【原】使用topGO进行GO富集分析

topGO是一个专门用于做GO富集分析的R包，它默认从GO.db中读取GO的分类和结构信息，结合富集分析的结果，它可以画出如下所示的GO有向无环图

除了GO富集结果可视化这一特点，topGO还提供了多种富集分析的统计方法，示意如下

甚至支持自定义统计算法和模型，当然，常规情况下我们使用经典的费舍尔精确检验就可以了。

topGO的核心是构建一个topGOdata类型的对象，需要以下3种元素

1. 基因组所有的基因

2. 基因组所有基因对应的GO注释

3. GO之间的分类和结构信息

基因的列表在R中用向量存储，topGO会根据names属性来读取基因的标识符，而这个向量的内容是一个只包括0和1的因子，0表示这个基因为非差异基因，1表示这个基因为差异基因。示例如下

> head(geneList) 1  2  3  9 10 1  0  1  0  1

第一行为names属性，这里为entrez id, 第二行为向量的内容。

基因的GO注释，可以从Bioconductor提供的注释包中获得，比如human就可以从org.Hs.eg.db包中得到，如果没有现成的注释包，也可以从文件中读取。

所有GO的分类和结构信息是从GO.db这个R包中读取的，所以使用时，不需要考虑这个因素，但是需要注意，GO.db这个包的更新是没有GO官网更新的快的，这也是用这种R包的缺点。

用human基因构建topGOdata的代码如下

sampleGOdata <- new( "topGOdata", ontology = "BP", allGenes = geneList, nodeSize = 10, annot = annFUN.org, mapping = "org.Hs.eg.db", ID = "entrez")

ontology指定GO的分类，GO的3大类别BP, CC, MF之间是独立，所以GO其实分为3个子数据库，做富集分析时，不同类别分开做。

nodeSize用于对GO进行过滤，GO最少需要包含10个基因才会对该GO进行分析。

annot指定基因对应的GO注释如何读取，annFUN.org代表从Bioconductor提供的org.xx.xx.db包中读取，mapping指定org包的名字，ID指定基因标识符的类型。

对于那些没有现成的注释包的物种，可以从文件中读取所有基因的GO注释信息，文件内容示例如下

121005    GO:0005576 155158    GO:0005488 160828    GO:0005488 105778    GO:0016021, GO:0016020

\t分隔的两列，第一列为基因ID,第二列为对应的GO注释，多个注释之间用逗号连接。这种文件可以通过readMapping函数直接读取，从文件读取注释信息，并构建topGOdata的代码如下

geneID2GO <- readMappings("geneid2go.map") sampleGOdata <- new( "topGOdata", ontology = "BP", allGenes = geneList, annot = annFUN.gene2GO, gene2GO = geneID2GO)

构建好topGOdata类型的对象后，可以直接进行富集分析，代码如下

# 运行富集分析 result <- runTest( sampleGOdata, algorithm = "classic", statistic = "fisher") # 提取显著富集的top100个GO sig.tab <- GenTable(  sampleGOdata,  Fis = result,  topNodes = 100)

富集分析的结果如下

> head(sig.tab)       GO.ID                                        Term Annotated Significant Expected     Fis 1 GO:0006107              oxaloacetate metabolic process        12           3     0.20 0.00095 2 GO:0065008            regulation of biological quality      3551          82    60.27 0.00139 3 GO:0006116                              NADH oxidation         4           2     0.07 0.00168 4 GO:0030837 negative regulation of actin filament po...        51           5     0.87 0.00169 5 GO:0048872              homeostasis of number of cells       233          11     3.95 0.00218 6 GO:0007010                   cytoskeleton organization      1199          34    20.35 0.00226

构建富集GO的有向无环图有两种方式，第一种

showSigOfNodes(  sampleGOdata,  score(result),  firstSigNodes = 5,  useInfo = 'all')

fisrtSigNodes代表显示显著富集的top5个GO的层次结构，useInfo表示的图片中的节点上需要标注的信息，all表示全部信息，示例如下

GO编号是都会标注的，第二行为GO的描述信息，对应的值为def, 第三行为富集分析的p值，对应的值pval, 第四行为位于该GO下的基因总数与差异基因的比例，对应的值为counts, all代表全部都标记，none代表只标记GO编号，如果只想要标记其中某一项内容，设置为对应的值即可。

另外一种用法会在工作目录直接生成pdf文件，代码如下

printGraph(  sampleGOdata,  result,  firstSigNodes = 5,  fn.prefix = "tGO",  useInfo = "pval",  pdfSW = TRUE)

fn.prefix代表生成的PDF文件名的前缀, 更多的用法请参考官方文档。

·end·