使用clusterprofiler中的enrichr對(duì)非模式植物進(jìn)行KEGG分析

一坞笙、需要的數(shù)據(jù)

(1)eggnog對(duì)基因的注釋(名字例如叫:egg.tsv)

TSV格式


image.png
(2)ko00001.json文件

下載地址:
https://www.genome.jp/kegg-bin/get_htext?ko00001

(3)目的基因集
image.png

二哮独、需要的R包

rio夺荒、stringr、tidyverse歪脏、clusterprofiler

三疑俭、構(gòu)建過程

1.導(dǎo)入注釋文件到R
options(stringsAsFactors = F)
egg<-rio::import("egg.tsv")
2.把注釋文件里的空值改為NA
egg[egg==""]<-NA
3.從注釋文件里把基因與KEGG提取出來:
gene2ko <- egg %>%
  dplyr::select(GID = query_name, KO = KEGG_ko) %>%
  na.omit()
image.png
4.將KO行中有多個(gè)值的拆分為多行
all_ko_list=str_split(gene2ko$KO,",")
gene2ko <- data.frame(GID=rep(gene2ko$GID,times=sapply(all_ko_list,length)),KO=unlist(all_ko_list))
image.png
5.將gene2ko中,KO列的"ko:"去掉
gene2ko$KO=str_replace(gene2ko$KO,"ko:","")
image.png
6.對(duì)json文件操作
if(!file.exists('kegg_info.RData')){
  library(jsonlite)
  library(purrr)
  library(RCurl)
  update_kegg <- function(json = "ko00001.json",file=NULL) {
    pathway2name <- tibble(Pathway = character(), Name = character())
    ko2pathway <- tibble(Ko = character(), Pathway = character())
    kegg <- fromJSON(json)
    for (a in seq_along(kegg[["children"]][["children"]])) {
      A <- kegg[["children"]][["name"]][[a]]
      for (b in seq_along(kegg[["children"]][["children"]][[a]][["children"]])) {
        B <- kegg[["children"]][["children"]][[a]][["name"]][[b]] 
        for (c in seq_along(kegg[["children"]][["children"]][[a]][["children"]][[b]][["children"]])) {
          pathway_info <- kegg[["children"]][["children"]][[a]][["children"]][[b]][["name"]][[c]]
          pathway_id <- str_match(pathway_info, "ko[0-9]{5}")[1]
          pathway_name <- str_replace(pathway_info, " \\[PATH:ko[0-9]{5}\\]", "") %>% str_replace("[0-9]{5} ", "")
          pathway2name <- rbind(pathway2name, tibble(Pathway = pathway_id, Name = pathway_name))
          kos_info <- kegg[["children"]][["children"]][[a]][["children"]][[b]][["children"]][[c]][["name"]]
          kos <- str_match(kos_info, "K[0-9]*")[,1]
          ko2pathway <- rbind(ko2pathway, tibble(Ko = kos, Pathway = rep(pathway_id, length(kos))))
        }
      }
    }
    save(pathway2name, ko2pathway, file = file)
  }
  update_kegg(json = "ko00001.json",file="kegg_info.RData")
}

產(chǎn)生一個(gè)叫kegg_info.RData的文件


image.png
7.加載上一步創(chuàng)建的文件
load("kegg_info.RData")

出現(xiàn)這兩個(gè)變量


image.png

分別是這樣:

ko2pathway


image.png

pathway2name


image.png
8.將ko2pathway的列名婿失,由Ko,Pathway钞艇,改為KO,Pathway
colnames(ko2pathway)=c("KO",'Pathway')
image.png
9.創(chuàng)建 Term2gene
Term2gene <- gene2ko %>%left_join(ko2pathway, by = "KO") %>%dplyr::select(Pathway,GID) %>%na.omit()
image.png

四.enrichr分析

library(clusterProfiler)
keggS7 <- enricher(gene=X557VS550All_resultsfiler$X1,pvalueCutoff = 0.05,pAdjustMethod = "BH",TERM2GENE = Term2gene,TERM2NAME = pathway2name)

gene目的基因集、Term2gene第9步豪硅、pathway2name由第7步創(chuàng)建

務(wù)必 目的基因集的基因ID和注釋文件的基因ID一致

五哩照、簡(jiǎn)單畫圖

barplot(keggS7)


image.png

dotplot(keggS7)


image.png

參考:
詳細(xì)回顧非模式物種注釋構(gòu)建過程

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市舟误,隨后出現(xiàn)的幾起案子葡秒,更是在濱河造成了極大的恐慌,老刑警劉巖嵌溢,帶你破解...
    沈念sama閱讀 217,277評(píng)論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異蹋岩,居然都是意外死亡赖草,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,689評(píng)論 3 393
  • 文/潘曉璐 我一進(jìn)店門剪个,熙熙樓的掌柜王于貴愁眉苦臉地迎上來秧骑,“玉大人,你說我怎么就攤上這事扣囊『跽郏” “怎么了?”我有些...
    開封第一講書人閱讀 163,624評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵侵歇,是天一觀的道長(zhǎng)骂澄。 經(jīng)常有香客問我,道長(zhǎng)惕虑,這世上最難降的妖魔是什么坟冲? 我笑而不...
    開封第一講書人閱讀 58,356評(píng)論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮溃蔫,結(jié)果婚禮上健提,老公的妹妹穿的比我還像新娘。我一直安慰自己伟叛,他們只是感情好私痹,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,402評(píng)論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般紊遵。 火紅的嫁衣襯著肌膚如雪账千。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,292評(píng)論 1 301
  • 那天癞蚕,我揣著相機(jī)與錄音蕊爵,去河邊找鬼。 笑死桦山,一個(gè)胖子當(dāng)著我的面吹牛攒射,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播恒水,決...
    沈念sama閱讀 40,135評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼会放,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了钉凌?” 一聲冷哼從身側(cè)響起咧最,我...
    開封第一講書人閱讀 38,992評(píng)論 0 275
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎御雕,沒想到半個(gè)月后矢沿,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,429評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡酸纲,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,636評(píng)論 3 334
  • 正文 我和宋清朗相戀三年捣鲸,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片闽坡。...
    茶點(diǎn)故事閱讀 39,785評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡栽惶,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出疾嗅,到底是詐尸還是另有隱情外厂,我是刑警寧澤,帶...
    沈念sama閱讀 35,492評(píng)論 5 345
  • 正文 年R本政府宣布代承,位于F島的核電站汁蝶,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏次泽。R本人自食惡果不足惜穿仪,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,092評(píng)論 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望意荤。 院中可真熱鬧啊片,春花似錦、人聲如沸玖像。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,723評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至笤昨,卻和暖如春祖驱,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背瞒窒。 一陣腳步聲響...
    開封第一講書人閱讀 32,858評(píng)論 1 269
  • 我被黑心中介騙來泰國(guó)打工捺僻, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人崇裁。 一個(gè)月前我還...
    沈念sama閱讀 47,891評(píng)論 2 370
  • 正文 我出身青樓匕坯,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親拔稳。 傳聞我的和親對(duì)象是個(gè)殘疾皇子葛峻,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,713評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容