clusterProfiler包的安装

对于clusterProfiler的安装也很简单，一般情况下，直接通过Bioconductor安装clusterProfiler就可以了。

#bioconductor 安装
#install.packages('BiocManager')  #需要首先安装 BiocManager，如果尚未安装请先执行该步
BiocManager::install('clusterProfiler')

clusterProfiler的GO富集分析（有参向）

首先来看GO富集分析。

注：这里均对于有参考基因组的情况而言的，无参分析暂不涉及。

1、准备输入数据

待分析的数据就是一串基因名称了，可以是ensembl id、entrze id或者symbol id等类型都可以。把基因名称以一列的形式排开，放在一个文本文件中（例如命名“gene.txt”）。Excel中查看，就是如下示例这种样式。

图片.png

输入数据，待分析的基因名称

2、加载参考物种的基因注释数据库

对于有参考基因组物种的分析，首先需要指定该物种的基因数据库。

存在两组情况，一种是常见物种，另一种是不常见物种。

#（1）对于常见物种，例如人类，有些专门的 R 包数据库，例如人类参考基因组 hg19 的
library(org.Hs.eg.db)

#（2）对于不常见的物种，但却是存在参考基因组的情况
#通过 AnnotationHub 包索引基因组，例如期望找绵羊（Ovis aries）的注释库
library(AnnotationHub)

hub <- AnnotationHub()
query(hub, 'Ovis aries')  #输入绵羊（Ovis aries）的名称进行匹配
sheep <- hub[['AH72269']]  #返回了数据库编号 AH72269，就可以加载该库

3、GO富集分析

加载了注释库之后，读取基因列表文件，并使用clusterProfiler的内部函数enrichGO()即可完成GO富集分析。

#读取基因列表文件中的基因名称
genes <- read.delim('gene.txt', header = TRUE, stringsAsFactors = FALSE)[[1]]

#GO富集分析
#对于加载的注释库的使用，以上述为例，就直接在 OrgDb 中指定人（org.Hs.eg.db）或绵羊（sheep）
enrich.go <- enrichGO(gene = genes,  #基因列表文件中的基因名称
    OrgDb = 'sheep',  #指定物种的基因数据库，示例物种是绵羊（sheep）
    keyType = 'ENTREZID',  #指定给定的基因名称类型，例如这里以 entrze id 为例
    ont = 'ALL',  #可选 BP、MF、CC，也可以指定 ALL 同时计算 3 者
    pAdjustMethod = 'fdr',  #指定 p 值校正方法
    pvalueCutoff = 0.05,  #指定 p 值阈值，不显著的值将不显示在结果中
    qvalueCutoff = 0.2,  #指定 q 值阈值，不显著的值将不显示在结果中
    readable = FALSE)

#例如上述指定 ALL 同时计算 BP、MF、CC，这里将它们作个拆分后输出
BP <- enrich.go[enrich.go$ONTOLOGY=='BP', ]
CC <- enrich.go[enrich.go$ONTOLOGY=='CC', ]
MF <- enrich.go[enrich.go$ONTOLOGY=='MF', ]

write.table(as.data.frame(BP), 'go.BP.txt', sep = '\t', row.names = FALSE, quote = FALSE)
write.table(as.data.frame(CC), 'go.CC.txt', sep = '\t', row.names = FALSE, quote = FALSE)
write.table(as.data.frame(MF), 'go.MF.txt', sep = '\t', row.names = FALSE, quote = FALSE)

图片.png

GO富集分析结果表格

对于各列内容：

ONTOLOGY，GO分类BP（生物学过程）、CC（细胞组分）或MF（分子功能）；

ID和Description，富集到的GO id和描述；

GeneRatio和BgRatio，分别为富集到该GO条目中的基因数目/给定基因的总数目，以及该条目中背景基因总数目/该物种所有已知的GO功能基因数目；

pvalue、p.adjust和qvalue，p值、校正后p值和q值信息；

geneID和Count，富集到该GO条目中的基因名称（分析中使用的entrze id，故这里也显示的entrze id）和数目。

注：如期望显示其它类型的基因id，如通俗的symbol id等类型，除了更改为使用symbol id的基因名称做分析外，还可以通过基因名称转换的方式对entrze id和symbol id作个匹配转换。

clusterProfiler的KEGG富集分析（有参向）

然后是KEGG富集分析。

同样地，这里均对于KEGG数据库中已经收录的物种而言的，无参分析暂不涉及。

1、准备输入数据

相比上述GO富集，clusterProfiler的KEGG富集分析方法特殊，它无需加载本地注释库，自动使用KEGG的在线数据库进行注释，因此给定的基因名称只能识别entrze id。把entrze id的基因名称以一列的形式排开，放在一个文本文件中（例如命名“gene.txt”）。Excel中查看，就是如下示例这种样式。

图片.png

输入数据，待分析的基因名称

2、KEGG富集分析

读取基因列表文件，并使用clusterProfiler的内部函数enrichKEGG()即可完成KEGG富集分析。
···
library(clusterProfiler)

读取基因列表文件中的基因名称，注意这里只能用 entrze id

genes <- read.delim('gene.txt', header = TRUE, stringsAsFactors = FALSE)[[1]]

每次打开R计算时，它会自动连接kegg官网获得最近的物种注释信息，因此数据库一定都是最新的

kegg <- enrichKEGG(
gene = genes, #基因列表文件中的基因名称
keyType = 'kegg', #kegg 富集
organism = 'oas', #例如，oas 代表绵羊，其它物种更改这行即可
pAdjustMethod = 'fdr', #指定 p 值校正方法
pvalueCutoff = 0.05, #指定 p 值阈值，不显著的值将不显示在结果中
qvalueCutoff = 0.2, #指定 q 值阈值，不显著的值将不显示在结果中
)

输出结果

write.table(kegg, 'kegg.txt', sep = '\t', quote = FALSE, row.names = FALSE)
···

图片.png

KEGG富集分析结果表格

对于各列内容：

·ID和Description·，富集到的KEGG id和描述；

·GeneRatio和BgRatio·，分别为富集到该KEGG条目中的基因数目/给定基因的总数目，以及该条目中背景基因总数目/该物种所有已知的KEGG功能基因数目；

·pvalue、p.adjust和qvalue·，p值、校正后p值和q值信息；

·geneID和Count·，富集到该KEGG条目中的基因名称（分析中使用的entrze id，故这里也显示的entrze id）和数目。

注：如期望显示其它类型的基因id，如通俗的symbol id等类型，由于该分析中只能输入entrze id，因此可以通过基因名称转换的方式对entrze id和symbol id作个匹配转换。

clusterProfiler附带的作图功能

此外，clusterProfiler中也额外提供了一系列的可视化方案用于展示本次富集分析结果，具有极大的便利。
···

clusterProfiler 包里的一些默认作图方法，例如

barplot(kegg) #富集柱形图
dotplot(kegg) #富集气泡图
cnetplot(kegg) #网络图展示富集功能和基因的包含关系
emapplot(kegg) #网络图展示各富集功能之间共有基因关系
heatplot(kegg) #热图展示富集功能和基因的包含关系
···

图片.png

一些富集柱形图、气泡图、网络图等