What：什么是GO和KEGG？

GO全称是Gene Ontology，它分为：细胞组分（cellular component, CC）、分子功能（molecular function, MF）、生物过程（biological process, BP），那这三者有什么关系呢？，大概就是母鸡A被养在鸡笼里，它能够下鸡蛋，但是前提是我往笼子里再放一只公鸡后才能下蛋，在这个比喻里，鸡笼就是CC，下蛋这个动作是BP，而放进公鸡就是这个过程的催化作用，所以是MF。用科研专业术语来说，CC描述的像是位置，比如定位在细胞核；BP是一种生物学过程，比如细胞粘附；MF是一种功能或者职能，比如我们熟悉的酶。
那KEGG又是什么呢？在上面的故事里，有了公鸡母鸡，那还差小鸡，我们把基因看成小鸡，一群小鸡找自己的兄弟姐妹认亲最后回到特定母鸡身边，这个过程就是KEGG，也就是我们常说的找通路。这个通路不一定准确，但是帮助理解应该没问题。

Why：为什么要做GO和KEGG？

如果你手上拿到一个基因list，里面有500个基因，你要怎么确定哪些基因可能跟你要研究的通路或者表型有关呢？你要怎么知道这些基因哪些可以认为是一伙的呢？你要怎么透过这乱花渐欲迷人眼的现象，去找寻这些基因背后的规律呢？
引用：公众号：解螺旋

library(clusterProfiler)
library(AnnotationHub)
#AnnotationHub可以看作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
library(AnnotationDbi)
library(ggplot2)

#BiocManager::install("org.Hs.eg.db", version = "3.8") 
#具体物种对应的R包名字看这页：<http://bioconductor.org/packages/release/BiocViews.html#___OrgDb>
library(org.Hs.eg.db)
#查看有哪些ID
keytypes(org.Hs.eg.db) #人类
 [1] "ACCNUM"       "ALIAS"        "ENSEMBL"      "ENSEMBLPROT" 
 [5] "ENSEMBLTRANS" "ENTREZID"     "ENZYME"       "EVIDENCE"    
 [9] "EVIDENCEALL"  "GENENAME"     "GO"           "GOALL"       
[13] "IPI"          "MAP"          "OMIM"         "ONTOLOGY"    
[17] "ONTOLOGYALL"  "PATH"         "PFAM"         "PMID"        
[21] "PROSITE"      "REFSEQ"       "SYMBOL"       "UCSCKG"      
[25] "UNIGENE"      "UNIPROT"     

导入数据·

setwd('D:\\GEO数据挖掘与meta分析\\练习\\18.GO富集(代码)\\18.GO富集(代码)')
deg <- read.csv("deg_down_symbol.csv", as.is = T)
dim(deg)
[1] 271   8
#ID转换
deg.id <- bitr(deg$SYMBOL, #基因名
                fromType = "SYMBOL", #从gene symbol
                toType = "ENTREZID", #提取ENTREZ ID
                OrgDb = "org.Hs.eg.db") #相应物种的包
 head(deg.id)
    SYMBOL ENTREZID
1     COA3    28958
2  CCDC107   203260
3    HSPB8    26353
4 KIAA1671    85379
5      SCD     6319
6   KCTD10    83892

合并基因名、ENTREZID

idvec <- deg.id$ENTREZID
names(idvec) <- deg.id$SYMBOL
deg$ENTREZID <- idvec[deg$SYMBOL]
head(deg)

GO BP 富集

ego_BP <- enrichGO(gene = deg.id$ENTREZID,
                #人类用这行
                OrgDb = org.Hs.eg.db,
                #非模式生物用这行，例如玉米
                #OrgDb = maize.db,
                ont = "BP", #或MF或CC
                pAdjustMethod = "BH",
                pvalueCutoff  = 0.05
                #qvalueCutoff  = 0.01
                ) 
dim(ego_BP)
61  9

#富集的GO term有些是相似的，可以用语义学方法，合并相似的GO term。需要较长时间。
#参考资料：<https://guangchuangyu.github.io/2015/10/use-simplify-to-remove-redundancy-of-enriched-go-terms/>
ego_BP_1 <- simplify(ego_BP, cutoff = 0.7, by = "p.adjust", select_fun = min)
dim(ego_BP_1)
30  9

GO CC 富集

ego_CC <- enrichGO(gene = deg.id$ENTREZID,
                   OrgDb = org.Hs.eg.db,
                   ont = "CC", 
                   pAdjustMethod = "BH",
                   pvalueCutoff  = 0.05) 
dim(ego_CC)
36  9
#把富集分析结果保存到文件
write.csv(ego_CC,"enrichGO_CC.csv",quote = F)
## barplot画图
barplot(ego_CC)
dotplot(ego_CC,showCategory=10)
dev.off()

GO MF 富集

ego_MF <- enrichGO(gene = deg.id$ENTREZID,
                  OrgDb = org.Hs.eg.db,
                  ont = "MF", 
                  pAdjustMethod = "BH",
                  pvalueCutoff  = 0.05) 
dim(ego_MF)
[1] 19  9

#把富集分析结果保存到文件
write.csv(ego_MF,"enrichGO_MF.csv",quote = F)
barplot(ego_MF)
dotplot(ego_MF,showCategory=10)

KEGG分析

library(clusterProfiler)
library(ggplot2)

hsa_kegg<-download_KEGG("hsa")
str(hsa_kegg)
length(unique(hsa_kegg$KEGGPATHID2EXTID$from)) ###信号通路个数
344
length(unique(hsa_kegg$KEGGPATHID2EXTID$to))  ###所有信号通路中的基因数
8108
x<-data.frame(hsa_kegg$KEGGPATHID2EXTID)  ###两列为pathwayid,基因id extid 扩增标识符
#一个信号通路含有多个基因，一个基因在多个信号通路

length(unique(hsa_kegg$KEGGPATHID2NAME$from)) ###信号通路对应的名称；
length(unique(hsa_kegg$KEGGPATHID2NAME$to)) ###信号通路对应的名字
y<-data.frame(hsa_kegg$KEGGPATHID2NAME)  ###信号通路信息 

setwd("D:/GEO数据挖掘与meta分析/练习/19.KEGG富集(代码)/19.KEGG富集(代码)")
deg<- read.csv("deg_all_symbol.csv", as.is = T)
#ID转换
deg.id <- bitr(deg$X, #基因名
               fromType = "SYMBOL", #从gene symbol
               toType = "ENTREZID", #提取ENTREZ ID
               OrgDb = "org.Hs.eg.db") #相应物种的包

#合并基因名、ENTREZID
idvec <- deg.id$ENTREZID
names(idvec) <- deg.id$SYMBOL
deg$ENTREZID <- idvec[deg$X]

#保存到文件
write.csv(deg, "diff_ENTREZID.csv", quote = F, row.names = F)
#deg <- read.csv("diff_ENTREZID.csv", as.is = T)

deg

#KEGG富集
ekk <- enrichKEGG(gene = deg$ENTREZID,
                keyType = 'kegg',
                organism = 'hsa',
                pvalueCutoff = 0.05,
                pAdjustMethod  = "BH"
                #qvalueCutoff  = 0.05
)
dim(ekk)
19  9

#把富集分析结果保存到文件
write.csv(ekk,"enrichKEGG_test.csv",quote = F)

#可以用语义学方法，合并相似的KEGG term。需要较长时间。
#参考资料：<https://guangchuangyu.github.io/2015/10/use-simplify-to-remove-redundancy-of-enriched-go-terms/>
#ekk_1 <- simplify(ekk, cutoff = 0.7, by = "p.adjust", select_fun = min)
#dim(ekk_1)
#write.csv(ekk_1,"enrichKEGG_simple.csv",quote = F)

dotplot

dotplot(ekk,showCategory=10)

barplot

barplot(ekk)

cnetplot

#对于基因和富集的pathways之间的对应关系进行展示，如果一个基因位于一个pathway下，则将该基因与pathway连线
cnetplot(ekk, categorySize="pvalue", showCategory = 5)

emapplot

###upsetplot
upsetplot(ekk)

查看富集通路

#BiocManager::install("pathview")
BiocManager::install("pathview")
library(pathview)
#Downloading xml/png files for hsa00190 会比较慢
pv.out <- pathview(gene.data = deg$ENTREZID,#需要提供的基因向量，默认是Entrez_ID。可以由gene.idtype设置
                   pathway.id = 'hsa00190', #在KEGG中的ID
                   species ="hsa",
                   #out.suffix = "gse57691"，#文件输出名称，默认是pathview
                   kegg.native =TRUE#默认是TRUE输出完整pathway的png格式文件，反之输出pdf文件
)

#在pathway通路图上标记富集到的基因
browseKEGG(ekk, "hsa00190")
#https://www.kegg.jp/kegg-bin/show_pathway?hsa00190/27089/55967/522/4706/4716/1345/4702/539/4694/1346/1350/1329/4725/1347/10063/1340