KEGG富集分析

1. KEGG富集分析简介

1. KEGG富集分析的作用

在生物信息学分析过程中，KEGG通路富集分析常常应用于差异表达基因的功能注释，了解差异表达基因的相关功能与作用通路。

2. KEGG气泡图的解读

例如上图显示的是KEGG点状图，横轴GeneRatio表示对应pathway差异基因数/能够对应到pathway数据库中的差异基因数，即代表该pathway下的差异基因个数占差异基因总数的比例，纵轴表示富集到的pathway的描述信息。

qvalue代表富集分析得到的qvalue，Count代表富集基因数目。showCategory指定展示的pathway的个数，比如展示显著富集的top10个，即p.adjust（矫正后的pvalue）最小的10个。不同的颜色代表不同adjusted p-value，从蓝色到红色，表示adjusted p-value从大到小，富集程度越来越显著。

3. KEGG柱形图的解读

上图中的横轴为该pathway的差异基因个数，纵轴为富集到的pathway的描述信息。

同样showCategory指定展示的pathway的个数，比如可以展示显著富集的top10个，即p.adjust最小的10个。条形的颜色对应p.adjust值，从小到大，对应蓝色到红色。

 4. KEGG通路图的解读

 

KEGG官网样式的通路图是一幅线框图，即由点和线构成的，其中红色基因上调，绿色基因下调。点和线构成的分子间的关系类型，比如蛋白-蛋白互作包含大量磷酸化（+p）和去磷酸化（-p）的过程等等。

2. 条形图代码

该条形图展示的是富集在每个Term的基因数目。Term可以是GO或者通路名称等等。FDR是矫正后的pֵ值。

输入数据

该输入数据的每一行显示的是一个Term（GO或通路）中富集到的基因数目、比例、P值。

ID	Term	Count	Ratio	pvalue	FDR
hsa04110	Cell cycle	29	0.29	4.92E-10	1.06E-07
hsa05323	Rheumatoid arthritis	23	0.23	1.01E-08	1.09E-06
hsa00010	Glycolysis / Gluconeogenesis	18	0.18	1.06E-07	7.61E-06
hsa04145	Phagosome	27	0.27	8.62E-07	4.65E-05
hsa01200	Carbon metabolism	22	0.22	3.41E-06	0.000147086
hsa05140	Leishmaniasis	17	0.17	4.71E-06	0.000169311
hsa05166	Human T-cell leukemia virus 1 infection	31	0.31	1.90E-05	0.000456952
hsa04512	ECM-receptor interaction	17	0.17	3.06E-05	0.000600789
hsa01230	Biosynthesis of amino acids	15	0.15	4.98E-05	0.000895075
hsa03320	PPAR signaling pathway	15	0.15	8.07E-05	0.001338997
hsa04672	Intestinal immune network for IgA production	11	0.11	0.000194047	0.00246314
hsa04974	Protein digestion and absorption	16	0.16	0.000282118	0.003134856
hsa05230	Central carbon metabolism in cancer	13	0.13	0.000391224	0.004020094
hsa05152	Tuberculosis	24	0.24	0.000413079	0.004051728
hsa04066	HIF-1 signaling pathway	17	0.17	0.000470448	0.004413814
hsa00052	Galactose metabolism	8	0.08	0.000536204	0.004821133
hsa04973	Carbohydrate digestion and absorption	10	0.1	0.0005968	0.005151327
hsa04151	PI3K-Akt signaling pathway	38	0.38	0.000923352	0.007663446
hsa04659	Th17 cell differentiation	16	0.16	0.001093815	0.008741993
hsa05205	Proteoglycans in cancer	25	0.25	0.001196583	0.009221785
hsa00250	Alanine, aspartate and glutamate metabolism	8	0.08	0.001553291	0.011172793
hsa04514	Cell adhesion molecules	19	0.19	0.002505451	0.015447142
hsa04922	Glucagon signaling pathway	15	0.15	0.002704018	0.015920412
hsa04668	TNF signaling pathway	15	0.15	0.004613543	0.023703667
hsa04918	Thyroid hormone synthesis	11	0.11	0.007325236	0.031375446
hsa05321	Inflammatory bowel disease	10	0.1	0.007401499	0.031375446
hsa04972	Pancreatic secretion	13	0.13	0.012082574	0.041385593
hsa04910	Insulin signaling pathway	16	0.16	0.012928402	0.043510049
hsa05332	Graft-versus-host disease	7	0.07	0.015483236	0.047730277
hsa04115	p53 signaling pathway	10	0.1	0.016357389	0.049714821

代码

# 需要三列信息
# Term：GO或者通路名称
# Count：富集在每个term的基因数目
# FDR：矫正后的p

library(ggplot2)   # 引用包
setwd("")  # 设置工作目录
rt <- read.table("input.txt", header = T, sep = "\t", check.names = F)  # 读取文件

# 按FDR排序
labels <- rt[order(rt$FDR, decreasing = T), "Term"]  # 将Term按FDR排序
rt$Term = factor(rt$Term, levels = labels)  # 将Term设为因子

# 绘制
p <- ggplot(data = rt) + 
  geom_bar(aes(x = Term, y = Count, fill = FDR), stat = "identity") +  # 用原始数据绘制初始条形图
  coord_flip() +  # 翻转坐标系
  scale_fill_gradient(low = "red", high = "blue") +  # 添加双色渐变色阶
  xlab("Term") +  # 设置x轴标签
  ylab("Gene count") +  # 设置y轴标签
  theme(axis.text.x = element_text(color = "black", size = 10),  # 设置x轴文本颜色及字体大小
        axis.text.y = element_text(color = "black", size = 10)) +  # 设置y轴文本颜色及字体大小
  scale_y_continuous(expand = c(0, 0)) +  # y轴（Gene count）连续数据位置标度
  scale_x_discrete(expand = c(0,0)) +  # x轴(Term)离散数据的位置尺度
  theme_bw()  # 设置全局主题
ggsave("barplot.pdf", width = 7, height = 5)      #保存图片