Gene ontology enrichment analysis可能是現在生物信息學里面最常用的分析。以前我一般都是用DAVID這個在線工具來做。但是用DAVID有三個主要問題

1. DAVID的注釋不全，很多基因都沒有更新的注釋信息
   這個是DAVID這個軟件的硬傷

2. DAVID的結果只是列表，并沒有好的可視化方式
   這樣導致每次做基因富集分析的時候都需要去挑選冗余Gene ontology，并且費時耗力的去做文章中需要的可視化圖

3. DAVID只支撐3000個GENE，更多的就罷工了
   已經記不得有多少次我的GENE LIST中有3000多個基因，然后還要去做隨機篩選的內心小崩潰了

這些問題，在clusterprofiler這個包中都得到了很好的解決。

下面總結下clusterprofiler包的主要功能，參考資料在https://bioconductor.org/packages/release/bioc/vignettes/clusterProfiler/inst/doc/clusterProfiler.html

1. gene ID轉換
   支持orgdb的所有物種，以及orgdb所包含的所有gene ID種類

2. groupGO 函數來將列表中的基因根據相對于的gene ontology進行分類

3. enrichGO 函數來做gene ontology富集分析

4. gseGO 函數來做gene set enrichment analysis

為何要用gene set enrichment analysis呢？因為一般做differential expressed genes analysis找出的gene都是有著統計顯著差別的單個基因，但是有些基因是屬于同一類的(gene set)，它們單個的變化并沒有那么大，但是這同一類基因都發生了一些變化。這樣，當做DEG分析的時候，找不出這些基因，但是gsea分析可以把這種差異找出來。

這里需要注意一個問題。用這個函數的時候，如果要得到典型的gsea的running enrichment score的圖，則必須指定geneSetID。這就需要先找出現在已經富集了幾個geneSet，然后一個接一個的畫出。

5. enrichKEGG 函數來做基因的pathway富集分析

6. 完善強大的可視化函數選擇，包括了barplot, dotplot, emapplot, cnetplot, gseaplot, browseKEGG

7. compareCluster 用于比較不同gene list的gene ontology富集情況