單個(gè)基因集富集分析泡泡圖繪制

富集分析是生物信息分析中快速了解目標(biāo)基因或目標(biāo)區(qū)域功能傾向性的最重要方法之一。其中代表性的計(jì)算方式有兩種：

一是基于篩選的差異基因，采用超幾何檢驗(yàn)判斷上調(diào)或下調(diào)基因在哪些GO或KEGG或其它定義的通路富集。假設(shè)背景基因數(shù)目為t，背景基因中某一通路pathway中注釋的基因有m個(gè)；上調(diào)基因有k個(gè)，上調(diào)基因中落于通路pathway的數(shù)目為q。簡(jiǎn)單來講就是比較q/k是否顯著高于m/t，即上調(diào)基因中落在通路pathway的比例是否高于背景基因在這一通路的比例。(實(shí)際計(jì)算時(shí)，是算的odds ratio的差異，q/(k-q) vs (m-q)/(t-k-m+q))。這就是常說的GO富集分析或KEGG富集分析，可以做的工具很多，GOEAST是其中一個(gè)最好用的在線功能富集分析工具，數(shù)據(jù)庫(kù)更新實(shí)時(shí)，操作簡(jiǎn)單，并且可以直接用之前介紹的方法繪制DotPlot。

另一種方式是不硬篩選差異基因，而是對(duì)其根據(jù)表達(dá)量或與表型的相關(guān)度排序，然后判斷對(duì)應(yīng)的基因集是否傾向于落在有序列表的頂部或底部，從而判斷基因集合對(duì)表型差異的影響和篩選有影響的基因子集。這叫GSEA富集分析，注釋信息可以是GO，KEGG，也可以是其它任何符合格式的信息。GSEA富集分析 - 界面操作詳細(xì)講述了GSEA分析的原理、可視化操作和結(jié)果解讀。

具體原理解釋見我們?cè)贐站的免費(fèi)視頻：易生信轉(zhuǎn)錄組高級(jí)課程系列節(jié)選

GOEAST結(jié)果繪制富集分析泡泡圖 

單個(gè)基因集富集結(jié)果展示 

在去東方，最好用的在線GO富集分析工具一文中介紹了一款高引用、操作簡(jiǎn)單、數(shù)據(jù)庫(kù)每周同步更新的在線富集工具GOEAST，很受好評(píng)。美中不足的是，這個(gè)工具不能輸出泡泡圖。下面我們展示下如何用GOEAST輸出的富集結(jié)果表格自行篩選條目繪制富集分析泡泡圖。

GOEAST輸出的表格內(nèi)容如下 (geneIDs    symbols 列內(nèi)容較長(zhǎng)，此處沒用到，故未展示)：

GOID    Ontology    Term    Level    q    m    t    k    log_odds_ratio    p
GO:0006730    biological_process    one-carbon metabolic process    4    34    57    45240    13378    1.012309306    0.001481151
GO:0007154    biological_process    cell communication    2    2169    6843    45240    13378    0.100137585    0.007326261
GO:0007165    biological_process    signal transduction    5    1955    6136    45240    13378    0.107606604    0.006325629
GO:0023052    biological_process    signaling    1    2100    6613    45240    13378    0.102820905    0.006590727
GO:0044700    biological_process    single organism signaling    2    2100    6613    45240    13378    0.102820905    0.006590727
GO:0050896    biological_process    response to stimulus    1    3251    10438    45240    13378    0.074846633    0.012472089
GO:0005515    molecular_function    protein binding    1    3299    10399    45240    13378    0.101392361    3.32E-05
GO:0005794    cellular_component    Golgi apparatus    6    611    1835    45240    13378    0.171200701    0.057432963
GO:0012505    cellular_component    endomembrane system    2    1521    4648    45240    13378    0.146146563    0.000353056
GO:0071944    cellular_component    cell periphery    2    2059    6559    45240    13378    0.086204434    0.065663723

我們先看下其中幾列的含義是什么：

• q: 用于分析的基因集中匹配到該通路的基因數(shù)目

• m: 背景基因集中落在該通路的基因數(shù)目

• t: 背景基因集中總的基因數(shù)目

• k: 用于分析的基因集中總的基因數(shù)目

• p: 富集顯著性值(FDR，多重假設(shè)檢驗(yàn)校正后的p-value)

• log_odds_ratio: 富集比，具體見上面基礎(chǔ)部分

富集分析泡泡圖實(shí)際是一種散點(diǎn)圖，這個(gè)圖怎么繪制需要我們先理解這個(gè)圖每一部分的含義。理解了圖，剩下的就是把對(duì)應(yīng)列的信息賦值到圖上。

我們先把數(shù)據(jù)導(dǎo)入平臺(tái)http://www.ehbio.com/Cloud_Platform/front/#/analysis?page=b%27MTA%3D%27，

選擇一些參數(shù)，體會(huì)下它們?cè)趫D上的體現(xiàn)和意義。

然后選擇參數(shù)

• log_odds_ratio列作為橫軸(X-axis)信息

• Term列作為縱軸(Y-axis)信息

這兩列就確定了點(diǎn)的分布，下面三個(gè)參數(shù)是給點(diǎn)的屬性賦值

• 統(tǒng)計(jì)顯著性p列作為Color variable，給每個(gè)點(diǎn)根據(jù)數(shù)值大小進(jìn)行上色，從顏色上區(qū)分富集顯著性

• q列用于設(shè)置點(diǎn)的大小Point size variable，點(diǎn)越大表示目標(biāo)基因集中落在對(duì)應(yīng)通路的基因越多

• Neg log10 transform variable是指定哪個(gè)變量進(jìn)行對(duì)數(shù)轉(zhuǎn)換，這是可選參數(shù)，但通常我們會(huì)對(duì)p-value列做這個(gè)轉(zhuǎn)換。

  轉(zhuǎn)換后越小的p-value值就會(huì)變得越大

提交后，獲得結(jié)果圖如下：

圖中每個(gè)點(diǎn)代表一個(gè)富集的條目，在Y軸有對(duì)應(yīng)標(biāo)記。這些條目按其log_odds_ratio的值排序后展示，log_odds_ratio高的條目在Y軸上方展示；每個(gè)點(diǎn)的大小代表用于分析的基因集中匹配到該通路的基因數(shù)目，顏色代表富集程度。

但這個(gè)圖中，點(diǎn)的大小有些太分散，顏色是綠色飽和度越高表示富集越顯著，可能跟常規(guī)認(rèn)知不同。修改兩個(gè)參數(shù)：

• Variable for be transformed in square root way選擇q，通過平方根降低數(shù)據(jù)之間的差距

• 設(shè)置顏色 Manual color vector (color set)為OrRd

獲得結(jié)果如下

往期精品(點(diǎn)擊圖片直達(dá)文字對(duì)應(yīng)教程)

機(jī)器學(xué)習(xí)

后臺(tái)回復(fù)“生信寶典福利第一波”或點(diǎn)擊閱讀原文獲取教程合集