171228 结合clusterProfiler理解GO富集分析

OrgDb库

1. enrichGO默认gene type是entrezID，但其他OrgDb支持的类型（ENSEMBLE，SYMBOL等）都可以通过参数keyType指定。
2. gene的ID type不一样，富集的结果也会有稍微的差异。
   原gene list是entrezID，直接通过bitr转换成ensembl和symbol，分别做enrichGO。
   发现entrezedID可能对应多个ENSEMBL的。
   entrezedID和SYMBOL是一一对应的
   image.png
   dim(gene.df[!duplicated(gene.df$ENSEMBL),])

entrezedID 207
ENSEMBL 239
SYMBOL 207

1）因为ensembl在库中多个ID会对应同一个entrez，因此四个数值都要大一些
2）entrez和symbol 可能是因为是在db中是一一对应？，因此结果一模一样。
3）Y叔建议尽量不用SYMBOL做enrichGO。

entrez
symbol
ensemble

3. bitr其实是使用AnnotationHub的select，将库中的不同类型GeneID重新转换。

enrichGO

1. universe：默认不指定，这样就直接使用orgDB的所有基因作为背景。
   如果指定，相当与将universe的基因集和orgDB的基因做交集，作为背景。（因为只有orgDB的基因有注释信息）
   需要和KeyType指定类型相同。

2. minGSSize和maxGSSize：背景基因注释到某个GO的geneset需要在此范围内才会输出该GO的结果。
   默认范围（10，500）
   以下是默认参数（10，500）：4个结果
   参数设为 （0，Inf）：40个结果，仅截取部分

   
   image.png

3. 阈值的选择
   背景注释到GO的geneset太小，会得到很小的p值，但结果可能不具参考性？
   背景注释到GO的geneset很大，一般p值也会增大。

   
   image.png

GO&GOALL

1. 查询Org.Hs.db的manual
   http://bioconductor.org/packages/release/data/annotation/manuals/org.Hs.eg.db/man/org.Hs.eg.db.pdf
2. org.Hs.egGO
   entrezID和GOID是一对一对应的。不包含GO下属的其他节点的term
   org.Hs.egGO2ALLEGS
   一个GO和所有相关的entrez GENE（被注释到该GO或者它的child nodes），因此比前者的库要更大，包含更多信息

分析过程

orgDb select，将所有entrezID作为query，提取GOALL信息。

1. CC分类全部Gene ID，即为背景注释到总体数。去重复（因为一个gene可能注释到多个CC类的term）
   cat Hs.db.GO|grep CC|sort -k1,1 -u|wc -l
2. 某个GO类全部Gene ID，即为背景注释到该GO数（即成功数）
   gene可能有重复
   cat Hs.db.GO|awk '$2=="GO:0005575"{print $1,$2}'|sort -k1,1 -u|wc -l
3. input genelist中能注释到CC类的数目。
   4.input genelist中每个基因能注释到的GO，并按照每个GO类对gene计数。input genelist里能注释到某个GO类的gene数目。
4. 结果

BgRatio : M/N	GeneRatio：k/n
M 背景所有能注释到某个GO的基因	k genelist中能注释到某个GO的基因
N 背景所有能注释到CC的基因	n genelist中能注释到CC的基因

CC结果中，n和N不变，M和k随不同的GO类不同。

结果

1. pvalue = phyper(k-1,M, N-M, n, lower.tail=FALSE)
2. p.adj = p.adjust(pvalue, method="BH")
3. qobj = qvalue(df$pvalue, lambda=0.05, pi0.method="bootstrap")
   qobj$qvalues

enricher

1. 用自己的注释信息来做富集分析。

2. TERM2GENE： df，第一列是term ID（比如GO ID），第二列是mapped gene。
   TERM2NAME ：df，第一列是term ID，第二列是相应term name。optional。
   这样背景基因和注释库都可以自己建立。

   
   image.png
3. 其他参数同enrichGO。

参考

1. use clusterProfiler as an universal enrichment analysis tool
2. GO analysis using clusterProfiler