功能注釋後如何做富集分析

本文是為了回答知識星球裡的乙個提問，他為了用clusterprofiler做富集分析，打算構建乙個orgdb，也就是物種資料庫。

提問

我之前寫過用bioconductor對基因組注釋，用bioconductor/annotationhub對模式植物的基因進行注釋。昨天的推送，我講過新物種的注釋基本上都是基於同源相似性搜尋資料庫完成，最後得到的就是基因名和資料庫中注釋的對應關係。orgdb是bioconductor計畫中其中一環，通過構建乙個物種各個資料庫注釋條目和基因的對應關聯式資料庫，方便在得到基因後對基因進行注釋。

enrichgo的前三個引數gene,orgdb,keytype的目的是利用資料庫將基因編號轉換成go號。enrichkegg的前三個引數gene,organism,keytype的目的也是為了基於物種名和基因編號直接爬取kegg，將基因編號轉換成ko號。

如果你只是為了做go和kegg富集分析，有必要構建物種資料庫嗎？我的答案是沒有必要，因為不構建物種資料庫也能夠用clusterprofiler做富集分析。

我相信y叔一定提供了不通過orgdb，將轉換基因編號為go/ko編號，然後做富集分析的方法，所以我就去翻了y叔為clusterprofiler寫的文件。於是我找到這一篇use clusterprofiler as an universal enrichment analysis tool, 這裡面提到了乙個通用的函式enricher用於支援新注釋物種.

核心引數兩個gene,term2gene,前者表示的基因編號，後者是go/kegg條目和基因編號的對應關係

enricher(gene, pvaluecutoff = 0.05, padjustmethod = "bh", universe,
mingssize = 10, maxgssize = 500, qvaluecutoff = 0.2, term2gene,
term2name = na)

由於我只拿到了我的kegg注釋，go注釋還在執行中，這次就以kegg富集分析作為例子。

我從kegg上拿到的注釋是下面這種情況，很明顯，有些基因沒有注釋。這些沒有注釋的基因應該如何注釋？y叔的建議是不要，全部丟掉，原因去參考資料中找。

caroc969890.1 caroc969900.1 k12736 caroc969910.1 k02943 caroc969920.1 k13356 caroc969930.1 caroc969940.1 caroc969950.1 caroc969960.1 caroc969970.1 caroc969980.1

簡單的grep就可以完成這個剔除工作，grep k query.ko > kegg.tsv,然後將kegg.tsv匯入到我們的r語言中

gene_ko 
sep = "\t")

然後我們隨機抽樣幾個基因作為gene輸入，同時構建term2gene的輸入

term2gene gene_sample enkegg

我這裡不用多重實驗矯正的原因，因為我是隨機抽的基因，很有可能是乙個富集都找不到。。所以為了後續演示，就把矯正去掉了，真實情況下，你是要的。

功能注釋後如何做富集分析

功能注釋後如何做富集分析

如何做需求分析

如何做需求分析？

功能注釋後如何做富集分析

功能注釋後如何做富集分析

如何做需求分析

如何做需求分析？

相關推薦