TCGA|GEO可視化分析第2篇---KEGG|GO分析大全

沉迷工作的我

導(dǎo)讀：之前講了如何用篩選出的差異基因做做相關(guān)性分析。那今天我和各位小伙伴深入的講一下：（1）如何用clusterProfiler做KEGG|GO富集條形圖，氣泡圖；（2）如何用enrichplot做gene-GO terms|gene-KEGG pathways網(wǎng)絡(luò)圖；（3）如何用GOplot繪制gene-GO terms|gene-KEGG pathways和弦圖；（4）如何用heatplot繪制gene-GO terms|gene-KEGG pathways關(guān)系瀑布圖。

正文：GO,KEGG富集分析條形圖（barplot）和氣泡圖（dotplot）都只顯示最顯著的富集項(xiàng)，而用戶如果想知道哪些基因與這些顯著項(xiàng)有關(guān)，該怎么辦呢？cnetplot就是將基因GO terms或KEGG pathways之間的聯(lián)系描述為一個(gè)網(wǎng)絡(luò)，體現(xiàn)gene-GO terms|gene-KEGG pathways的關(guān)系趨勢(shì)。瀑布圖（heatplot）與cnetplot類似，它將gene-GO terms|gene-KEGG pathways關(guān)系顯示為熱圖。因?yàn)間ene-GO terms|gene-KEGG pathway網(wǎng)絡(luò)圖可能會(huì)過(guò)于復(fù)雜，熱圖可以簡(jiǎn)化結(jié)果，更容易識(shí)別表達(dá)模式。

Part1:KEGG|GO富集條形圖，氣泡圖

library(openxlsx)

library(clusterProfiler)

library(ggplot2)

library(enrichplot)

library(GOplot)

library(DOSE)

library(stringr)

先把需要用到的包加載好，沒有安裝的依賴包一起安裝一下。安裝好所有的包之后，下面我們開始讀取數(shù)據(jù)。

setwd("E:\Bioinfo_analysis\scripts\corr\corr_batch") #設(shè)置工作路徑

fr<-read.xlsx('DEGs.xlsx',rowNames = F,colNames = T)#數(shù)據(jù)格式如下

image

gene<-bitr(fr$Genes,fromType = 'SYMBOL',toType = 'ENTREZID',OrgDb = 'org.Hs.eg.db') #基因名ID轉(zhuǎn)換，把基因名轉(zhuǎn)換成ENTREZID

GO<-enrichGO(

gene$ENTREZID,

OrgDb = 'org.Hs.eg.db',

keyType = "ENTREZID",

ont = "ALL",

pvalueCutoff = 0.05,

pAdjustMethod = "BH",

qvalueCutoff = 0.05,

minGSSize = 10,

maxGSSize = 500,

readable = TRUE

)#GO富集

KEGG<-enrichKEGG(

gene$ENTREZID,

organism = "hsa",#我用到是數(shù)據(jù)是人的組織數(shù)據(jù)，所以這里選擇‘hsa’

keyType = "kegg",

pvalueCutoff = 0.05,

pAdjustMethod = "BH",

universe,

minGSSize = 5,

maxGSSize = 500,

qvalueCutoff = 0.2,

use_internal_data = FALSE

)#KEGG富集

barplot(GO, split="ONTOLOGY")+facet_grid(ONTOLOGY~., scale="free") #GO聚類條形圖，fig1

image

dotplot(GO, split="ONTOLOGY")+facet_grid(ONTOLOGY~., scale="free") #GO聚類氣泡圖,fig2

image

barplot(KEGG,showCategory = 40,title = 'KEGG Pathway') #KEGG聚類條形圖,fig3

image

dotplot(KEGG) #KEGG聚類氣泡圖,fig4

image

Part2:gene-GO terms|gene-KEGG pathways網(wǎng)絡(luò)圖

其實(shí)以上都是KEGG和GO相關(guān)的常規(guī)分析，GO,KEGG富集分析條形圖（barplot）和氣泡圖（dotplot）都只顯示最顯著的富集項(xiàng)，而用戶如果想知道哪些基因與這些顯著項(xiàng)有關(guān)，該怎么辦呢？下面我們?cè)偕?jí)一下。

enrichplot::cnetplot(GO,circular=TRUE,colorEdge = TRUE)#GO通路-基因網(wǎng)絡(luò)圖，fig5

image

enrichplot::cnetplot(KEGG,circular=TRUE,colorEdge = TRUE)#KEGG通路-基因網(wǎng)絡(luò)圖,fig6

image

Fig5和fig6體現(xiàn)的就是KEGG和GO每個(gè)富集項(xiàng)中都有哪些基因，我們由此也可以推測(cè)一些基因的功能。

Part3:gene-GO terms|gene-KEGG pathways關(guān)系瀑布圖

我們篩選的差異基因還是比較少的，這樣的網(wǎng)路圖看起來(lái)還是很容易區(qū)分不同的表達(dá)模式的，不過(guò)當(dāng)差異基因過(guò)多的時(shí)候，這樣的網(wǎng)絡(luò)圖就會(huì)顯得比較亂，可能過(guò)于復(fù)雜，那我們應(yīng)該怎么辦呢？不用慌，我們可以用瀑布圖來(lái)展示。瀑布圖（heatplot）與cnetplot類似，它將gene-GO terms|gene-KEGG pathways關(guān)系顯示為熱圖，熱圖可以簡(jiǎn)化結(jié)果，更容易識(shí)別表達(dá)模式。

enrichplot::heatplot(GO,showCategory = 50) #GO富集瀑布圖,fig7