功能注释后如何做富集分析

功能注释后如何做富集分析功能注释后如何做富集分析本文是为了回答知识星球里的一个提问,他为了用clusterProfiler做富集分析,打算构建一个OrgDb,也就是物种数据库。提问我之前写过用Bioconductor对基因组注释,用Bioconductor/AnnotationHub对模式植物的基因进行注释。昨天的推送,我讲过新物种的注释基本上都是基于同源相似性搜索数据库完成,最后得到的…

大家好,欢迎来到IT知识分享网。

功能注释后如何做富集分析

本文是为了回答知识星球里的一个提问,他为了用clusterProfiler做富集分析,打算构建一个OrgDb,也就是物种数据库。

2013053-23ab2a0133cbd5eb.png

提问

我之前写过用Bioconductor对基因组注释,用Bioconductor/AnnotationHub对模式植物的基因进行注释。昨天的推送,我讲过新物种的注释基本上都是基于同源相似性搜索数据库完成,最后得到的就是基因名和数据库中注释的对应关系。OrgdbBioconductor计划中其中一环,通过构建一个物种各个数据库注释条目和基因的对应关系数据库,方便在得到基因后对基因进行注释。

enrichGO的前三个参数gene,OrgDb,keyType的目的是利用数据库将基因编号转换成GO号。enrichKEGG的前三个参数gene, organism,keyType 的目的也是为了基于物种名和基因编号直接爬取KEGG,将基因编号转换成KO号。

如果你只是为了做GO和KEGG富集分析,有必要构建物种数据库吗?我的答案是没有必要,因为不构建物种数据库也能够用clusterProfiler做富集分析。

我相信Y叔一定提供了不通过OrgDb,将转换基因编号为GO/KO编号,然后做富集分析的方法,所以我就去翻了Y叔为clusterProfiler写的文档。于是我找到这一篇use clusterProfiler as an universal enrichment analysis tool, 这里面提到了一个通用的函数enricher用于支持新注释物种.

核心参数两个gene,TERM2GENE,前者表示的基因编号,后者是GO/KEGG条目和基因编号的对应关系

enricher(gene, pvalueCutoff = 0.05, pAdjustMethod = "BH", universe,
  minGSSize = 10, maxGSSize = 500, qvalueCutoff = 0.2, TERM2GENE,
  TERM2NAME = NA)

由于我只拿到了我的KEGG注释,GO注释还在运行中,这次就以KEGG富集分析作为例子。

我从KEGG上拿到的注释是下面这种情况,很明显,有些基因没有注释。这些没有注释的基因应该如何注释?Y叔的建议是不要,全部丢掉,原因去参考资料中找。

CAROC969890.1
CAROC969900.1   K12736
CAROC969910.1   K02943
CAROC969920.1   K13356
CAROC969930.1
CAROC969940.1
CAROC969950.1
CAROC969960.1
CAROC969970.1
CAROC969980.1

简单的grep就可以完成这个剔除工作,grep K query.ko > kegg.tsv,然后将kegg.tsv导入到我们的R语言中

gene_ko <- read.table("C:/Users/DELL/Desktop/KEGG.tsv", header = FALSE,
                      sep = "\t")

然后我们随机抽样几个基因作为gene输入,同时构建TERM2GENE的输入

term2gene <- data.frame(TERM=gene_ko$V2, GENE=gene_ko$V1)
gene_sample <- sample(gene_ko$V1, 100)
enkegg <- enricher(gene_sample, TERM2GENE = term2gene, pAdjustMethod = "none")

我这里不用多重实验矫正的原因,因为我是随机抽的基因,很有可能是一个富集都找不到。。所以为了后续演示,就把矫正去掉了,真实情况下,你是要的。

参考资料

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/21851.html

(0)

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

关注微信