R语言GEO数据挖掘:步骤四:富集分析KEGG,GO

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，并使用clusterProfiler的内部函数enrichKEGG()即可完成KEGG富集分析。

创新互联专业为企业提供天水网站建设、天水做网站、天水网站设计、天水网站制作等企业网站建设、网页设计与制作、天水企业网站模板建站服务，十载天水做网站经验，不只是建网站，更提供有价值的思路和整体网络服务。

前景基因：指的是我们所要进行富集的基因，一般是基因的ID 背景基因：指的是前景基因在某个基因集合进行富集，这个基因集合就是背景基因 描述信息：每个GO的Term的属性，或者是每个KO号或者map号的属性。

安装clusterProfiler：对于没有转换的gene ID，clusterProfiler也提供了 bitr 方法进行转换ID：可以看到，这里转换ID的对应文件来源于org.Hs.eg.db这个包。

把他设置成100，让我们的标签可以一行展示。是不是还是原来的配方，还是熟悉的味道 同样的柱形图，我们也能让他恢复原来的容貌。

GO、KEGG富集分析(一)有参情况

GO富集分析原理： 有一个term注释了100个差异表达基因参与了哪个过程，注释完之后（模式生物都有现成的注释包，不用我们自己注释），计算相对于背景它是否显著集中在某条通路、某一个细胞学定位、某一种生物学功能。

例如，讨论这些差异基因主要映射到哪些GO或KEGG分类条目中，以说明基因表达的改变会导致哪些调控途径原有功能失调，进而与表型联系起来。通常称这种分析为GO、KEGG富集分析。

KEGG指的是京都基因与基因组百科全书，通常我们使用KEGG中的pathway模块，将基因映射到某些通路上，了解基因参与生物体中的代谢过程等。

尽管多重检验的校正可以减少假阳性，但并不能从根本上解决GO（或KEGG）富集的问题。GO富集的根本问题在于一个基因对应的GO term有多个，一个term对应多个gene，同时还有层级关系。

单细胞富集分析我最常用的是 分组GSVA ，但最近用到了GO分析，就复习一下GO和KEGG富集分析及绘图。载入无比熟悉的pbmc.3k数据集 (已注释好，数据准备见 monocle )pbmc3k数据集只有1个样本，没办法区分HC和病例组。

功能富集分析： 功能富集需要有一个参考数据集，通过该项分析可以找出在统计上显著富集的GO Term。该功能或者定位有可能与研究的目前有关。 GO功能分类是在某一功能层次上统计蛋白或者基因的数目或组成，往往是在GO的第二层次。

R语言KEGG相关,请战友们帮我看看是怎么回事

我们知道R的版本在不停的更新，相应的R包也在不停的更新。我把绘制气泡图和柱形图相关的函数拿出来认真的研究了一下，终于发现的症结所在。

好的，这样差异基因的kegg注释就完成了。

可能的原因：Xxx应该是实体类的名字，而不是表的名字。查看hibernate.cfg.xml文件，是否有添加“mapping resource”。

关键还在于感兴趣点在哪了。粗略的看，可以先看KEGG或者GO功能分类，看差异基因具体富集在哪些通路或功能。比如关注的是细胞内酸合成关键酶，可以重点看酸合成和碳流相关通路。具体如何看KEGG或者GO功能分类，请听下回分解。

分享标题：r语言gokegg R语言的包包括哪两大部分?
分享链接：http://hbruida.cn/article/dshsdde.html