GO富集之topGO

作者: x2yline | 来源:发表于2018-04-26 11:35 被阅读267次

topGO手册中的实例实现

手册地址：http://bioconductor.uib.no/2.7/bioc/vignettes/topGO/inst/doc/topGO.pdf

快速入门部分可以参考：https://rpubs.com/aemoore62/TopGo_colMap_Func_Troubleshoot

1. 导入基因和注释数据

用library(topGO)导入topGO包后，会自动创建三个环境，即GOBPTerm，GOCCterm和GOMFTerm，这些环境是有GO.db包中的GOTERM环境为基础创建的，以方便载入GO

library(topGO)
BPterms <- ls(GOBPTerm)
head(BPterms)
## [1] "GO:0000001" "GO:0000002" "GO:0000003" "GO:0000011" "GO:0000012" "GO:0000017"

genefilter包

genefilter包用来过滤基因，第一个参数为矩阵或者ExpressionSet对象，第二个参数flist接受一系列函数（经过filterfun合并的），这些函数的参数必须以向量（对应矩阵的每一行）为对象，返回逻辑值，pOverA函数也是genefilter包内置的构造函数，p表示比例，A表示数值，表示必须要有p比例的值超过A

library(genefilter)
ff<- pOverA(p=.1, 10)
flist <- filterfun(ff)

set.seed(2018-4-24)
exprA <- matrix(rnorm(1000, 7), ncol = 10)

ans <- genefilter(exprA, 
                  flist=filterfun(ff, 
                                  function(x) any(x<6)))
exprB <- exprA[ans,]

2. topGOdata对象

构建topGOdata对象的3个数据

基因某种ID的列表（可以有另一个对应的分数值，如p值或t统计量，或者是差异表达值）
基因的这种ID与GO的映射表，在ID为芯片的探针ID时，可以直接使用bioconductor的芯片注释包如hgu95av2.db包
GO的层次关系数据，这个结果可以从GO.db包获得，topGO也只支持GO.db包定义的层次结构

构建topGOdata对象的参数：

ontology：字符串，代表所关注的ontology类别包括“BP”，“MF”或“CC”
description：字符串，对该研究的简介
allGenes：带名字的vector可以是数值或factor类型，vector的name属性为基因的某种ID号，这些基因代表所有的基因总数
geneSelectionFun：根据allGenes的数值选出显著的目标基因的函数，如果allGenes是数值向量则该参数不可省略，如果是factor（0,1）的向量则不需要指定
nodeSize：过滤掉一些低富集的GO term，根据nodeSize的值过滤
annotationFun：注释函数，把gene的某种ID号映射为GO terms的编号，其选项包括
- annFUN.db：表示从安装的包如hgu95av2.db中获取对应的注释
  - 若为annFUN.db，则还需加参数affyLib，值为芯片注释包的名称

annFUN.org：表示从安装的包如org.XXX中获取对应的注释，目前该函数支持Entrez，Genebank，Alias，Ensembl，GeneSymbol，GeneName，UniGene的ID
- 若为annFUN.org，则还需加参数如mapping="org.Hs.eg.db", ID="Ensembl"
annFUN.gene2GO：当用户提供gene-to-GOs的注释数据时使用该函数
- 若为annFUN.gene2GO，则还需加参数gene2GO，值为读入的list变量
annFUN.GO2gene：当用户提供GO-to-genes的注释数据时使用该函数
- 若为annFUN.GO2gene，则还需加参数GO2gene，值为读入的list变量
annFUN.file：表示从文件读取注释数据如gene2GO文本文件或GO2genes文本文件
- 若为annFUN.file，则还需加file参数，值为相应的ID和GO号（多个GO以逗号隔开）的文本文件路径

2.1 构建注释（可以自定义选择某种证据强度的注释）

2.1.1 从NCBI下载go annotation，并处理为topGO可识别的list数据

下载压缩包并解压：https://ftp.ncbi.nlm.nih.gov/gene/DATA/gene2go.gz

该文件包含所有物种的entrzID和GO的对应关系，人的物种编号为“9606”

library(data.table)
geneID2go <- fread('grep "^9606\t" NCBI_data/gene2go')
colnames(geneID2go) <- unlist(read.delim("NCBI_data/gene2go",
                                       header=F, nrow=1, 
                                       stringsAsFactors=F))
geneID2go_list <- by(geneID2go$GO_ID, geneID2go$GeneID,
                     function(x) as.character(x))
head(geneID2go_list)
## $`1`
##  [1] "GO:0002576" "GO:0003674" "GO:0005576" "GO:0005576" "GO:0005615"
##  [6] "GO:0008150" "GO:0031012" "GO:0031093" "GO:0034774" "GO:0043312"
## [11] "GO:0070062" "GO:0072562" "GO:1904813"
library(topGO)
goID2gene_list <- inverseList(geneID2go_list)

2.1.2 从geneontology官网下载go annotation

下载并解压：http://geneontology.org/gene-associations/goa_human.gaf.gz

library(data.table)
geneSymbol2go <- fread(
  'awk \'{print $3 "," $4}\' gene_ontology_data/goa_human.gaf | grep "GO:"', 
  header=FALSE, sep=",")

geneSymbol2go_list <- by(geneSymbol2go$V2, geneSymbol2go$V1,
                         function(x) as.character(x))

head(geneSymbol2go_list)
## $A0A075B6Q4
## [1] "GO:0000056" "GO:0005634" "GO:0030688" "GO:0031902" "GO:0034448" "GO:0042274"
library(topGO)
goSymbol2gene_list <- inverseList(geneSymbol2go_list)

2.1.3 使用实例数据与readMappings函数

readMappings函数是topGO包中的函数，读入文件格式为

068724  GO:0005488, GO:0003774, GO:0001539, GO:0006935, GO:0009288
119608  GO:0005634, GO:0030528, GO:0006355, GO:0045449, GO:0003677, GO:0007275
133103  GO:0015031, GO:0005794, GO:0016020, GO:0017119, GO:0000139
121005  GO:0005576
155158  GO:0005488

注：topGO包中的geneid2go实例数据只有100个基因

file = system.file("examples/geneid2go.map",
                 package="topGO")

gene2GO_data <- readMappings(file)

2.2 读入（测序研究或芯片研究中的）所有基因【不带score】

geneNames <- names(geneSymbol2go_list)
tail(geneNames)
## [1] "ZXDC"   "ZYG11A" "ZYG11B" "ZYX"    "ZZEF1"  "ZZZ3"

假设我们的芯片中所有基因为geneNames向量中的所有基因，所得的差异基因为200个：

set.seed(2018-04-25)
myInterestingGenes <- sample(geneNames, 200)
tail(myInterestingGenes)
## [1] "PARG"   "MIOX"   "ERGIC2" "CHST10" "FOXR2"  "FAM89B"

构建的geneLIst_nscore变量如下，其中geneLIst包括所有的基因，差异基因的值为1，否则为0，其名称为基因的ID：

geneList_nscore <- factor(as.integer(geneNames %in% myInterestingGenes))
names(geneList_nscore) <- geneNames
tail(geneList_nscore)
## ZXDC ZYG11A ZYG11B    ZYX  ZZEF1   ZZZ3 
##    0      0      0      0      0      0 
## Levels: 0 1

2.4 读入带score的全部基因

library(ALL)
data(ALL)
library(genefilter)
selectedProbes <- genefilter(ALL, filterfun(pOverA(0.2, log2(100)),
                                            function(x) (IQR(x) > 0.25)))
eset <- ALL[selectedProbes, ]
                                            
y <- as.integer((sapply(eset$BT, 
                        function(x) return(substr(x, 1, 1)=="T"))))
y
##   [1] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [45] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
##  [89] 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

## 需要安装multtest包才能自动调用该函数，该函数返回值为FDR
geneList <- getPvalues(exprs(eset), classlabel=y, alternative="two.sided")

其中geneList的值为p值，名称为探针名；读入geneList后再构建筛选差异基因的筛选函数

diffGenesFUN <- function(allScore) {
    return(allScore < 0.05)
}
x <- diffGenesFUN(geneList)
sum(x)
## [1] 1018

geneList中有1018个是差异基因

2.3 构建topGOdata对象

GOdata_nscore_MF <- new("topGOdata",
              ontology="MF",
              allGenes=geneList_nscore,
              annot=annFUN.gene2GO, gene2GO=geneSymbol2go_list,
              nodeSize=5)
GOdata_nscore_MF
## 
## ------------------------- topGOdata object -------------------------
## 
##  Description:
##    -   
## 
##  Ontology:
##    -  MF 
## 
##  20057 available genes (all genes from the array):
##    - symbol:  A0A075B6Q4 A0A087WUJ7 A0A087WUU8 A0A087WUV0 A0A087WV48  ...
##    - 200  significant genes. 
## 
##  17630 feasible genes (genes that can be used in the analysis):
##    - symbol:  A0A087WUJ7 A0A087WUU8 A0A087WUV0 A0A087WV48 A0A087WW49  ...
##    - 171  significant genes. 
## 
##  GO graph (nodes with at least  5  genes):
##    - a graph with directed edges
##    - number of nodes = 1867 
##    - number of edges = 2501 
## 
## ------------------------- topGOdata object -------------------------

说明我们构建的topGOdata对象中共有20057个基因，其中差异基因有200个，经注释的总基因有17630个，经注释的差异基因有171个

GOdata_score_MF <- new("topGOdata", 
                       ontology = "MF", 
                       allGenes = geneList, 
                       geneSelectionFun = diffGenesFUN, 
                       annot = annFUN.db, affyLib = "hgu95av2.db", 
                       nodeSize = 5)

GOdata_score_MF
## 
## ------------------------- topGOdata object -------------------------
## 
##  Description:
##    -   
## 
##  Ontology:
##    -  MF 
## 
##  4101 available genes (all genes from the array):
##    - symbol:  1000_at 1005_at 1007_s_at 1008_f_at 1009_at  ...
##    - score :  0.0068656 0.53047 2.148059e-09 1 0.00022923  ...
##    - 1018  significant genes. 
## 
##  3875 feasible genes (genes that can be used in the analysis):
##    - symbol:  1000_at 1005_at 1007_s_at 1008_f_at 1009_at  ...
##    - score :  0.0068656 0.53047 2.148059e-09 1 0.00022923  ...
##    - 974  significant genes. 
## 
##  GO graph (nodes with at least  5  genes):
##    - a graph with directed edges
##    - number of nodes = 993 
##    - number of edges = 1289 
## 
## ------------------------- topGOdata object -------------------------
##

对有注释的和没有注释的基因数目进行可视化

allGenes <- featureNames(ALL)
group <- integer(length(allGenes))+1
group[allGenes %in% genes(GOdata_score_MF)] <- 0
group[!selectedProbes] <- 2

group <- factor(group, 
                labels=c("Used", "Not annotated", "Filtered"))
table(group)
## group
##          Used Not annotated      Filtered 
##          3875           226          8524 

pValues <- getPvalues(exprs(ALL), classlabel=y, alternative="two.sided")
geneVar <- apply(exprs(ALL), 1, var)
dd <- data.frame(x = geneVar[allGenes], y=log10(pValues[allGenes]), groups=group)
lattice::xyplot(y~x|group, data=dd, groups=group)

一个理想的图是Used中的点基本都在右下，其余都在左上，由图中可以看出被过滤掉的基因有很多都是显著差异的，因此在实际应用中，过滤过程更[图片上传中...(1524667952526.png-4ef403-1524713389307-0)]
加保守

2.4 toGOdata对象的操作

2.4.1 描述

description(GOdata_score_MF)
## [1] "ALL data analysis Object modified on: 18-0425"

description(GOdata_score_MF) <- paste("ALL data analysis.",
                                      "Object modified on:",
                                      format(Sys.time(), "%y-%m%d"))

description(GOdata_score_MF)
## [1] "ALL data analysis. Object modified on: 18-0425"

2.4.2 获取注释的基因

head(genes(GOdata_score_MF))
## [1] "1000_at"   "1005_at"   "1007_s_at" "1008_f_at" "1009_at"   "100_g_at"

numGenes(GOdata_score_MF)
## [1] 3875

2.4.3 获取基因（有GO注释）的分数（p值）

a <- geneScore(GOdata_score_MF, 
               whichGenes = names(geneList),
               use.names=FALSE)
length(a)
## [1] 3875
length(geneList)
## [1] 4101

2.4.4 更新topGOdata数据

.geneList <- geneScore(GOdata_score_MF, use.names = TRUE)
GOdata_score_MF
## 
## ------------------------- topGOdata object -------------------------
## 
##  Description:
##    -  ALL data analysis Object modified on: 18-0425 
## 
##  Ontology:
##    -  MF 
## 
##  4101 available genes (all genes from the array):
##    - symbol:  1000_at 1005_at 1007_s_at 1008_f_at 1009_at  ...
##    - score :  0.0068656 0.53047 2.148059e-09 1 0.00022923  ...
##    - 1018  significant genes. 
## 
##  3875 feasible genes (genes that can be used in the analysis):
##    - symbol:  1000_at 1005_at 1007_s_at 1008_f_at 1009_at  ...
##    - score :  0.0068656 0.53047 2.148059e-09 1 0.00022923  ...
##    - 974  significant genes. 
## 
##  GO graph (nodes with at least  5  genes):
##    - a graph with directed edges
##    - number of nodes = 993 
##    - number of edges = 1289 
## 
## ------------------------- topGOdata object -------------------------
## 

updateGenes(GOdata_score_MF, .geneList, diffGenesFUN)
## 
## ------------------------- topGOdata object -------------------------
## 
##  Description:
##    -  ALL data analysis Object modified on: 18-0425 
## 
##  Ontology:
##    -  MF 
## 
##  3875 available genes (all genes from the array):
##    - symbol:  1000_at 1005_at 1007_s_at 1008_f_at 1009_at  ...
##    - score :  0.0068656 0.53047 2.148059e-09 1 0.00022923  ...
##    - 974  significant genes. 
## 
##  3875 feasible genes (genes that can be used in the analysis):
##    - symbol:  1000_at 1005_at 1007_s_at 1008_f_at 1009_at  ...
##    - score :  0.0068656 0.53047 2.148059e-09 1 0.00022923  ...
##    - 974  significant genes. 
## 
##  GO graph (nodes with at least  5  genes):
##    - a graph with directed edges
##    - number of nodes = 993 
##    - number of edges = 1289 
## 
## ------------------------- topGOdata object -------------------------
##

2.4.5 GO terms的相关操作

GO图信息

graph(GOdata_score_MF)
## A graphNEL graph with directed edges
## Number of Nodes = 993 
## Number of Edges = 1289

提取所有相关GO

allRelatedGO <- usedGO(GOdata_score_MF)
head(allRelatedGO)
## [1] "GO:0000049" "GO:0000149" "GO:0000166" "GO:0000175" "GO:0000217" "GO:0000287"

根据GO ID提取相关基因

selected.terms <- sample(usedGO(GOdata_score_MF), 10)

num.ann.genes <- countGenesInTerm(GOdata_score_MF, selected.terms)
num.ann.genes
## GO:0019209 GO:0000983 GO:0032357 GO:0019213 GO:0004198 GO:0042301 GO:0036459 GO:0001846 
##         35         15          5         20          5          5         33          7 
## GO:0005125 GO:0032451 
##         27         18 

ann.genes <- genesInTerm(GOdata_score_MF, selected.terms)
ann.genes[1:2]
## $`GO:0098973`
## [1] "32318_s_at"              "34160_at"                "AFFX-HSAC07/X00351_3_at"
## [4] "AFFX-HSAC07/X00351_3_st" "AFFX-HSAC07/X00351_5_at" "AFFX-HSAC07/X00351_M_at"

## $`GO:0099106`
##  [1] "1158_s_at"  "1336_s_at"  "155_s_at"   "160029_at"  "1675_at"    "31694_at"  
##  [7] "31900_at"   "31901_at"   "32498_at"   "32558_at"   "32715_at"   "32749_s_at"
## [13] "33458_r_at" "34608_at"   "34609_g_at" "34759_at"   "34981_at"   "36900_at"  
## [19] "36935_at"   "37184_at"   "38516_at"   "38604_at"   "38774_at"   "38831_f_at"
## [25] "39010_at"   "39011_at"   "41143_at"   "41288_at"   "457_s_at"   "755_at"    
## [31] "911_s_at"   "955_at"    
## 

scoresInTerm(GOdata_score_MF, selected.terms)[1]
## $`GO:0098973`
## [1] 1.0000000 0.1708372 1.0000000 1.0000000 1.0000000 1.0000000
## 

scoresInTerm(GOdata_score_MF, selected.terms, use.names = TRUE)[1]
## $`GO:0098973`
##              32318_s_at                34160_at AFFX-HSAC07/X00351_3_at 
##               1.0000000               0.1708372               1.0000000 
## AFFX-HSAC07/X00351_3_st AFFX-HSAC07/X00351_5_at AFFX-HSAC07/X00351_M_at 
##               1.0000000               1.0000000               1.0000000 
##

选择相应的terms对基因及差异基因数目进行统计

termStat(GOdata_score_MF, selected.terms)
##            Annotated Significant Expected
## GO:0098973         6           0     1.51
## GO:0099106        32          12     8.04
## GO:0009055        46          11    11.56
## GO:0001104        45          13    11.31
## GO:0005161         5           2     1.26
## GO:0017160         7           3     1.76
## GO:0051536        16           2     4.02
## GO:0016866         6           3     1.51
## GO:0005509       136          45    34.18
## GO:0098772       510         146   128.19

3. 富集统计分析

topGO支持的统计分析分为3类

根据基因数目进行的统计分析，只需提供一列基因名称就能进行统计分析，Fisher精确检验，超几何分布检验，二项分布检验都属于这个家族
根据基因对应的分数或排序进行的检验，包括Kolmogorov-Smirnov检验（也称为GSEA，ks检验），Gentleman分类，t检验等
根据基因表达数据进行统计检验，如Goeman全局检验等

topGOdata对象可以通过两种方式运行统计检验，第一种可以让用户自己定义统计检验过程（高级R用户），第二种更容易但也缺乏更多自定义的操作。

注：weight01是weight和elim的混合算法，默认模式即为weight01

3.1 方式1：定义和进行统计检验

进行富集分析的主要函数是getSigGroups()，包括两个参数，第一个是topGOdata对象，第二个是groupStats类或他的衍生类，groupStats类及其子类的关系图如下：

3.1.1 `groupStats`类

使用Fisher精确检验计算GO:0046961这个脂代谢term的富集程度，需要先定义所有基因，差异基因

goID <- "GO:0046961"
gene.universe <- genes(GOdata_score_MF)
go.genes <- genesInTerm(GOdata_score_MF, goID)[[1]]
go.genes
##  [1] "32444_at" "33875_at" "34889_at" "35770_at" "36028_at" "36167_at" "36994_at" "37367_at"
##  [9] "37395_at" "38686_at" "39326_at"

sig.genes <- sigGenes(GOdata_score_MF)

接下来就可以构建groupStats类了，classicCount类是groupStats的一个子类

my.group <- new("classicCount", testStatistic = GOFisherTest, name = "fisher", allMembers = gene.universe, 
    groupMembers = go.genes, sigMembers = sig.genes)

contTable(my.group)
##         sig notSig
## anno      4      7
## notAnno 970   2894

# 可以直接使用runTest函数对groupStats对象进行统计检验
runTest(my.group)
## [1] 0.2902583

testStatistic参数代表进行统计量计算的函数，GOFisherTest是topGO包定义的函数，能进行Fisher精确检验，用户能自定义该计算统计量的函数，name是注释信息

除了ClassicCount类，elimCount类也是groupStats的子类，随机排除25%的注释

set.seed(2018 - 4 - 25)
elim.genes <- sample(go.genes, length(go.genes)/4)
elim.group <- new("elimCount", testStatistic = GOFisherTest, name = "fisher_elim", allMembers = gene.universe, 
    groupMembers = go.genes, sigMembers = sig.genes, elim = elim.genes)
contTable(elim.group)
##         sig notSig
## anno      3      6
## notAnno 970   2894

# 可以直接使用runTest函数对groupStats对象进行统计检验
runTest(elim.group)
## [1] 0.1682705

注：groupStats类并不依赖于GO（由我们传入的参数即可知道不管是GO还是KEGG等其他类型的集合均可适用）

3.1.2 进行假设检验

如果只适用基因列表进行假设检验则构建classicCount或elimCount对象

test.stat <- new("classicCount", testStatistic=GOFisherTest, 
                 name="Fisher test")

resultFisher <- getSigGroups(GOdata_score_MF, test.stat)

resultFisher
## 
## Description: ALL data analysis Object modified on: 18-0425 
## Ontology: MF 
## 'classic' algorithm with the 'Fisher test' test
## 993 GO terms scored: 50 terms with p < 0.01
## Annotation data:
##     Annotated genes: 3875 
##     Significant genes: 974 
##     Min. no. of genes annotated to a GO: 5 
##     Nontrivial nodes: 905

如果同时适用score，则需构建classicScore或elimScore对象（如上图所示）

test.stat <- new("classicScore", testStatistic = GOKSTest, name = "KS test")
resultKS <- getSigGroups(GOdata_score_MF, test.stat)

resultKS
## 
## Description: ALL data analysis Object modified on: 18-0425 
## Ontology: MF 
## 'classic' algorithm with the 'KS test' test
## 993 GO terms scored: 65 terms with p < 0.01
## Annotation data:
##     Annotated genes: 3875 
##     Significant genes: 974 
##     Min. no. of genes annotated to a GO: 5 
##     Nontrivial nodes: 993 

test.stat <- new("elimScore", testStatistic = GOKSTest, name = "KS test elim")
resultKSElim <- getSigGroups(GOdata_score_MF, test.stat)

resultKSElim
## 
## Description: ALL data analysis Object modified on: 18-0425 
## Ontology: MF 
## 'elim' algorithm with the 'KS test elim : 0.01' test
## 993 GO terms scored: 32 terms with p < 0.01
## Annotation data:
##     Annotated genes: 3875 
##     Significant genes: 974 
##     Min. no. of genes annotated to a GO: 5 
##     Nontrivial nodes: 993

注意选择的class与检验方法的兼容性，如上图所示，weight不能与score相关的检验兼容，而与Fisher test兼容

test.stat <- new("weightCount", testStatistic = GOFisherTest, 
                 name = "Fisher test", sigRatio = "ratio")
resultFisherWeight <- getSigGroups(GOdata_score_MF, test.stat)
resultFisherWeight
## 
## Description: ALL data analysis Object modified on: 18-0425 
## Ontology: MF 
## 'weight' algorithm with the 'Fisher test : ratio' test
## 993 GO terms scored: 20 terms with p < 0.01
## Annotation data:
##     Annotated genes: 3875 
##     Significant genes: 974 
##     Min. no. of genes annotated to a GO: 5 
##     Nontrivial nodes: 905

3.2 P值是否校正的问题

注意检验所得p值为原始p值，未经过多重检验校正，不校正的原因如下：

在很多情况下，富集分析得到的p值的分布可能不太极端，在这些情况下FDR或FWER校正方法产生较为保守的p值，导致没有“显著”的p值，丢失重要的GO terms及相关信息，在这种情况下，研究者往往关注GO terms的排序，而不是它们是否有一个显著的FDR。
富集分析包括了多个步骤和许多假设，如对GO terms进行的Fisher精确检验。进行多重检验校正远远不足以控制误差率。
对elim和weight的检验方法来说，多重检验校正的方法变得更加不可靠，因为用这些方法就算的p值是依赖于相邻的GO term的，而多重检验校正的前提假设是这些检验都是独立的。

3.3 更高层面的统计检验（用户友好）

用runTest函数可以很快速的进行统计检验，统计方法的选择通过algorithm（默认为weigth01）和statistc参数决定，如

resultFis <- runTest(GOdata_score_MF, 
                     algorithm="classic",
                     statistic="fisher")

weight01.fisher <- runTest(GOdata_score_MF, 
                           statistic = "fisher")

weight01.t <- resultt<- runTest(GOdata_score_MF, 
                     algorithm="weight01",
                     statistic="t")

elim.ks <- resultt<- runTest(GOdata_score_MF, 
                     algorithm="elim",
                     statistic="ks")

可用的参数如下（也可以看上面的图），注意有些组合不兼容

whichTests()
## [1] "fisher"     "ks"         "t"          "globaltest" "sum"        "ks.ties"   

whichAlgorithms()
## [1] "classic"     "elim"        "weight"      "weight01"    "lea"         "parentchild"

4. 富集结果及可视化

4.1 topGOresult对象

toGOresult对象非常简单，只有p值或统计量（统称为score），score函数并没有对返回值进行排序

pvalFis <- score(resultFis)
head(pvalFis)
## GO:0000049 GO:0000149 GO:0000166 GO:0000175 GO:0000217 GO:0000287 
##  0.9383324  0.9779475  0.3904532  0.8241708  0.3247581  0.3125296

可用统计这些score的分布

hist(pvalFis, 100, xlab="p-values")

score函数还有一个参数whichGO，可以指定GO ID

pvalWeight <- score(resultFisherWeight, whichGO = names(pvalFis))
head(pvalWeight)
## GO:0000049 GO:0000149 GO:0000166 GO:0000175 GO:0000217 GO:0000287 
##  0.9383324  0.9806822  0.7372081  0.8241708  0.3247581  0.3125296

可以看一下不同方法的结果相关性：

cor(pvalFis, pvalWeight)
## [1] 0.6590391

plot(pvalFis, pvalWeight, 
     xlab = "p-value classic", ylab = "p-value elim",
     pch = 19, cex = gSize, col = 1:2)

也可以对结果进行简单统计（总共注释的基因，注释的差异基因，最少包含的基因数，包含差异基因的GO term）

geneData(resultFisherWeight)
##   Annotated Significant    NodeSize    SigTerms 
##        3875         974           5         905

4.2 汇总结果

使用GenTable函数可以对结果进行汇总，参数为toGOdata和toGOresult，及制定排序的列及包含的条目

allRes <- GenTable(GOdata_score_MF, classic = resultFis, 
                   KS = resultKS, weight = resultFisherWeight,
                   orderBy = "weight", 
                   ranksOf = "classic", topNodes = 20)

4.3 分析单个GO term

最直观地查看某个GO term是否有差异基因富集的方法就是观察score的密度分布

## 选择第一个GO term
goID <- allRes[1, "GO.ID"]
print(showGroupDensity(GOdata_score_MF, goID, ranks=TRUE))

如图所示，横坐标表示由score产生的排序位置，纵坐标表示密度

上图表示注释到该特定GO中的所有基因的密度分布，下图表示除了上图基因之外的其他基因的密度分布，该特定GO中的基因大多分布在p值较低的位置区域，而下方的图表示p值的分布基本都在一个比较均匀的水平，说明富集比较显著

另一个比较方便的功能是把该GO中的所有基因及其注释信息和p值汇总成表，可以使用whichTerms参数指定GO terms，如果有过个GO则返回一个含有dataframe的list，还可以传递file参数指定输出文件（注：只有该芯片有注释包时才能使用该函数，其余自定义的注释不能使用该函数）

gt <- printGenes(GOdata_score_MF, 
                 whichTerms = goID, 
                 chip = affyLib, 
                 numChar = 40)

4.4 可视化GO层级结构

两个函数实现，一是showSigOfNodes，firstSigNodes表示指定的显著节点数目，useInfo表示每个节点的信息显示包括“def”（GOid及定义文字）和“all”（GOid定义文字，score和注释数目【包括该term的基因在总基因中国的数目，和该term的基因在差异基因中的数目】），其中显著富集的GO用长方形表示，黑色箭头代表is_a关系，红色箭头代表part_a关系，节点的颜色代表其显著性的程度。

showSigOfNodes(GOdata_score_MF, 
               score(resultFisherWeight), 
               firstSigNodes = 5, 
               useInfo = 'def')

printGraph函数自动输出为pdf文件保存在当前目录，fn.prefix表示输出文件的前缀文字

printGraph(GOdata_score_MF, resultFis,
           firstSigNodes = 10,
           fn.prefix = "tGO",
           useInfo = "all", 
           pdfSW = TRUE)

本次GO分析的缺陷：
1.对探针进行GO分析而不是基因名进行GO分析，这样会导致相应GO term的counts数目不正确，如一个探针对应多个基因的情况

可以通过构建限定level和证据级别的GO注释对象，从而限定level等级和证据等级进行富集分析