自己構建物種包OrgDb,然后用clusterProfiler富集分析

利用clusterProfiler進行富集分析時,發現網上沒有物種包OrgDb,利用網上教程構建了一個。主要參考了劉小澤的簡書,特別感謝一下!!!

emapper首先得到注釋文件,前提是自己安裝好eggnog-mapper并且下載好相應的數據庫

emapper.py --cpu 20 -i filter.pep.fa_16 --output filter.pep.fa_16.out -d virNOG  -m diamond

or

emapper.py -m diamond \
           -i sesame.fa \
           -o diamond \
           --cpu 19

得到注釋文件后進行處理,只保留表頭query_name這一行的注釋信息,去掉頭尾的# 等信息

sed -i '/^# /d' diamond.emapper.annotations 
sed -i 's/#//' diamond.emapper.annotations

開始一定要加上options(stringsAsFactors = F),否則所有的字符在數據框中都會被R默認設置為factor!!!

library(clusterProfiler)
library(dplyr)
library(stringr)
options(stringsAsFactors = F)
#hub <- AnnotationHub::AnnotationHub()
#query(hub,"Theobroma cacao")

#STEP1:自己構建的話,首先

需要讀入文件
setwd("G:/xxx")
egg_f <- "xx_annotations1"
egg <- read.table(egg_f, header=TRUE, sep = "\t")

#egg_f <- "test111"
#egg <- read.table(egg_f, header=TRUE, sep = "\t")
#gene_info_new<-read.table("id.txt" , header=TRUE, sep = "\t")

egg[egg==""]<-NA #這個代碼來自花花的指導(將空行變成NA,方便下面的去除)

#STEP2: 從文件中挑出基因query_name與eggnog注釋信息
gene_info <- egg %>% 
  dplyr::select(GID = query_name, GENENAME = eggNOG_annot) %>% na.omit()

#STEP3-1:挑出query_name與GO注釋信息
gterms <- egg %>%
  dplyr::select(query_name, GO_terms) %>% na.omit()

#STEP3-2:我們想得到query_name與GO號的對應信息
# 先構建一個空的數據框(弄好大體的架構,表示其中要有GID =》query_name,GO =》GO號, EVIDENCE =》默認IDA)
# 關于IEA:就是一個標準,除了這個標準以外還有許多。IEA就是表示我們的注釋是自動注釋,無需人工檢查http://wiki.geneontology.org/index.php/Inferred_from_Electronic_Annotation_(IEA)
# 兩種情況下需要用IEA:1. manually constructed mappings between external classification systems and GO terms; 2.automatic transfer of annotation to orthologous gene products.
gene2go <- data.frame(GID = character(),
                      GO = character(),
                      EVIDENCE = character())

# 然后向其中填充:注意到有的query_name對應多個GO,因此我們以GO號為標準,每一行只能有一個GO號,但query_name和Evidence可以重復
for (row in 1:nrow(gterms)) {
  gene_terms <- str_split(gterms[row,"GO_terms"], ",", simplify = FALSE)[[1]]  
  gene_id <- gterms[row, "query_name"][[1]]
  tmp <- data_frame(GID = rep(gene_id, length(gene_terms)),
                    GO = gene_terms,
                    EVIDENCE = rep("IEA", length(gene_terms)))
  gene2go <- rbind(gene2go, tmp)
} 

#STEP4-1: 挑出query_name與KEGG注釋信息
gene2ko <- egg %>%
  dplyr::select(GID = query_name, KO = KEGG_KOs) %>%
  na.omit()

#STEP4-2: 得到pathway2name, ko2pathway
# 需要下載 json文件(這是是經常更新的)
# https://www.genome.jp/kegg-bin/get_htext?ko00001
# 代碼來自:http://www.genek.tv/course/225/task/4861/show

if(F){
  # 需要下載 json文件(這是是經常更新的)
  # https://www.genome.jp/kegg-bin/get_htext?ko00001
  # 代碼來自:http://www.genek.tv/course/225/task/4861/show
  library(jsonlite)
  library(purrr)
  library(RCurl)

  update_kegg <- function(json = "ko00001.json") {
    pathway2name <- tibble(Pathway = character(), Name = character())
    ko2pathway <- tibble(Ko = character(), Pathway = character())

    kegg <- fromJSON(json)

    for (a in seq_along(kegg[["children"]][["children"]])) {
      A <- kegg[["children"]][["name"]][[a]]

      for (b in seq_along(kegg[["children"]][["children"]][[a]][["children"]])) {
        B <- kegg[["children"]][["children"]][[a]][["name"]][[b]] 

        for (c in seq_along(kegg[["children"]][["children"]][[a]][["children"]][[b]][["children"]])) {
          pathway_info <- kegg[["children"]][["children"]][[a]][["children"]][[b]][["name"]][[c]]

          pathway_id <- str_match(pathway_info, "ko[0-9]{5}")[1]
          pathway_name <- str_replace(pathway_info, " \\[PATH:ko[0-9]{5}\\]", "") %>% str_replace("[0-9]{5} ", "")
          pathway2name <- rbind(pathway2name, tibble(Pathway = pathway_id, Name = pathway_name))

          kos_info <- kegg[["children"]][["children"]][[a]][["children"]][[b]][["children"]][[c]][["name"]]

          kos <- str_match(kos_info, "K[0-9]*")[,1]

          ko2pathway <- rbind(ko2pathway, tibble(Ko = kos, Pathway = rep(pathway_id, length(kos))))
        }
      }
    }

    save(pathway2name, ko2pathway, file = "kegg_info.RData")
  }

  update_kegg(json = "ko00001.json")

}

#STEP5: 利用GO將gene與pathway聯系起來,然后挑出query_name與pathway注釋信息
load(file = "kegg_info.RData")
gene2pathway <- gene2ko %>% left_join(ko2pathway, by = "KO") %>% 
  dplyr::select(GID, Pathway) %>%
  na.omit()

library(AnnotationForge)  

#STEP6: 制作自己的Orgdb
  # 查詢物種的Taxonomy,例如要查sesame
  # https://www.ncbi.nlm.nih.gov/taxonomy/?term= sesame
tax_id = "4182"
genus = "Sesamum" 
species = "indicum"
#gene2go <- unique(gene2go)

#gene2go<-gene2go[!duplicated(gene2go),]
#gene2ko<-gene2ko[!duplicated(gene2ko),]
#gene2pathway<-gene2pathway[!duplicated(gene2pathway),]

makeOrgPackage(gene_info=gene_info,
               go=gene2go,
               ko=gene2ko,
               maintainer = "xxx <xxx@163.com>",
               author = "",
               pathway=gene2pathway,
               version="0.0.1",
               outputDir = ".",
               tax_id=tax_id,
               genus=genus,
               species=species,
               goTable="go")
ricenew.orgdb <- str_c("org.", str_to_upper(str_sub(genus, 1, 1)) , species, ".eg.db", sep = "")

options(stringsAsFactors = F) 的作用

如果說一個data.frame中的元素是factor,你想轉化成numeric,你會怎么做?比如d[1,1]是factor

正確答案是 先as.character(x) 再as.numeric(x)

哈哈,我剛發現如果直接as.numeric,就不是以前的數字了,坑爹啊。

原來as.data.frame()有一個參數stringsAsFactors

如果stringAsFactor=F

就不會把字符轉換為factor 這樣以來,原來看起來是數字變成了character,原來是character的還是character

KEGG富集分析

setwd("G:/xxx")
library(purrr)
library(tidyverse)
library(clusterProfiler)
################################################
# 導入自己構建的 OrgDb
################################################
install.packages("org.xxx.db", repos=NULL, type="sources")
library(org.xxx.db)
columns(org.xxx.db)

# 導入需要進行富集分析的基因列表,并轉換為向量
#########################################################################################
DD<-"DEGs"
DEGs<- read.table(DD, header=TRUE, sep = "\t")
gene_list <- DEGs[,1]

################################################
# 從 OrgDB 提取 Pathway 和基因的對應關系
################################################

pathway2gene <- AnnotationDbi::select(org.xxx.db, 
                                      keys = keys(org.xxx.db), 
                                      columns = c("Pathway","KO")) %>%
  na.omit() %>%
  dplyr::select(Pathway, GID)

################################################
# 導入 Pathway 與名稱對應關系
################################################
load("kegg_info.RData")

#KEGG pathway 富集
ekp <- enricher(gene_list, 
                TERM2GENE = pathway2gene, 
                TERM2NAME = pathway2name, 
                pvalueCutoff = 1, 
                qvalueCutoff = 1,
                pAdjustMethod = "BH",
                minGSSize = 1)

ekp_results <- as.data.frame(ekp)

barplot(ekp, showCategory=20,color="pvalue",
        font.size=10)
dotplot(ekp)

emapplot(ekp)

GO富集分析


#########################################################################################
GO 分析
#########################################################################################

ego <- enrichGO(gene = gene_list,                       #差異基因 vector 
                keyType = "GID",                                   #差異基因的 ID 類型,需要是 OrgDb 支持的 
                OrgDb = org.xxx.db,                               #對應的OrgDb 
                ont = "CC",                                             #GO 分類名稱,CC BP MF 
                pvalueCutoff = 1,                                   #Pvalue 閾值 (pvalue=1指輸出所有結果,pvalue=0.05指輸出符合要求的結果) 
                qvalueCutoff = 1,                                   #qvalue 閾值 pAdjustMethod = "BH", #Pvalue 矯正方法 
                readable = FALSE)                               #TRUE 則展示SYMBOL,FALSE 則展示原來的ID(選false是因為不是所有gene都有symbol的)

ego_results<-as.data.frame(ego)                          ###生成的ego文件轉換成data.frame格式即可。

write.table(ego_results, file = "ego_results.txt", quote = F)                    ###讓保存的字符串不用“”引起來
pdf(file = "ego_barplot.pdf")                                                                   ##打開一個PDF文件
barplot(ego, showCategory=20, x = "GeneRatio")                                ##把圖畫到這個PDF文件里
dev.off()                                                                                                 ##關閉PDF

dotplot(ego)               
emapplot(ego)

參考
http://www.lxweimin.com/p/9c9e97167377
http://www.lxweimin.com/p/5d5394e0774f

?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,825評論 6 546
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,814評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,980評論 0 384
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 64,064評論 1 319
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,779評論 6 414
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 56,109評論 1 330
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 44,099評論 3 450
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 43,287評論 0 291
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,799評論 1 338
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,515評論 3 361
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,750評論 1 375
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,221評論 5 365
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,933評論 3 351
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,327評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,667評論 1 296
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,492評論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,703評論 2 380

推薦閱讀更多精彩內容