自己的数据集做富集分析 自定义基因集做富集分析clusterprolifer

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

1. 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

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(dfqvalues

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。