TCGA|GEO可视化分析第2篇---KEGG|GO分析大全

沉迷工作的我

导读：之前讲了如何用筛选出的差异基因做做相关性分析。那今天我和各位小伙伴深入的讲一下：（1）如何用clusterProfiler做KEGG|GO富集条形图，气泡图；（2）如何用enrichplot做gene-GO terms|gene-KEGG pathways网络图；（3）如何用GOplot绘制gene-GO terms|gene-KEGG pathways和弦图；（4）如何用heatplot绘制gene-GO terms|gene-KEGG pathways关系瀑布图。

正文：GO,KEGG富集分析条形图（barplot）和气泡图（dotplot）都只显示最显著的富集项，而用户如果想知道哪些基因与这些显著项有关，该怎么办呢？cnetplot就是将基因GO terms或KEGG pathways之间的联系描述为一个网络，体现gene-GO terms|gene-KEGG pathways的关系趋势。瀑布图（heatplot）与cnetplot类似，它将gene-GO terms|gene-KEGG pathways关系显示为热图。因为gene-GO terms|gene-KEGG pathway网络图可能会过于复杂，热图可以简化结果，更容易识别表达模式。

Part1:KEGG|GO富集条形图，气泡图

library(openxlsx)

library(clusterProfiler)

library(ggplot2)

library(enrichplot)

library(GOplot)

library(DOSE)

library(stringr)

先把需要用到的包加载好，没有安装的依赖包一起安装一下。安装好所有的包之后，下面我们开始读取数据。

setwd("E:\Bioinfo_analysis\scripts\corr\corr_batch") #设置工作路径

fr<-read.xlsx('DEGs.xlsx',rowNames = F,colNames = T)#数据格式如下

image

gene<-bitr(fr$Genes,fromType = 'SYMBOL',toType = 'ENTREZID',OrgDb = 'org.Hs.eg.db') #基因名ID转换，把基因名转换成ENTREZID

GO<-enrichGO(

gene$ENTREZID,

OrgDb = 'org.Hs.eg.db',

keyType = "ENTREZID",

ont = "ALL",

pvalueCutoff = 0.05,

pAdjustMethod = "BH",

qvalueCutoff = 0.05,

minGSSize = 10,

maxGSSize = 500,

readable = TRUE

)#GO富集

KEGG<-enrichKEGG(

gene$ENTREZID,

organism = "hsa",#我用到是数据是人的组织数据，所以这里选择‘hsa’

keyType = "kegg",

pvalueCutoff = 0.05,

pAdjustMethod = "BH",

universe,

minGSSize = 5,

maxGSSize = 500,

qvalueCutoff = 0.2,

use_internal_data = FALSE

)#KEGG富集

barplot(GO, split="ONTOLOGY")+facet_grid(ONTOLOGY~., scale="free") #GO聚类条形图，fig1

image

dotplot(GO, split="ONTOLOGY")+facet_grid(ONTOLOGY~., scale="free") #GO聚类气泡图,fig2

image

barplot(KEGG,showCategory = 40,title = 'KEGG Pathway') #KEGG聚类条形图,fig3

image

dotplot(KEGG) #KEGG聚类气泡图,fig4

image

Part2:gene-GO terms|gene-KEGG pathways网络图

其实以上都是KEGG和GO相关的常规分析，GO,KEGG富集分析条形图（barplot）和气泡图（dotplot）都只显示最显著的富集项，而用户如果想知道哪些基因与这些显著项有关，该怎么办呢？下面我们再升级一下。

enrichplot::cnetplot(GO,circular=TRUE,colorEdge = TRUE)#GO通路-基因网络图，fig5

image

enrichplot::cnetplot(KEGG,circular=TRUE,colorEdge = TRUE)#KEGG通路-基因网络图,fig6

image

Fig5和fig6体现的就是KEGG和GO每个富集项中都有哪些基因，我们由此也可以推测一些基因的功能。

Part3:gene-GO terms|gene-KEGG pathways关系瀑布图

我们筛选的差异基因还是比较少的，这样的网路图看起来还是很容易区分不同的表达模式的，不过当差异基因过多的时候，这样的网络图就会显得比较乱，可能过于复杂，那我们应该怎么办呢？不用慌，我们可以用瀑布图来展示。瀑布图（heatplot）与cnetplot类似，它将gene-GO terms|gene-KEGG pathways关系显示为热图，热图可以简化结果，更容易识别表达模式。

enrichplot::heatplot(GO,showCategory = 50) #GO富集瀑布图,fig7