clusterProfiler进行GSEA富集分析

不同于ORA富集分析（仅需要差异表达基因列表），GSEA富集分析需要基因排序列表（a ranked list of genes），一般根据logFC对基因排序。

1. 载入包，读入数据

rm(list=ls())
setwd("your_dir")# read the file
mydata <- read.csv("your_diff_expr_file",row.names=1)
head(mydata)# if (!requireNamespace("BiocManager", quietly = TRUE))
#   install.packages("BiocManager")
#
# BiocManager::install("msigdbr")library(clusterProfiler)
library(enrichplot)
library(msigdbr)  # Molecular Signatures Database
library(org.Hs.eg.db)  #人类GO注释数据

2. 准备基因排序列表

# SYMBOL,ENTREZID映射
map_df <- bitr(mydata$symbol,fromType="SYMBOL",toType=c("ENTREZID"),OrgDb = org.Hs.eg.db)
#head(map_df)
#head(mydata)
merged_df <- merge(mydata,map_df,by.x = "symbol", by.y = "SYMBOL")
#head(merged_df)FCgenelist <- merged_df$logFC
names(FCgenelist) <- merged_df$ENTREZID # named vector
FCgenelist <- sort(FCgenelist, decreasing = T)  # 按降序排序

3. MSigDb数据富集分析

msigdbr_species()
Hs_msigdbr <- msigdbr(species="Homo sapiens")
colnames(Hs_msigdbr)
Hs_df <- as.data.frame(Hs_msigdbr[,c('gs_name','entrez_gene','gene_symbol')])
head(Hs_df)# MSigDb数据富集分析
em_msig <- GSEA(FCgenelist,TERM2GENE=Hs_df[,c(1,2)])
#barplot(em_msig,showCategory=10)
head(em_msig,20)  # sorted by pvalue# enriched in high risk group: 5 gene sets
p1 <- gseaplot2(em_msig,1:5,base_size = 20,subplots = 1:2)
p2 <- gseaplot2(em_msig,c(6:7,11:13),base_size = 20,subplots = 1:2)p3 <- gseaplot2(em_msig,c(6:8,12:13),base_size = 1,color = "white",subplots = 1:2)
# Description,enrichmentScore,pvalue,p.adjust,qvalues,rank
#cowplot::plot_grid(p4, p5, p6, ncol=1, labels=LETTERS[1:3])

通用富集分析函数GSEA，可以自定义ontologies/pathways。富集后结果已经按p值排序。

4. gseGO 富集分析

#gseGO
egseGO <- gseGO(FCgenelist, OrgDb=org.Hs.eg.db)
class(egseGO)egseGO[1:5,c('Description','enrichmentScore')]
head(egseGO[,c('Description','enrichmentScore')])tail(egseGO[,c('Description','enrichmentScore')])
dim(egseGO)
#plotting the first five
gseaplot2(egseGO,1:5,subplots = 1:2, base_size = 20,pvalue_table = T)gseaplot2(egseGO,1:5)
dev.new()
gseaplot2(egseGO,1)gseaplot(egseGO,geneSetID=1,subplots = 2:3,title=egseGO$Description[1])
gseaplot(egseGO,geneSetID=1,subplots = 1:2,title=egseGO$Description[1])p1 <- gseaplot(egseGO,geneSetID=1,by="runningScore",title=egseGO$Description[1])
p2 <- gseaplot(egseGO,geneSetID=1,by="preranked",title=egseGO$Description[1])
p3 <- gseaplot(egseGO,geneSetID=4,title=egseGO$Description[4])
cowplot::plot_grid(p1, p2, p3, ncol=2, labels=LETTERS[1:3])

5. gseKEGG 富集分析

#gseKEGG
egseKEGG <- gseKEGG(FCgenelist) # 默认organism="hsa"egseKEGG[,c('Description','enrichmentScore')]
egseKEGG[1:5,c('Description','enrichmentScore')]head(egseKEGG,20)
dim(egseKEGG)
#plotting the first five
gseaplot2(egseKEGG,1:5,subplots = 1:2, base_size = 20,pvalue_table = T)
dev.new()
gseaplot2(egseKEGG,1:5)

clusterProfiler进行GSEA富集分析相关推荐

使用clusterProfiler进行GO富集分析
欢迎关注微信公众号<生信修炼手册>! clusterProfiler是一个功能强大的R包,同时支持GO和KEGG的富集分析,而且可视化功能非常的优秀,本章主要介绍利用这个R包来进行Gene ...
clusterprolifer gsea 富集分析
** clusterprolifer gsea 富集分析 ** 一准备数据1.1,加载R包,数据 library(org.Hs.eg.db) library(clusterProfiler) lib ...
gsea富集分析结果怎么看_简单的GSEA分析
对于差异表达基因,除了使用GO和KEGG进行富集分析外,还可以进行GSEA富集分析.在之前课程中:GSEA分析,有讲如何使用GSEA桌面化软件进行分析,操作十分简答,虽然偶尔会出现内存溢出或者数据格式 ...
fgsea进行GSEA富集分析
GSEA富集分析需要一个基因排序列表(a ranked list of genes),通常按logFC排序. 1. 导入包,读入差异表达数据 rm(list=ls()) setwd("wo ...
GSEA富集分析：从概念理解到界面实操
GSEA定义 Gene Set Enrichment Analysis (基因集富集分析)用来评估一个预先定义的基因集的基因在与表型相关度排序的基因表中的分布趋势,从而判断其对表型的贡献. 其输入数据 ...
GSEA富集分析 - 界面操作
欢迎关注微信公众号生信宝典:http://mp.weixin.qq.com/s/3Nd3urhfRGkw-F0LGZrlZQ GSEA定义 Gene Set Enrichment Analysis ( ...
使用R语言包clusterProfiler做KEGG富集分析时出现的错误及解决方法
使用enrichKEGG做通路富集分析时,一直报错:显示No gene can be mapped.... k <- enrichKEGG(gene = gene, organism = &qu ...
r语言进行go富集分析_R语言：clusterProfiler进行GO富集分析和Gene_ID转换
一.读取文件,ID转换 1.读取文件 library(clusterProfiler) library(org.Hs.eg.db) #读取文件,原始文件中使用空格分割的 go_ythdf2 go_yt ...
gsea富集分析结果怎么看_怎么看肝功能检验结果？
口腔科普怎么看肝功能检验结果? 肝脏作为人体最大的消化腺,功能极其复杂,其主要的功能是物质代谢功能,它参与了包括糖.蛋白质.脂肪等三大营养物质及维生素等的代谢:同时,肝脏也是体内主要的解毒器官 ...

clusterProfiler进行GSEA富集分析

1. 载入包，读入数据

2. 准备基因排序列表

3. MSigDb数据富集分析

4. gseGO 富集分析

5. gseKEGG 富集分析

clusterProfiler进行GSEA富集分析相关推荐

最新文章

热门文章