R中使用topGO进行富集分析


已知文件如下

原始文件

  • DEG.list #差异基因list
  • rice.map #物种注释到GO数据库的信息 一般只用到上面两个文件就可以
  • rice.map # 1. blast2go 软件做注释，再使用 mapping2maplist.pl 脚本进行格式转换 # 2. 可以直接从数据库下载，再使用 plaza2maolist.pl 脚本进行格式转化

原始数据上传到百度网盘：
链接：https://pan.baidu.com/s/1QVd-s9PWY9f0LpMCQcsyFw
提取码：51og
###下面放出完整操作R代码，只需要修改导入的文件就可直接运行得到结果

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
##############################################
#####  2020/3/6 w
#####  topGO
##############################################

# 安装topGO软件包
if (!requireNamespace("BiocManager", quietly = TRUE))
  install.packages("BiocManager")

BiocManager::install("topGO", version = "3.8")
BiocManager::install("Rgraphviz", version = "3.8")

# 设置工作目录，后面读取文件什么的就可以直接读取不需要那么长的路径
setwd('D:/test_data')

# 加载包
rm(list=ls())
library(topGO)
library(Rgraphviz)

# 设置输入文件，后面直接在这个地方修改文件名称就可以直接运行了
input="DEG.list"  #差异基因名称的列表
mapfile="rice.map"    #所有基因GO map结果，也可以是 list 文件等

# 开始分析
gene_id = readMappings(file = mapfile) #如果是读取其他文件格式，后面参数还需要修改
gene_names = names(gene_id)
my_genes = read.table(input)[,1]

gene_list = rep(1,length(gene_id))
names(gene_list) = names(gene_id)

gene_list[match(my_genes,names(gene_list))] = 0
top_diff_genes = function(allScore){return(allScore<0.01)}


# BP 富集分析
#new() 创建一个 topGO 的对象，然后对这个对象做检验
sample_gOdata = new("topGOdata",
                   nodeSize = 6,
                   ontology="BP",
                   allGenes = gene_list,
                   annot = annFUN.gene2GO,
                   gene2GO = gene_id,
                   geneSel=top_diff_genes)

# 做检验，使用的是elim 的算法，使用 ks 的统计量。可以理解为 p 值
result_KS.elim = runTest(sample_gOdata,
                         algorithm = "elim",
                         statistic = "ks")

#提取基因 table
allres = GenTable(sample_gOdata,
                  KS = result_KS.elim,
                  ranksOf = "classic",
                  topNodes = attributes(result_KS.elim)$geneData[4])

#生成文件，后面画图都可以用这个表
write.table(allres,
            file = paste(input,".BP.xls",sep=""),
            sep="\t", quote=FALSE, col.names=TRUE, row.names=FALSE)

# 输出矢量图
pdf(paste(input,".BP.pdf",sep=""))
showSigOfNodes(sample_gOdata,
               score(result_KS.elim),
               firstSigNodes = 10,
               useInfo = "all") #设置节点数量，10个或者20个更多都可以
dev.off()

# 输出像素图
png(paste(input,".BP.png",sep=""))
showSigOfNodes(sample_gOdata, score(result_KS.elim), firstSigNodes = 10, useInfo = "all")
dev.off()

# MF 富集分析（同理）
sample_gOdata = new("topGOdata",
                    nodeSize = 6,
                    ontology="MF",
                    allGenes = gene_list,
                    annot = annFUN.gene2GO,
                    gene2GO = gene_id,
                    geneSel=top_diff_genes)

# 做检验，使用的是elim 的算法，使用 ks 的统计量。可以理解为 p 值
result_KS.elim = runTest(sample_gOdata,
                         algorithm = "elim",
                         statistic = "ks")

#提取基因 table
allres = GenTable(sample_gOdata,
                  KS = result_KS.elim,
                  ranksOf = "classic",
                  topNodes = attributes(result_KS.elim)$geneData[4])

#生成文件，后面画图都可以用这个表
write.table(allres,
            file = paste(input,".MF.xls",sep=""),
            sep="\t", quote=FALSE, col.names=TRUE, row.names=FALSE)

# 输出矢量图
pdf(paste(input,".MF.pdf",sep=""))
showSigOfNodes(sample_gOdata,
               score(result_KS.elim),
               firstSigNodes = 10,
               useInfo = "all") #设置节点数量，10个或者20个更多都可以
dev.off()

# 输出像素图
png(paste(input,".MF.png",sep=""))
showSigOfNodes(sample_gOdata, score(result_KS.elim), firstSigNodes = 10, useInfo = "all")
dev.off()



#CC节点的富集分析
sample_gOdata = new("topGOdata",
                    nodeSize = 6,
                    ontology="CC",
                    allGenes = gene_list,
                    annot = annFUN.gene2GO,
                    gene2GO = gene_id,
                    geneSel=top_diff_genes)

# 做检验，使用的是elim 的算法，使用 ks 的统计量。可以理解为 p 值
result_KS.elim = runTest(sample_gOdata,
                         algorithm = "elim",
                         statistic = "ks")

#提取基因 table
allres = GenTable(sample_gOdata,
                  KS = result_KS.elim,
                  ranksOf = "classic",
                  topNodes = attributes(result_KS.elim)$geneData[4])

#生成文件，后面画图都可以用这个表
write.table(allres,
            file = paste(input,".CC.xls",sep=""),
            sep="\t", quote=FALSE, col.names=TRUE, row.names=FALSE)

# 输出矢量图
pdf(paste(input,".CC.pdf",sep=""))
showSigOfNodes(sample_gOdata,
               score(result_KS.elim),
               firstSigNodes = 10,
               useInfo = "all") #设置节点数量，10个或者20个更多都可以
dev.off()

# 输出像素图
png(paste(input,".CC.png",sep=""))
showSigOfNodes(sample_gOdata, score(result_KS.elim), firstSigNodes = 10, useInfo = "all")
dev.off()

输出table文件

  • GO.ID # 富集到的GO.ID
  • Term # 功能的描述
  • Annotated # 该节点注释到的基因数目
  • Significant # 差异基因有多少个注释到该节点
  • Expected # 期望有多少个
  • KS # 相当于 p 值，越小越显著
可以用输出文件做出更好的可视化结果
  • 本文参考文件
    腾讯课堂视频 PlantTech（普朗泰科）学院 —— R 应用- topGO 富集分析
    topGO文档
    链接：https://pan.baidu.com/s/1OsqGVDcD1XZtpj5BTgncZg
    提取码：08r8