首先，向给我留言及私信的小伙伴们说一声抱歉，我这段时间太忙了，很久很久没登录简书，所以留言和私信都没回复，抱歉啦；我看着留言和私信的时间比较久远了，也不知道小伙伴们的问题有没有通过其他途径解决，这里我就不再废话了（如果仍然需要我解答的，并且我会的问题，麻烦再次私信我，没有的话就继续疾病本体分析啦。有建议也可以给我提，比如有小伙伴说没有R基础，让我把代码解释的再详细些，那我后面就将解释写的再详细一点；如果需要简洁一点，我就写简洁一点呀；在我力所能及的范围内，尽量满足一路生花的小伙伴们；如果你们的问题我解决不了，我也会去请教可以解决这些问题的朋友，不要怕，我们一起进步；最后祝大家都快乐学习，越来越顺利。）
一、举例回顾
本节所使用GSE1009数据集，已经用limma包进行差异分析，对DEGs做GO、KEGG富集分析；现对DEGs做DO（疾病本体）分析
GSE1009数据集介绍：
样本量：共6个样本，其中后3个为糖尿病肾病(DN)肾小球样本，前3个为正常肾小球样本。
使用芯片：Affymetrix Human Genome U95 Version 2 Array。
平台：GPL8300。
DEGs:共有66个DEGs（diffsig）,22个上调(diffup),44个上调（diffDown）(详见13章).
二、需要准备的文件：
包含差异基因名字+logFC值的文本文件，命名为symbol(上一章有介绍详细做法。)
三、具体步骤：
1. ID转换（同14章，我就直接将代码粘贴过来了）
setwd("D:\\Rfile")
rm(list = ls())
options(stringsAsFactors=F)
#老规矩，先设置工作目录。
library("clusterProfiler")
library("org.Hs.eg.db")
library("enrichplot")
library("ggplot2")
##在ID转换前，将要分析的基因名字+logFC保存为symbol.text文件。
##ID转换
rt=read.table("symbol.txt",sep="\t",check.names=F,header=T) #读取文件
genes=as.vector(rt[,1])
entrezIDs <- mget(genes, org.Hs.egSYMBOL2EG, ifnotfound=NA) #找出基因对应的id
entrezIDs <- as.character(entrezIDs)
out=cbind(rt,entrezID=entrezIDs)
write.table(out,file="id.txt",sep="\t",quote=F,row.names=F) #输出结果
##读取ID转换后文件
rt=read.table("id.txt",sep="\t",header=T,check.names=F) #读取id.txt文件
rt=rt[is.na(rt[,"entrezID"])==F,] #去除基因id为NA的基因
gene=rt$entrezID
2. DO疾病本体分析
library(DOSE) #加载需要使用的包
erich.do<-DOSE::enrichDO(gene=gene,
ont = "DO",
pvalueCutoff = 0.05,
qvalueCutoff = 0.05,
readable = T) #DO代码，其中P值和Q值可以自己设置，自己按照需求设置，我这里设为0.05
#########下面是画图
barplot(erich.do) #柱状图如下，颜色越红，疾病越显著
dotplot(erich.do) #点图如下，点越大、颜色越红，相应疾病的基因所占比越显著重要
#将相应疾病以网格的形式进行展示
library(ggnewscale)
cnetplot(erich.do)
DO分析到这里就结束了，建议小伙伴们图形导出格式选择TIFF格式，质量高，并且SCI投稿合并的时候合并图片更方便。下一章是PPI（蛋白互作分析）。
