clusterProfiler 是一个在 R 语言中用于功能注释分析和可视化的强大工具。它提供了多种方法来分析和解释高通量生物学数据集。gseKEGG 和 enrichKEGG 是 clusterProfiler 包中的两个主要函数，用于不同类型的分析。以下是它们在用法和结果上的主要区别：
用法
enrichKEGG：
目标： KEGG 通路富集分析。
输入： 一个基因列表，通常是差异表达的基因列表。
方法： 采用超几何检验或其他统计方法，评估在给定基因列表中，某个 KEGG 通路是否显著富集。
示例代码：
library(clusterProfiler)
library(org.Hs.eg.db) # 人类基因注释数据库
gene_list <- c("gene1", "gene2", "gene3", ...) # 你的基因列表
enrich_result <- enrichKEGG(gene = gene_list, organism = 'hsa')
gseKEGG：
目标： KEGG 基因集富集分析 (GSEA)。
输入： 排序的基因列表，通常基于基因表达变化的大小排序。
方法： 采用基因集富集分析（GSEA），评估在整个基因排序列表中，某个 KEGG 通路是否显著富集。
示例代码：
library(clusterProfiler)
library(org.Hs.eg.db) # 人类基因注释数据库
gene_list <- sort(c("gene1" = 1.5, "gene2" = -2.0, "gene3" = 0.5, ...), decreasing = TRUE) # 排序的基因列表
gse_result <- gseKEGG(geneList = gene_list, organism = 'hsa')
结果
enrichKEGG 的结果：
返回一个包含显著富集 KEGG 通路的信息表格。
主要输出包括通路 ID、描述、富集的基因数、背景基因数、p 值、调整后的 p 值等。
可以通过 barplot, dotplot, cnetplot 等函数进行可视化。
gseKEGG 的结果：
返回一个包含显著富集 KEGG 通路的信息表格，以及富集得分（ES）、归一化富集得分（NES）、p 值、调整后的 p 值等。
结果还包含每个通路在基因排序列表中的富集曲线。
可以通过 gseaplot, ridgeplot, cnetplot 等函数进行可视化。
主要区别
分析方法：
enrichKEGG 适用于特定基因列表，使用超几何检验等方法检测显著富集的通路。
gseKEGG 适用于排序的基因列表，使用基因集富集分析（GSEA）检测显著富集的通路。
输入类型：
enrichKEGG 需要一个基因列表。
gseKEGG 需要一个排序的基因列表。
结果解读：
enrichKEGG 结果中每个通路的显著性是基于输入基因列表中的富集情况。
gseKEGG 结果中每个通路的显著性是基于整个排序基因列表中的富集情况。
总结来说，enrichKEGG 更适合于分析已经筛选出的差异表达基因，而 gseKEGG 更适合于分析整个基因表达变化的排序列表。这两个函数提供了不同角度的功能注释分析，可以互补使用。
网友评论