接下來(lái)是對(duì)WGCNA分析的yellow模塊和turquoise模塊里的基因分別做GO和KEGG富集分析；
1.png
文章中是用R包c(diǎn)lusterprofiler做的： 分別對(duì)最相關(guān)的yellow模塊和最負(fù)相關(guān)的turquoise模塊做GO和KEGG富集分析；
2.png
代碼：
一、分別對(duì)yellow模塊和turquoise模塊基因做GO富集分析
rm(list = ls())
options(stringsAsFactors = F)
library(clusterProfiler)
library(org.Hs.eg.db)
#yellow模塊
yellow_hub_gene = read.csv('yellow_hub_gene.csv',header = F)
colnames(yellow_hub_gene) <- 'name'
yellow_hub_gene=yellow_hub_gene[-1,]
gene=unique(yellow_hub_gene)
##基因轉(zhuǎn)ID
sig_DP_entrezId = mapIds(x = org.Hs.eg.db,
keys = unique(gene),
keytype = "SYMBOL",
column = "ENTREZID")
table(is.na(sig_DP_entrezId))
sig_DP_entrezId <- na.omit(sig_DP_entrezId)
go_bp <- enrichGO(gene = sig_DP_entrezId,
OrgDb = org.Hs.eg.db,
keyType = "ENTREZID",
ont = "BP",
pvalueCutoff = 0.5,
qvalueCutoff = 0.5,
readable = TRUE)
#畫(huà)圖
barplot(go_bp)
3.png
4.png
我們的yellow模塊與文章中的green模塊基因富集到相似的BP途徑：細(xì)胞周期以及核分裂等BP途徑；
#turquoise模塊
turquoise_hub_gene = read.csv('turquoise_hub_gene.csv',header = F)
colnames(turquoise_hub_gene) <- 'name'
turquoise_hub_gene=turquoise_hub_gene[-1,]
gene=unique(turquoise_hub_gene)
##基因轉(zhuǎn)ID
sig_DP_entrezId = mapIds(x = org.Hs.eg.db,
keys = unique(gene),
keytype = "SYMBOL",
column = "ENTREZID")
table(is.na(sig_DP_entrezId))
sig_DP_entrezId <- na.omit(sig_DP_entrezId)
go_bp <- enrichGO(gene = sig_DP_entrezId,
OrgDb = org.Hs.eg.db,
keyType = "ENTREZID",
ont = "BP",
pvalueCutoff = 0.5,
qvalueCutoff = 0.5,
readable = TRUE)
#畫(huà)圖
barplot(go_bp)
5.png
二、KEGG富集分析
- 富集分析既可以用上面的R包進(jìn)行分析，也可以用在線工具分析，比如DAVID、METASCAPE等；
- 在平時(shí)分析的時(shí)候我們也可以用多個(gè)方法分析來(lái)相互驗(yàn)證自己的結(jié)果；
關(guān)于DAVID網(wǎng)站我前面記錄了使用方法，有沒(méi)用過(guò)這個(gè)網(wǎng)站的朋友可以參考一下：
鏈接：使用DAVID數(shù)據(jù)庫(kù)進(jìn)行GO、KEGG富集分析
1. yellow模塊結(jié)果
6.png
KEGG結(jié)果與文章基本一致;
7.png
1. turquoise模塊結(jié)果
8.png
大家也可以參考我上面發(fā)的鏈接里面的文章，通過(guò)DAVID里面的結(jié)果畫(huà)氣泡圖，感興趣的朋友可以試一下。
小結(jié)：
通過(guò)對(duì)最正相關(guān)的yellow模塊和最負(fù)相關(guān)的turquoise模塊里面的基因進(jìn)行富集分析，發(fā)現(xiàn)這些基因主要富集在一些與癌癥發(fā)生發(fā)展相關(guān)的通路。
往期文章復(fù)現(xiàn)：
