RNAseq-GO、biomaRt转换ID
O.Sativa选用MSU或者RAPDB这两个数据库的genome和gtf文件，介绍一下MSU的ID，RAPDB的同理。The Rice Annotation Project (RAP)（https://rapdb.dna.affrc.go.jp/index.html）和Rice Genome Annotation Project （RGAP7，MSU）（http://rice.plantbiology.msu.edu/index.shtml）RAP格式为“Os-Chr-g-number”，MSU格式为“LOC_Os-Chr-g-number”。
1 AGRIGO2 http://systemsbiology.cau.edu.cn/agriGOv2/ 支持多种ID，包括MSU
2 RIGW http://rice.hzau.edu.cn/cgi-bin/rice2/enrichment 只支持水稻的转录本ID，可做KEGG
3 PlantGSEA http://structuralbiology.cau.edu.cn/PlantGSEA/analysis.php 只支持MSU ID
4 PANTHER http://www.pantherdb.org/ 可视化漂亮。支持Uniprot ID。MSU ID转换为 Uniprot ID（PlantGSEA）
5 CARMO：http://bioinfo.sibs.ac.cn/carmo/result.php?job_id=1625924324108758969 只更新到 2015年，支持 LOC ID
- 将MSU ID（LOC）转换为 Uniprot ID，
PlantGSEA - 将Uniprot ID粘贴到
PANTHER中
- 出图, select ontology，包括GO分析，蛋白功能注释，Pathway分析
- 显著性分析，statistical overrepresentation test, Use default settings
ID转化
- 水稻的基因号大致分为两类，RAP格式为“Os-Chr-g-number”，MSU格式为“LOC_Os-Chr-g-number”。各种分析输入的基因号有指定要求，ID转换至关重要。
- RAP《-》MSU：（OryzaExpress，RAP-DB，PlantGSEA）
OryzaExpress：http://bioinf.mind.meiji.ac.jp/OryzaExpress/ID_converter.phpRAP-DB：https://rapdb.dna.affrc.go.jp/tools/converter/runPlantGSEA：http://structuralbiology.cau.edu.cn/PlantGSEA/- Ensemble Plants(http://plants.ensembl.org/index.html)，
- RIGW(http://rice.hzau.edu.cn/rice/)
biomaRt RAP转entrezgene_id（NCBI）- MSU转RAP转entrezid，MSU转uniprot（plantGSEA）转entrezid（david）
biomaRt
#1.Installation
BiocManager::install("biomaRt")
library(biomaRt)#2.Data Import
a <- read.csv('testgene.txt',sep = '\t')#3.getBM做ID转换
#getBM函数，四个参数。 getBM函数唯一用处，做各种ID转换。
#1.filter来控制根据什么东西来过滤，可是不同数据库的ID，也可以是染色体定位系统坐标。
#2.Attributes来控制我们想获得什么，一般是不同数据库的ID。
#3.Values是我们用来检索的关键词向量。
#4.Mart是我们前面选择好的数据库。
#3.1建立与ensemble数据库的链接
#在ensemble plants上能看到所有已提交的物种信息
ensembl = useMart(biomart = "plants_mart",host = "http://plants.ensembl.org")
#查看ensemble plants都有哪些物种信息，并设置为该物种信息。
dataset <- listDatasets(mart = ensembl)
head(dataset)
ensembl = useMart(biomart = "plants_mart",host = "http://plants.ensembl.org",dataset="osativa_eg_gene")
#查看该dataset上都有哪些属性，方便后面做添加
attributes <- listAttributes(ensembl)a=c(“LOC_Os07g34570”,“LOC_Os05g12630”,“LOC_Os12g31000”,“LOC_Os09g37910”)无结果 RAP：
3.2 正式做ID转换及信息添加 一般Ensemble ID以E开头的，RAP号是水稻的Ensemble ID。参数external_gene_name是平时称呼的基因名字。
supplement <- getBM(attributes =c("ensembl_gene_id",'external_gene_name',"description"),filters = "ensembl_gene_id",values = a,mart = ensembl)转换成GO ID并附上GO描述
supplements <- getBM(attributes =c("ensembl_gene_id",'go_id','goslim_goa_description'),
filters = "ensembl_gene_id",values = a,mart = ensembl)转换成NCBI ID
supplements <- getBM(attributes =c("ensembl_gene_id",'entrezgene_id'),
filters = "ensembl_gene_id",values = a,mart = ensembl)ClusterProfile
- GO数据库？以及BP,MF,CC的分类系统？超几何分布检验？不同的阈值过滤？筛选指标？
- 超几何分布是统计学上一种离散概率分布。它描述了从有限N个物件（其中包含M个指定种类的物件）中抽出n个物件，成功抽出该指定种类的物件的次数（不放回）。
- 拿不到结果？这个时候可以设置： pvalueCutoff = 0.9, qvalueCutoff =0.9 甚至为1，来不做筛选。而且基因集的大小也是被限制了。 enrichGO(); dotplot()
- 多组基因集的KEGG数据库富集 compareCluster，在线获取KEGG数据库最新信息，考验网速：
- 制作一个 DEG 数据框，其中有两列ENTREZID，是基因id,和new是分组信息 xx.formula <- compareCluster(ENTREZID~new, data=DEG, fun=‘enrichKEGG’) dotplot(xx.formula, x=~GeneRatio) + facet_grid(~new)
- 多组基因集走GO数据库富集 构建一个数据框，list_de_gene_clusters， 含有两列信息：
list_de_gene_clusters <- split(de_gene_clusters$ENTREZID,
de_gene_clusters$cluster)
# Run full GO enrichment test
formula_res <- compareCluster(
ENTREZID~cluster,
data=de_gene_clusters,
fun="enrichGO",
OrgDb="org.Mm.eg.db",
ont = "BP",
pAdjustMethod = "BH",
pvalueCutoff = 0.01,
qvalueCutoff = 0.05
)
# Run GO enrichment test and merge terms
# that are close to each other to remove result redundancy
lineage1_ego <- simplify(
formula_res,
cutoff=0.5,
by="p.adjust",
select_fun=min
)https://www.jianshu.com/p/bcdbf80701e2 https://www.jianshu.com/p/480c46ec1629
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/227221.html原文链接：https://javaforall.cn
腾讯云开发者
