GO、KEGG富集分析(一)有参情况
GO富集分析原理： 有一个term注释了100个差异表达基因参与了哪个过程，注释完之后（模式生物都有现成的注释包，不用我们自己注释），计算相对于背景它是否显著集中在某条通路、某一个细胞学定位、某一种生物学功能。
KEGG指的是京都基因与基因组百科全书，通常我们使用KEGG中的pathway模块，将基因映射到某些通路上，了解基因参与生物体中的代谢过程等。
最广为人知的富集分析做法是把上调、下调基因分别或者合并，拿来做GO和KEGG富集分析。经常有一些数据集，拿差异基因做得不到结果，那是因为确实富集不到任何通路，是正常的。
单细胞富集分析我最常用的是 分组GSVA ，但最近用到了GO分析，就复习一下GO和KEGG富集分析及绘图。载入无比熟悉的pbmc.3k数据集 (已注释好，数据准备见 monocle )pbmc3k数据集只有1个样本，没办法区分HC和病例组。
R语言绘制KEGG富集分析气泡图
1、最近有粉丝反映说，利用clusterProfiler这个包绘制GO富集分析气泡图和柱形图的时候，发现GO条目的名字都重叠在一起了。气泡图 柱形图 这个图别说美观了，简直不忍直视。经过我的认真研究，发现跟R版本有关。
2、KEGG指的是京都基因与基因组百科全书，通常我们使用KEGG中的pathway模块，将基因映射到某些通路上，了解基因参与生物体中的代谢过程等。
3、关于kegg富集分析如下：介绍 在进行生物学实验或者生物信息的学习中，都会听说KEGG富集分析，而且该方法在高通量测序分析中已然成为数据分析中必不可少的一环。
4、根据motif与已知转录因子的富集情况可以绘制气泡图，从而可以看到样本与已知转录因子的富集显著性。 差异peak代表着比较组合染色质开放性有差异的位点，ChIP-seq和ATAC-seq都可以用DiffBind进行差异分析。
go分析和kegg分析意义
GO、KEGG富集分析是我们做生信分析较为常用的部分，它可以将基因与功能相联系起来。GO指的是Gene Ontology，是基因功能国际标准分类体系。
clusterProfiler是一个功能强大的R包，同时支持GO和KEGG的富集分析，而且可视化功能非常的优秀，本章主要介绍利用这个R包来进行Gene Ontology的富集分析。
KEGG 是了解高级功能和生物系统（如细胞、 生物和生态系统），从分子水平信息，尤其是大型分子数据集生成的基因组测序和其他高通量实验技术的实用程序数据库资源， 由日本京都大学生物信息学中心的Kanehisa实验室于1995年建立。
GO，KEGG富集是定性的分析，GSEA考虑到了表达或其它度量水平的值的影响。GSEA分析不需要指定阈值（p值或FDR）来筛选差异基因，在没有经验存在的情况下分析我们感兴趣的基因集，而这个基因集不一定是显著差异表达的基因。
Gokegg富集分析是一种生物信息学工具，用于分析一组基因在细胞、组织或生物体中是否具有共同的生物学功能或通路。它可以将不同基因集之间的差异性比较和功能注释结果整合起来，进而预测哪些生物学过程与不同基因集相关联。
非模式生物GO、KEGG富集分析
1、KEGG指的是京都基因与基因组百科全书，通常我们使用KEGG中的pathway模块，将基因映射到某些通路上，了解基因参与生物体中的代谢过程等。
2、GO富集分析原理： 有一个term注释了100个差异表达基因参与了哪个过程，注释完之后（模式生物都有现成的注释包，不用我们自己注释），计算相对于背景它是否显著集中在某条通路、某一个细胞学定位、某一种生物学功能。
3、Gokegg富集分析是一种生物信息学工具，用于分析一组基因在细胞、组织或生物体中是否具有共同的生物学功能或通路。它可以将不同基因集之间的差异性比较和功能注释结果整合起来，进而预测哪些生物学过程与不同基因集相关联。
4、KEGG分析是通过对基因的表达信息进行分析来确定基因的功能的。GO分析和KEGG分析的主要区别在于它们所依据的数据不同。GO分析是基于序列信息的，而KEGG分析是基于表达信息的。
5、GSEA分析可以将那些GO/KEGG富集分信息中容易遗漏掉的差异表达不显著却有着重要生物学意义的基因包含在内。另外，对于时间序列数据或样品有定量属性时，GSEA的优势会更明显，不需要每个分组分别进行富集，直接对整体进行处理。
RNA-seq分析(三)DESeq2
在shell下写R语言脚本 vim DESeqR ；运行脚本 Rscript DESeqR。 或者进入R，分别执行每行的命令 导出SY14_VSBY474csv所有基因的表格，可用于GSEA差异分析 导出SY14_up.csv，可用于GO、KEGG通路分析。
经过表达定量后，我们已经得到了基因的表达量矩阵，差异表达分析通常是RNA-seq分析的第一步。差异基因表达分析通常都是在R中，常用的有DESeq2，edgeR，limma等几种，这次主要介绍用DESeq2来进行差异表达分析。
DESeq2和EdgeR都可用于做基因差异表达分析，主要也是用于RNA-Seq数据，同样也可以处理类似的ChIP-Seq，shRNA以及质谱数据。这两个都属于R包，其相同点在于都是对count data数据进行处理，都是基于负二项分布模型。
【R语言】解决GO富集分析绘图,标签重叠问题
最近有粉丝反映说，利用clusterProfiler这个包绘制GO富集分析气泡图和柱形图的时候，发现GO条目的名字都重叠在一起了。气泡图 柱形图 这个图别说美观了，简直不忍直视。经过我的认真研究，发现跟R版本有关。
在是否需要构建的问题上，我看到徐洲更在 功能注释后如何做富集分析 中提到 “你不需要构建Orgdb，因为Orgdb的用途是进行基因编号和GO/KEGG的转换。
其中2个与生长素信号转导相关，而另外8个则没注释到生长素信号转导相关，简单画一下，即 好，剩下的两个就不替换了。整体上，ORA模式的富集分析，本身就是经典的抽球案例，感兴趣的自行替换就可以了。
功能富集分析： 功能富集需要有一个参考数据集，通过该项分析可以找出在统计上显著富集的GO Term。该功能或者定位有可能与研究的目前有关。 GO功能分类是在某一功能层次上统计蛋白或者基因的数目或组成，往往是在GO的第二层次。
r语言做go和kegg的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于r语言geom、r语言做go和kegg的信息别忘了在本站进行查找喔。