模式生物做什么都简单,非模式生物则很多缺少注释,没有注释你就没法做,只能是借助于各种软件比如blastgo,自己跑电子注释。但今天要讲的不是这种情况,很多物种还是有注释的,只是你有时候不知道该去那里下载,或者你有数据,却不知道该怎么用!很多的软件都是针对模式生物的,或者针对某一些类型的非模式生物,能够支持多种非模式生物,能够支持用户自己的注释文件的软件相对来讲,就非常少有了,然而clusterProfiler就是这类少有的软件之一。

获得OrgDb

今天要讲的是通过OrgDb来做GO分析,这是clusterProfiler的enrichGO函数所支持的背景注释,Bioconductor自带20个OrgDb可供使用,多半是模式生物,难道我们要做的物种不在这20个里面就不行了吗?显然不是的,clusterProfiler能支持的物种我自己都数不过来。

我们可以通过AnnotationHub在线检索并抓取OrgDb,比如这里以玉米为例:

> require(AnnotationHub)
> hub <- AnnotationHub()
> query(hub, "zea")
AnnotationHub with 2 records
# snapshotDate(): 2017-04-25 
# $dataprovider: Inparanoid8, ftp://ftp.ncbi.nlm.nih.gov/gene/DATA/
# $species: Gibberella zeae, Zea mays
# $rdataclass: Inparanoid8Db, OrgDb
# additional mcols(): taxonomyid, genome, description,
#   coordinate_1_based, maintainer, rdatadateadded, preparerclass, tags,
#   rdatapath, sourceurl, sourcetype 
# retrieve records with, e.g., 'object[["AH10514"]]' 

            title                          
  AH10514 | hom.Gibberella_zeae.inp8.sqlite
  AH55736 | org.Zea_mays.eg.sqlite   

通过检索,org.Zea_mays.eg.sqlite就是我们所要的OrgDb,可以通过相应的accession number, AH55736抓取文件,并存入了maize对象中,它包含了51097个基因的注释:

> maize <- hub[['AH55736']]
> length(keys(maize))
[1] 51097

这个OrgDb,包含有以下一些注释信息:

> columns(maize)
 [1] "ACCNUM"      "ALIAS"       "CHR"         "ENTREZID"    "EVIDENCE"   
 [6] "EVIDENCEALL" "GENENAME"    "GID"         "GO"          "GOALL"      
[11] "ONTOLOGY"    "ONTOLOGYALL" "PMID"        "REFSEQ"      "SYMBOL"     
[16] "UNIGENE"

转换ID

我们可以使用bitr来转换ID,甚至于直接检索GO注释:

> require(clusterProfiler)
> bitr(keys(maize)[1], 'ENTREZID', c("REFSEQ", "GO", "ONTOLOGY"), maize)
   ENTREZID         REFSEQ         GO ONTOLOGY
1    541612 XP_008648268.1 GO:0009507       CC
2    541612 XP_008648268.1 GO:0051537       MF
3    541612 XP_008648268.1 GO:0009055       MF
4    541612 XP_008648268.1 GO:0046872       MF
5    541612 XP_008648268.1 GO:0022900       BP
6    541612 NP_001104837.2 GO:0009507       CC
7    541612 NP_001104837.2 GO:0051537       MF
8    541612 NP_001104837.2 GO:0009055       MF
9    541612 NP_001104837.2 GO:0046872       MF
10   541612 NP_001104837.2 GO:0022900       BP
11   541612 XM_008650046.2 GO:0009507       CC
12   541612 XM_008650046.2 GO:0051537       MF
13   541612 XM_008650046.2 GO:0009055       MF
14   541612 XM_008650046.2 GO:0046872       MF
15   541612 XM_008650046.2 GO:0022900       BP
16   541612 NM_001111367.2 GO:0009507       CC
17   541612 NM_001111367.2 GO:0051537       MF
18   541612 NM_001111367.2 GO:0009055       MF
19   541612 NM_001111367.2 GO:0046872       MF
20   541612 NM_001111367.2 GO:0022900       BP

GO富集分析

> sample_genes <- keys(maize)[1:100]
> head(sample_genes)
[1] "541612" "541613" "541614" "541615" "541617" "541618"

这里我只是简单地使用ID列表中前100个ENTREZ基因ID,也可以使用其它的ID,通过借助于bitr进行转换,或者通过给enrichGO指定ID类型(keyType参数)。

有了OrgDb,使用起来,就跟文档中使用人类基因做为例子一样,用法一致,并且也可以通过clusterProfiler所提供的各种可视化函数对结果进行展示:

> require(clusterProfiler)
> res = enrichGO(sample_genes, OrgDb=maize, pvalueCutoff=1, qvalueCutoff=1)
> res
#
# over-representation test
#
#...@organism 	 Zea mays 
#...@ontology 	 MF 
#...@keytype 	 ENTREZID 
#...@gene 	 chr [1:100] "541612" "541613" "541614" "541615" "541617" "541618" "541619" ...
#...pvalues adjusted by 'BH' with cutoff <1 
#...114 enriched terms found
'data.frame':	114 obs. of  9 variables:
 $ ID         : chr  "GO:0004871" "GO:0000155" "GO:0004673" "GO:0016775" ...
 $ Description: chr  "signal transducer activity" "phosphorelay sensor kinase activity" "protein histidine kinase activity" "phosphotransferase activity, nitrogenous group as acceptor" ...
 $ GeneRatio  : chr  "9/80" "5/80" "5/80" "5/80" ...
 $ BgRatio    : chr  "81/14230" "22/14230" "23/14230" "23/14230" ...
 $ pvalue     : num  6.65e-10 1.21e-07 1.54e-07 1.54e-07 1.90e-07 ...
 $ p.adjust   : num  7.58e-08 3.60e-06 3.60e-06 3.60e-06 3.60e-06 ...
 $ qvalue     : num  6.37e-08 3.03e-06 3.03e-06 3.03e-06 3.03e-06 ...
 $ geneID     : chr  "541618/541625/541627/541634/541636/541638/541641/541642/541663" "541627/541634/541641/541642/541663" "541627/541634/541641/541642/541663" "541627/541634/541641/541642/541663" ...
 $ Count      : int  9 5 5 5 4 4 4 5 5 5 ...
#...Citation
  Guangchuang Yu, Li-Gen Wang, Yanyan Han and Qing-Yu He.
  clusterProfiler: an R package for comparing biological themes among
  gene clusters. OMICS: A Journal of Integrative Biology
  2012, 16(5):284-287 

如果你有表达谱数据,你也可以使用gseGO进行GSEA分析,这里我懒得上网找数据来演示了,用法反正跟文档里的一样,只不过换成了你自己的数据和相应物种的OrgDb对象而已。

如果没有OrgDb怎么办?

必须也是可以做的,这个将在以后讲解!

相关阅读