使用topGO进行GO富集分析
欢迎关注”生信修炼手册”!
topGO是一个专门用于做GO富集分析的R包，它默认从GO.db中读取GO的分类和结构信息，结合富集分析的结果，它可以画出如下所示的GO有向无环图
除了GO富集结果可视化这一特点，topGO还提供了多种富集分析的统计方法，示意如下
甚至支持自定义统计算法和模型，当然，常规情况下我们使用经典的费舍尔精确检验就可以了。
topGO的核心是构建一个topGOdata类型的对象，需要以下3种元素
- 基因组所有的基因
- 基因组所有基因对应的GO注释
- GO之间的分类和结构信息
基因的列表在R中用向量存储，topGO会根据names属性来读取基因的标识符，而这个向量的内容是一个只包括0和1的因子，0表示这个基因为非差异基因，1表示这个基因为差异基因。示例如下
> head(geneList)
1 2 3 9 10
1 0 1 0 1第一行为names属性，这里为entrez id, 第二行为向量的内容。
基因的GO注释，可以从Bioconductor提供的注释包中获得，比如human就可以从org.Hs.eg.db包中得到，如果没有现成的注释包，也可以从文件中读取。
所有GO的分类和结构信息是从GO.db这个R包中读取的，所以使用时，不需要考虑这个因素，但是需要注意，GO.db这个包的更新是没有GO官网更新的快的，这也是用这种R包的缺点。
用human基因构建topGOdata的代码如下
sampleGOdata <- new(
"topGOdata",
ontology = "BP",
allGenes = geneList,
nodeSize = 10,
annot = annFUN.org,
mapping = "org.Hs.eg.db",
ID = "entrez")ontology指定GO的分类，GO的3大类别BP, CC, MF之间是独立，所以GO其实分为3个子数据库，做富集分析时，不同类别分开做。
nodeSize用于对GO进行过滤，GO最少需要包含10个基因才会对该GO进行分析。
annot指定基因对应的GO注释如何读取，annFUN.org代表从Bioconductor提供的org.xx.xx.db包中读取，mapping指定org包的名字，ID指定基因标识符的类型。
对于那些没有现成的注释包的物种，可以从文件中读取所有基因的GO注释信息，文件内容示例如下
121005 GO:0005576
155158 GO:0005488
160828 GO:0005488
105778 GO:0016021, GO:0016020\t分隔的两列，第一列为基因ID,第二列为对应的GO注释，多个注释之间用逗号连接。这种文件可以通过readMapping函数直接读取，从文件读取注释信息，并构建topGOdata的代码如下
geneID2GO <- readMappings("geneid2go.map")
sampleGOdata <- new(
"topGOdata",
ontology = "BP",
allGenes = geneList,
annot = annFUN.gene2GO,
gene2GO = geneID2GO)构建好topGOdata类型的对象后，可以直接进行富集分析，代码如下
# 运行富集分析
result <- runTest(
sampleGOdata,
algorithm = "classic",
statistic = "fisher")# 提取显著富集的top100个GO
sig.tab <- GenTable(
sampleGOdata,
Fis = result,
topNodes = 100)富集分析的结果如下
> head(sig.tab)
GO.ID Term Annotated Significant Expected Fis
1 GO:0006107 oxaloacetate metabolic process 12 3 0.20 0.00095
2 GO:0065008 regulation of biological quality 3551 82 60.27 0.00139
3 GO:0006116 NADH oxidation 4 2 0.07 0.00168
4 GO:0030837 negative regulation of actin filament po... 51 5 0.87 0.00169
5 GO:0048872 homeostasis of number of cells 233 11 3.95 0.00218
6 GO:0007010 cytoskeleton organization 1199 34 20.35 0.00226构建富集GO的有向无环图有两种方式，第一种
showSigOfNodes(
sampleGOdata,
score(result),
firstSigNodes = 5,
useInfo = 'all')fisrtSigNodes代表显示显著富集的top5个GO的层次结构，useInfo表示的图片中的节点上需要标注的信息，all表示全部信息，示例如下
GO编号是都会标注的，第二行为GO的描述信息，对应的值为def, 第三行为富集分析的p值，对应的值pval, 第四行为位于该GO下的基因总数与差异基因的比例，对应的值为counts, all代表全部都标记，none代表只标记GO编号，如果只想要标记其中某一项内容，设置为对应的值即可。
另外一种用法会在工作目录直接生成pdf文件，代码如下
printGraph(
sampleGOdata,
result,
firstSigNodes = 5,
fn.prefix = "tGO",
useInfo = "pval",
pdfSW = TRUE)fn.prefix代表生成的PDF文件名的前缀, 更多的用法请参考官方文档。
·end·
—如果喜欢，快分享给你的朋友们吧—
腾讯云开发者
