log2foldchange这两列，如图红框框住部分

2. GSEA输入数据需要将gene根据log2FoldChange值从大到小的顺序以此排列，这时我们在R语言中导入数据的时候处理好就可以了。

#所使用的包

library(org.Mm.eg.db)

library(clusterProfiler)

library(GseaVis)

library(ggplot2)

library(enrichplot)

setwd("D:/data/WYQ/2/New/yongICH_vs_yongshame/GSEA/")

DD<-"DEGs.txt"

DEGs<- read.table(DD, header=TRUE, sep = "\t")

new_DEGs <- DEGs[order(-DEGs$log2FoldChange),]#排序

gene_list <- new_DEGs$log2FoldChange #

names(gene_list) <- new_DEGs$GID#得到一个以geneID为名的log2foldchange列表

3,运行GSEGo程序,这里不将BP CC MF分开

gsego_ALL <- gseGO(

gene_list ,

ont = "ALL",

OrgDb = org.Mm.eg.db,

keyType = "SYMBOL",

exponent = 1,

minGSSize = 10,

maxGSSize = 500,

pvalueCutoff = 0.05,

verbose = FALSE

)

3. 保存结果

ego_results<-as.data.frame(gsego_ALL)

write.csv(ego_results, "GSEA_GO_results.csv")

4，可视化其中通路情况，如GO:0000165，GO:0043408这两个通路

paths <- c(

"GO:0000165",)

gseaplot2(gsego_ALL,paths, pvalue_table=TRUE)

5.可视化所有富集结果，并显示上下调通路情况，这里的演示数据只使用了部分数据，所以不全

dotplot(gsego_ALL,showCategory = 40,split=".sign")+facet_wrap(~.sign,scales = "free")