RNA富集分析
这部分开始进行基本的富集分析,两类
- A:差异基因富集分析(不需要表达值,只需要gene name)
- B: 基因集(gene set)富集分析(不管有无差异,需要全部genes表达值)
############################################################
A:差异基因富集分析(不需要表达值,只需要gene name)
############################################################
-----------先说富集什么-----------
- 最常用的基因注释工具是GO和KEGG注释,这基本上是差异基因分析一定做的两件事。GO可以在GO:BP(生物过程),GO:MF(分子功能),GO:CC(细胞组分)三个方面分别进行注释,用的比较多的是GO:BP,但其他两方面也很重要。
- 外还有一个软件不得不提,那就是IPA(Ingenuity pathway analysis),这是一个收费软件,有基本版和高级版。我个人觉得它的upstream regulator analysis还是很不错的。分子激活功能等也可以用用。另外一个就是它内置的热图功能。高级版我没用过,但是知道可以导出一些数据等。
-----------什么是富集(原理)-----------
富集的统计学基础是超几何分布,简单来说根据下面的Fisher精确检验(Fisher exact test)公式,对每个GO或KEGG term计算一个p值 p=(M/K)[(N-M)/(n-k)]/(N/n),其中 N:所有gene总数 n:N中差异表达gene的总数 M:N中属于某个GO term的gene个数 k: n中属于某个GO term的gene个数 p:表示差异表达gene富集到这个GO term上的可信程度
- 当p<0.05或0.01,则认为差异表达gene显著到这个GO term上(自己定义p值)
- 意义:提供的信息更集中,更有意义
---------------拿什么来富集---------------
得到的差异表达基因列表就可以,也就是说不需要其他的值
---------------用什么工具富集--------------
只能说实在是太多太多了。。。。但是用的时候要小心,因为你多用几个工具,即使设定同样的p值也会发现结果有出入,有时还差异挺大。
1 按使用方式来说(简单度)有3种
- (1)在线版:最主流的就是DAVID,各种级别杂志总见其身影,使用非常简单,不再赘述。另外还有Gather,GOrilla,revigo,还有很多很多我就不在贴了。网页版有网页版的好处,可以先大概看下自己筛选的genes。另外很多工具有很好的可视化功能,自己一一去探索吧。
- (2)客户端版:IPA(IPA不是用的GO和KEGG数据库)和FUNRICH,后者更新速度很慢,但里面有好玩又实用的功能,并且可以加载自己的数据。
- (3)R包:介绍一个就行了,那就是Y叔的clusterProfiler,我论文中的富集功能很多都是用这个包做的(还有的用了IPA)。 ##########################################################
B: 基因集(gene set)富集分析(不管有无差异,需要全部genes表达值)
##########################################################
- 好处:可以发现被差异基因舍弃的genes可能参与了某重要生理过程或信号通路(稍后我会把以前手写的GSEA原理和结果意义解读发上来)
- 工具:GSEA
- 使用方法:R(还是clusterProfiler)或客户端
-------------------具体操作---------------------
#enrichment analysis using clusterprofiler package created by yuguangchuang library(clusterProfiler) library(DOSE) library(org.Mm.eg.db) #get the ENTREZID for the next analysis setwd("F:/rna_seq/data/matrix") sig.gene<-read.csv(file="DEG_treat_vs_control.csv") head(sig.gene) gene<-sig.gene[,1] head(gene) gene.df<-bitr(gene, fromType = "ENSEMBL", toType = c("SYMBOL","ENTREZID"), OrgDb = org.Mm.eg.db) head(gene.df)
GO富集分析:
#Go classification #Go enrichment ego_cc<-enrichGO(gene = gene.df$ENSEMBL, OrgDb = org.Mm.eg.db, keyType = 'ENSEMBL', ont = "CC", pAdjustMethod = "BH", pvalueCutoff = 0.01, qvalueCutoff = 0.05) ego_bp<-enrichGO(gene = gene.df$ENSEMBL, OrgDb = org.Mm.eg.db, keyType = 'ENSEMBL', ont = "BP", pAdjustMethod = "BH", pvalueCutoff = 0.01, qvalueCutoff = 0.05) barplot(ego_bp,showCategory = 18,title="The GO_BP enrichment analysis of all DEGs ")+ scale_size(range=c(2, 12))+ scale_x_discrete(labels=function(ego_bp) str_wrap(ego_bp,width = 25))
gobp.jpeg
#KEGG enrichment install.packages("stringr") library(stringr) kk<-enrichKEGG(gene =gene.df$ENTREZID, organism = 'mmu', pvalueCutoff = 0.05) kk[1:30] barplot(kk,showCategory = 25, title="The KEGG enrichment analysis of all DEGs")+ scale_size(range=c(2, 12))+ scale_x_discrete(labels=function(kk) str_wrap(kk,width = 25)) dotplot(kk,showCategory = 25, title="The KEGG enrichment analysis of all DEGs")+ scale_size(range=c(2, 12))+ scale_x_discrete(labels=function(kk) str_wrap(kk,width = 25))
kegg.jpeg
keggdot.jpeg
# Gene Set Enrichment Analysis(GSEA) # 获取按照log2FC大小来排序的基因列表 genelist <- sig.gene$log2FoldChange names(genelist) <- sig.gene[,1] genelist <- sort(genelist, decreasing = TRUE) # GSEA分析 gsemf <- gseGO(genelist, OrgDb = org.Mm.eg.db, keyType = "ENSEMBL", ont="BP" ) # 查看信息 head(gsemf) # 画出GSEA图 gseaplot(gsemf, geneSetID="GO:0001819")
gsea.jpeg
后记:做完这部分富集分析,接着按我的流程进入下一部分分析RNA-seq(10):KEGG通路可视化,因为直接用到这部分数据,
赞 (0)