链接:
https://www.jianshu.com/p/22b7e77b770e
保存的位置:C:/Users/liu/Documents/AppData/.AnnotationHub/annotationhub.sqlite3
下载链接:https://annotationhub.bioconductor.org/metadata/annotationhub.sqlite3
安装与下载:
一:首先安装 AnnotationHub这个包
AnnotationHub是一个包含大量注释信息的数据库,里面有很多物种,以及来源于很多数据库的注释信息。
- 安装
source("https://bioconductor.org/biocLite.R")
biocLite("AnnotationHub"), AnnotationHub ##这种方法过时了
BiocManager::install("AnnotationHub") ##用这种方法安装 ,要是中途下载失败就自己手动下载,然后放到上面保存的位置。 数据地址:https://annotationhub.bioconductor.org
- 载入这个包
library(AnnotationHub)
- 建立AnnotationHub对象
ah = AnnotationHub()
到这里安装就算完成了,接下来我们可以按自己的需求来完成。
二: 想要查看AnonotationHub里面包括那些物种:
unique(ah$species) ##图1,会发现由于包含东西太多,我们可以根据自己想要找的物种,来看这个AnonotationHub里面是否包含我们想要的物种:
ah$species[which(ah$species=="Mus musculus")] ##图2,筛选我们想要的数据库
图1
图2
可见是包含的,由于我们想要使用clusterProfiler包,这个包只针对含有OrgDb对象的,所以我们继续寻找:
使用R中的qury函数可以看见一些信息:
mu = query(ah,"Mus musculus")
ah
OrgDb属于rdataclass里面的,所以使用
ah[ah$species =='Mus musculus'&ah$rdataclass=='OrgDb']
rdataclass
就找到了,名字为org.Mm.eg.db。
三:我们如何去下载所需信息
我们找到所需要的物种数据库之后,你会得到一个ID,比如说老鼠的OrgDb的注释数据库的ID就是"AH66157",然后根据这个ID可以进行下载。当然下载方式已经出现过了.
ath <- ah[['AH66157']] ##下载数据包
ath
小结:
A. AnnotationHub是生物数据的中转站,方面我们搜索目标数据,另一个相似包是biomaRt;
B. 我们通过query,subset等方法(图形界面则是display),逐步从AnnotationHub的metadata筛选到所需数据的ID;
C. 使用[]是查看目标数据的metadata, 使用[[]]用于下载数据;
找到和下载注释数据库只是第一步,学会如何使用这些数据库更加重要。下面附一个bioconductor提供的19个Org包,要是你的物种是其中的,就不用去找了,可以直接用了。
物种库
探索注释数据库:
用class看下它具体是什么类(面向对象编程的概念)
> class(ath)
[1] "OrgDb"
attr(,"package")
[1] "AnnotationDbi"
我们看看AnnotationDbi的5个主要函数
columns(x): 显示当前对象有哪些数据
keytypes(x): 有哪些keytypes可以用作select或keys的keytypes参数
keys(x, keytype, ...):返回当前数据对象的keysselect(x, keys, columns, keytype, ...):基于keys, columns和keytype以data.frame数据类型返回数据,可以是一对多的关系
mapIds(x, keys, column, keytype, ..., multiVals): 类似于select,只不过就返回一个列。
columns(ath)
columns
keytypes(ath)
keytypes
keytypes告诉我们可以当做哪些列是keytype类型,那么keys则列出这个keytype下有哪些关键字。
head(keys(ath,keytype = "SYMBOL"))
行
select(ath, keys= "AGO1", columns=c("TAIR","GO"),keytype = "SYMBOL")
'select()' returned 1:many mapping between keys and columns
select则是根据你提供的key值去查找注释数据库,返回你需要的columns信息。
select
可以看到一个Pzp就能返回那么多信息.因为一个基因可以有多个功能(GO注释),当然一个GO注释下也有可以多个基因。
select(ath, keys= "GO:0004866", columns=c("PATH"),keytype = "GO")
select
富集分析就是看不同GO,KEGG注释下,你提供的基因集的分布情况。比如说我随机从l老鼠中抽样200个基因,然后观察这些基因的富集情况。
注:这里用的Y叔的clusterProfiler包
library("clusterProfiler")
tair.sample <- sample(keys(ath,keyType = "ENTREZID"), 100)
test <- enrichGO(gene = tair.sample,
OrgDb = ath,
keyType = "ENTREZID",
pAdjustMethod = "none",
pvalueCutoff = 0.1,
qvalueCutoff = 0.2)
summary(test)
summary
mapIds功能和select类似,只不过他返回的是一组向量,而不是数据库。
mapIds(ath, keys = tair.sample, column = c("TAIR"), keytype = "ENTREZID")
到这里就可以画图来展示富集到的GO terms了:
1. 散点图
test <- enrichGO(gene = tair.sample,
OrgDb = ath,
keyType = "ENTREZID",
pAdjustMethod = "none",
pvalueCutoff = 0.1,
qvalueCutoff = 0.2)
dotplot(test, showCategory = 10)
image.png
横轴为GeneRatio, 代表该GO term下的差异基因个数占差异基因总数的比例,纵轴为富集到的GO Terms的描述信息, showCategory指定展示的GO Terms的个数,默认展示显著富集的top10个,即p.adjust最小的10个。
图中点的颜色对应p.adjust的值,从小到大,对应蓝色到红色,大小对应该GO terms下的差异基因个数,个数越多,点越大。
2. 柱状图
barplot(test, showCategory = 10)
[图片上传失败...(image-e621bb-1556376670895)]
横轴为该GO term下的差异基因个数,纵轴为富集到的GO Terms的描述信息, showCategory指定展示的GO Terms的个数,默认展示显著富集的top10个,即p.adjust最小的10个。注意的颜色对应p.adjust值,从小到大,对应蓝色到红色。
3.GO有向无环图
调用goplot来实现GO有向无环图的绘制,代码如下
goplot(test)
image.png
- centpolt图
cnetplot(test, showCategory = 5)
image.png
图中灰色的点代表基因,黄色的点代表富集到的GO terms, 默认画top5富集到的GO terms, GO 节点的大小对应富集到的基因个数。
5. emapplot
对于富集到的GO terms之间的基因重叠关系进行展示,如果两个GO terms系的差异基因存在重叠,说明这两个节点存在overlap关系,在图中用线条连接起来,用法如下
emapplot(test, showCategory = 30)
image.png
每个节点是一个富集到的GO term, 默认画top30个富集到的GO terms, 节点大小对应该GO terms下富集到的差异基因个数,节点的颜色对应p.adjust的值,从小到大,对应蓝色到红色。
网友评论