GO、KEGG分析

library("clusterProfiler")
library("org.Hs.eg.db")

GO分析

GO分析需要一个基因 symbol列表，列表中为差异表达基因。

一、读入数据

result<- read.csv(file = "Results/gleason high vs low_DESeq2差异分析/gleason high vs low_result.csv", header=T, row.names=1,check.names=FALSE)

t_index=result$Change %in% c('up','down')
DEG_symbol=rownames(result)[t_index]

这里以gleason high vs low_result.csv为例，得到的DEG_symbol即为所需要的 symbol列表

View(result)

二、symbol转换为entrezid

1 转换

DEG_entrezid = mapIds(x = org.Hs.eg.db,
                       keys = DEG_symbol,
                       keytype = "SYMBOL",
                       column = "ENTREZID") #存在NA

转换后的DEG_entrezid是character vector，其中有NA值

2 去除DEG_entrezid中的NA值

DEG_entrezid=na.omit(DEG_entrezid)

na.omit()函数能去除所有含有NA的行

三、GO分析与可视化

GO_BP = enrichGO(gene = DEG_entrezid,
                 OrgDb = org.Hs.eg.db,
                 keyType = "ENTREZID",
                 ont = "BP",     #'BP','CC','MF'
                 pvalueCutoff = 0.5,
                 qvalueCutoff = 0.5)

#结果可视化
dotplot(GO_BP,showCategory=5) #showCategory=5，展示5个通路
barplot(GO_BP,showCategory=5,drop=F)

dotplot

barplot

0 条评论