富集倍数Fold Enrichment的计算方法

在做完GO富集之后，我们可以得到这样的富集分析结果，在结果里可以看到有两列是GeneRatio和BgRatio。

GeneRatio：是一个分数，分子是富集到这个GO条目上的gene的数目，分母是所有输入的做富集分析的gene的数目，可以是差异表达分析得到的gene。
BgRatio(Background Ratio)：这里也是一个分数，分母是人的所有编码蛋白的基因中有GO注释的gene的数目，BP是18866个，CC是19559个。分子是这18866/19559个gene中注释到这个GO条目上面的gene的数目。

而富集倍数Fold Enrichment就是GeneRatio / BgRatio。
此前还写过另一个评价富集程度的指标zscore。

富集倍数的计算方法：

1. 利用eval直接做计算

go=read.csv("enrichGO_all.csv",stringsAsFactors = F)
enrichment_fold=apply(go,1,function(x){
    GeneRatio=eval(parse(text=x["GeneRatio"]))
    BgRatio=eval(parse(text=x["BgRatio"]))
    enrichment_fold=round(GeneRatio/BgRatio,2)
    enrichment_fold
})
go$EF <- enrichment_fold
View(go)

最后一列就是富集倍数，保留了两位小数

2. 利用strsplit按/分割成分子和分母

go=read.csv("enrichGO_all.csv",stringsAsFactors = F)
fenshu2xiaoshu<-function(ratio){
    sapply(ratio,function(x) as.numeric(strsplit(x,"/")[[1]][1])/as.numeric(strsplit(x,"/")[[1]][2]))
}
enrichment_fold=fenshu2xiaoshu(go$GeneRatio)/fenshu2xiaoshu(go$BgRatio)
enrichment_fold=as.numeric(enrichment_fold)
go$EF <- enrichment_fold
View(go)

3. 利用gsub替换，得到分子和分母

go=read.csv("enrichGO_all.csv",stringsAsFactors = F)
fenshu2xiaoshu2<-function(ratio){
    sapply(ratio,function(x) as.numeric(gsub("/.*$","",x))/as.numeric(gsub("^.*/","",x)))
}
enrichment_fold=fenshu2xiaoshu2(go$GeneRatio)/fenshu2xiaoshu2(go$BgRatio)
enrichment_fold=as.numeric(enrichment_fold)
go$EF <- enrichment_fold
View(go)

得到的富集倍数可以用来做图

参考：GO和KEGG富集倍数（Fold Enrichment）如何计算