转录组学04 | KEGG与GO通路富集

找到差异基因后，最流程化的的做法就是做一个通路富集，去描述这些基因有什么作用，具体点就是看这些基因共同参与了哪些生物学过程，是否集中在某条信号通路中，是否指向某种潜在的疾病机制，亦或是某个具体的代谢改变。

通路富集

通路：

生物通路（Biological pathway），说白了，就是细胞里一群分子之间按特定顺序发生作用，像传接力一样，完成某个具体功能的过程。常见的有信号转导通路（Signal Transduction Pathways）、代谢通路（Metabolic Pathways）、调控通路（Regulatory Pathways）。      你说某个基因参与某条通路，那你是在哪查的？这些通路是谁定义的？又是谁说这些基因归属于这个通路的？因为我们要分析“哪些通路富集了”，总得先有地方查这些通路对吧？这就引出了KEGG和GO两个生物信息学中最基础、最常用的知识库。

富集：

我们经常说某条通路“被富集”，靠的正是一个经典的统计模型：超几何分布（Hypergeometric Distribution）。

给定：

那么这个“命中 k 个或更多”基因的概率（即 p 值）是：

如果这个 p 值很小（比如 < 0.05 或 < 0.01），我们就说这个通路在你挑出的差异基因中被显著富集。

重要提醒

不管是 KEGG 还是 GO 富集，输入的基因 ID 必！须！是！ENTREZ ID！听懂掌声

library(org.Hs.eg.db)library(clusterProfiler)gene_list <- deg$geneentrez_ids <- bitr(gene_list, fromType = "ENSEMBL",                   toType = "ENTREZID",                   OrgDb = org.Hs.eg.db)

KEGG

KEGG，全名是 Kyoto Encyclopedia of Genes and Genomes，由日本京都大学开发维护，它像一本“生化流程图大百科”，把细胞里各种生物过程（代谢、信号转导、疾病机制等）都画成了路线图。

# KEGG 要使用 ENTREZ ID，并指定物种（hsa = Homo sapiens）kegg <- enrichKEGG(gene         = entrez_ids$ENTREZID,                    organism     = 'hsa',                    pvalueCutoff = 0.05)

GO

GO，全名是 Gene Ontology，是一个更偏向功能注释的数据库，GO 和 KEGG 不太一样，它不是路线图，也不强调通路结构，而是提供一种标准化的功能术语体系，每个术语叫一个 GO term。

GO 有三个维度：

BP（Biological Process）：生物过程例：细胞凋亡、DNA修复、炎症反应

MF（Molecular Function）：分子功能例：ATP酶活性、蛋白结合

CC（Cellular Component）：细胞组成

例：线粒体、核糖体、细胞膜

ego <- enrichGO(gene         = entrez_ids$ENTREZID,                OrgDb        = org.Hs.eg.db,                ont          = "BP",       # "BP"=生物过程，"MF"=分子功能，"CC"=细胞组分                pAdjustMethod = "BH",                pvalueCutoff = 0.05,                qvalueCutoff = 0.05,                readable     = TRUE)

可视化

常用气泡图和条形图，GO与KEGG的名字可以相互替换

##可视化library(enrichplot)
# GO 气泡图
dotplot(ego,        x = "GeneRatio",      # x轴，默认是 GeneRatio（命中率）        color = "p.adjust",   # 气泡颜色代表什么，常用 p.adjust        size = "Count",       # 气泡大小代表什么，通常是富集基因数量        showCategory = 10,    # 展示前几个通路        font.size = 12,       # 控制整体字体大小        title = "GO Biological Process"       # 标题)# KEGG 条形图barplot(kegg,        x = "Count",      # x轴可以改为 Count（命中数量）或 GeneRatio（命中率）        showCategory = 10,        color = "p.adjust",   # 条形颜色根据 p 值映射        font.size = 12,        title = "KEGG Pathways")