[R] clusterProfiler GO / KEGGの濃縮分析の使用の概要

序文

clusterProfilerについてこのRパッケージが導入されていない、教授の純赤のプロパガンダはGOとKEGGは、機能性と可視化を豊かに主に行うために、非常に成功しただけでなく、より強力な関数でした。直接使用後に募集され使用される単純な集計の使用状況、。

からの情報のGOとKEGG注釈濃縮分析を行うclusterProfiler：最初の質問を考えてみましょうか？

BioconductorからGOアノテーション情報は、19種類の組織種は、以下の表に示すアノテーション情報をGO提供します。Bioconductor参照パッケージ内のより多くのコメントができhttp://www.bioconductor.org/packages/release/data/annotation/、混乱は、私が最も使わやって知りません。

パッケージ	生命体
org.Ag.eg.db	ハマダラカ
org.At.tair.db	シロイヌナズナ
org.Bt.eg.db	ウシ
org.Ce.eg.db	ワーム
org.Cf.eg.db	犬
org.Dm.eg.db	飛ぶ
org.Dr.eg.db	ゼブラフィッシュ
org.EcK12.eg.db	大腸菌株K12
org.EcSakai.eg.db	大腸菌は、堺株
org.Gg.eg.db	チキン
org.Hs.eg.db	人間
org.Mm.eg.db	マウス
org.Mmu.eg.db	アカゲザル
org.Pf.plasmo.db	マラリア
org.Pt.eg.db	チンパンジー
org.Rn.eg.db	ラット
org.Sc.sgd.db	酵母
org.Ss.eg.db	豚
org.Xl.eg.db	アフリカツメガエル

APIのKEGGデータベース、を介して取得するためにKEGGアノテーション情報clusterProfiler https://www.kegg.jp/kegg/rest/keggapi.html。

最初は、経路注釈ファイル、そのような人々を、対応する全ての遺伝子の種である：http://rest.kegg.jp/link/hsa/pathway。
：ヒトなどの経路に対応する記述情報の必要性が続く
http://rest.kegg.jp/list/pathway/hsa。

：すべての種とその略称（3文字）にKEGGデータベースは、下に記載されています
https://www.genome.jp/kegg/catalog/org_list.html。

多くの既存の経路注釈種よりも、単にclusterProfilerと略す種を入力するためにだから、それは自動的にネットワーク経由種の経路注釈情報を取得します。

例より多くの種の情報は、どのようにプロジェクトがない情報のための種を行い、ありますか？

GOは、外部GO注釈ファイルを読むことによって分析することができます。遺伝子の約GO注釈、interproscan、エッグノッグ・マッパーとblas2goソフトウェアが行うことができますが、出力形式は多少異なります。次のようにインポートファイル形式にclusterProfiler GOアノテーションは次のとおりです。

GeneID	GO	GO_Description
1	GO：0005819	スピンドル
2	GO：0072686	紡錘体
3	GO：0000776	動原体

3列以上は情報3は、任意の順序にすることができた情報を、含める必要があります。

そこ種の公共データベースのアノテーション情報があるが、それはデータベースorg.db（注釈の標準ライブラリ）に行われていなかった場合clusterProfilerパッケージはOrgDbを含むオブジェクトのために、ゼロからのアノテーションを必要とすることはできません、だけで、手動でorg.dbデータベースタイプを作成する必要があります次のように直接、完了後に使用することができます。

source("https://bioconductor.org/biocLite.R")
if (!requireNamespace("BiocManager", quietly = TRUE))
  install.packages("BiocManager")

BiocManager::install("AnnotationHub") # 一个包含大量注释信息的数据库，里面有很多物种及来源于很多数据库的注释信息。
BiocManager::install("biomaRt")

library(AnnotationHub) 
library(biomaRt)

hub <- AnnotationHub() #建立AnnotationHub对象（视人品，网不行加载不了）
# unique(hub$species) #查看AnonotationHub里面物种
hub$species[which(hub$species=="Solanum")] #看AnonotationHub里是否包含想要的物种
# Solanum是番茄的拉丁名
query(hub, "Solanum")  #查看该物种信息
hub[hub$species=="Solanum" & hub$rdataclass == "OrgDb"] #OrgDb属于rdataclass中，因此查看下该物种有没有OrgDb
Solanum.OrgDb <- hub[["AH59087"]]#AH59087是番茄对应的编号
#制作为标准注释库，就可和模式生物一样使用了

同様に、種のための経路は、データベースに、また経路遺伝子注釈ファイルを読み込み、その後、分析、注釈付きのファイル形式をサポートしませ以下のとおりです。

GeneID	小道	Path_Description
1	I：00001	スピンドル
2	I：00002	紡錘体
3	I：00003	動原体

情報の3行以上の順序は任意です。

濃縮分析

濃縮ORA、FCSの分析と3つの方法のトポロジーは、通常はあります。ORAは、単に超幾何検定またはFisherの正確確率検定で、類似した、現在最も使用される方法、長所と短所についての話である超幾何テスト、と一致しています。FCSを代表して、遺伝子セット濃縮分析、また長所と短所についての話にあるGSEA、です。clusterProfilerは、両方の濃縮分析方法を提供します。
ORA 1（オーバー解析表現）
GO濃縮参照コード：

#标准富集分析
ego <- enrichGO(
          gene  = gene$entrzID,
          keyType = "ENTREZID", 
          universe = names(geneList), #背景基因集，可省
          OrgDb   = org.Hs.eg.db,
          ont     = "CC",
          pAdjustMethod = "BH",
          pvalueCutoff  = 0.01,
          qvalueCutoff  = 0.05,
          readable      = TRUE)

#通过导入外部注释文件富集分析
data <- read.table("go_annotation.txt",header = T,sep = "\t")
go2gene <- data[, c(2, 1)]
go2name <- data[, c(2, 3)]
x <- enricher(gene,TERM2GENE = go2gene,TERM2NAME = go2name)

遺伝子ベクターの違いに対応する遺伝子、
キータイプは、ID、デフォルトはENTREZIDで、keytypesを参照してください（org.Hs.eg.db）タイプを指定した型遺伝子;
OrgDb orgのパケットを指定し、対応する種の名称;
GOの3つの主要なカテゴリのONT代表また、BP、CC、MFが、すべてのすべて;
pAdjustMethodは、複数の仮説検定補正の方法を指定し、 "ホルム"、 "Hochbergの"存在する "ホンメル"、 "ボンフェローニ"、 "BH"、 "BY"、 "FDR"は、「なし」の一種は、
対応するしきい値を指定cufoff、
遺伝子の読み取り可能なID = TRUE代表は、遺伝子シンボルに変換されます。

KEGGパスウェイ濃縮参照コード：

#标准富集分析
ego <- enrichKEGG(
          gene = gene,
          keyType = "kegg",
          organism  = 'hsa',
          pvalueCutoff  = 0.05,
          pAdjustMethod  = "BH",
          qvalueCutoff  = 0.05
)


#通过外部导入注释文件富集
data <- read.table("pathway_annotation.txt",header = T,sep = "\t")
go2gene <- data[, c(2, 1)]
go2name <- data[, c(2, 3)]
x <- enricher(gene,TERM2GENE = go2gene,TERM2NAME = go2name)

デフォルトは、遺伝子ID KEGG遺伝子IDであり、これはNCBI-geneid、NCBI-proteinidであってもよい UNIPROT 等。
他のパラメータと3文字の省略形に対応する生物種は、GOを富みます。ID変換機能：

library(clusterProfiler)
bitr_kegg("1",fromType = "kegg",toType = 'ncbi-proteinid',organism='hsa')

library(org.Hs.eg.db)
keytypes(org.Hs.eg.db) #支持的ID类型
bitr(gene, fromType = "ENTREZID", toType = c("ENSEMBL", "SYMBOL"), OrgDb = org.Hs.eg.db)

#以上看出ID转换输入时，可以向量的形式，也可以单列基因名list导入，也可以是内置数据
gene <- c("AASDH","ABCB11","ADAM12","ADAMTS16","ADAMTS18")
gene  <-  data$V1 #字符串

data(geneList, package="DOSE") #富集分析的背景基因集
gene <- names(geneList)[abs(geneList) > 2]

GSEA 2.（遺伝子セットの濃縮解析）
GO濃縮参照コード：

#标准富集分析
ego <- gseGO(
      geneList  = geneList,
      OrgDb  = org.Hs.eg.db,
      ont  = "CC",
      nPerm  = 1000,  #置换检验的置换次数
      minGSSize  = 100,
      maxGSSize  = 500,
      pvalueCutoff = 0.05,
      verbose  = FALSE)

#通过导入外部注释文件富集分析参考代码：
data <- read.table("go_annotation.txt",header = T,sep = "\t")
go2gene <- data[, c(2, 1)]
go2name <- data[, c(2, 3)]
x <- GSEA(gene,TERM2GENE = go2gene,TERM2NAME = go2name)

KEGGパスウェイ濃縮参照コード：

#标准富集分析
kk <- gseKEGG(
  geneList  = gene,
  keyType  = 'kegg',
  organism = 'hsa',
  nPerm  = 1000,
  minGSSize = 10,
  maxGSSize = 500,
  pvalueCutoff = 0.05,
  pAdjustMethod     = "BH"
)

#通过外部导入注释文件富集
data <- read.table("pathway_annotation.txt",header = T,sep = "\t")
go2gene <- data[, c(2, 1)]
go2name <- data[, c(2, 3)]
x <- GSEA(gene,TERM2GENE = go2gene,TERM2NAME = go2name)

可視化

1.GO濃縮解析結果の可視化

#barplot
barplot(ego, showCategory = 10) #默认展示显著富集的top10个，即p.adjust最小的10个

#dotplot
dotplot(ego, showCategory = 10)

#DAG有向无环图
plotGOgraph(ego)  #矩形代表富集到的top10个GO terms, 颜色从黄色过滤到红色，对应p值从大到小。

#igraph布局的DAG
goplot(ego)

#GO terms关系网络图（通过差异基因关联）
emapplot(ego, showCategory = 30)

#GO term与差异基因关系网络图
cnetplot(ego, showCategory = 5)

2.Pathway濃縮解析結果の可視化

#barplot
barplot(kk, showCategory = 10)

#dotplot
dotplot(kk, showCategory = 10)

#pathway关系网络图（通过差异基因关联）
emapplot(kk,  showCategory = 30)

#pathway与差异基因关系网络图
cnetplot(kk, showCategory = 5)

#pathway映射
browseKEGG(kk, "hsa04934") #在pathway通路图上标记富集到的基因，会链接到KEGG官网

参考：
https://blog.csdn.net/weixin_43569478/article/details/83744242
https://blog.csdn.net/weixin_43569478/article/details/83744384
https://www.jianshu.com/p/065d38c28e2d
HTTPS ：//www.jianshu.com/p/47b5ea646932
https://www.cnblogs.com/yatouhetademao/p/8018252.html
https://zhuanlan.zhihu.com/p/35510434

[R] clusterProfiler GO / KEGGの濃縮分析の使用の概要

序文

濃縮分析

可視化

おすすめ