hsa_pathway <- keggList("pathway","hsa") # 获取KEGG数据库中所有人类通路 hsa_path <- data.frame(hsa_pathway) # 转成数据框,方便后续分析 hsa_path$pathID <- substr(rownames(hsa_path),6,nchar(rownames(hsa_path)[1])) # 提取pathway ID # 提取通路中的所有代谢物ID及名称 match.df <- v...
2. KEGGREST包提取通路基因ID和名称问题 2021.11.26 Friday 问题:使用KEGGREST包同时提取某条KEGG通路的Entrez ID或gene symbol时,无法正确提取。 hsa03008 <- keggGet("hsa03008") # 获取某一条KEGG通路的全部信息 gene.info <- hsa03008[[1]]$GENE # 获取通路中的基因信息 # 提取gene symbol和Entrez ID ...
k <- enrichKEGG(gene = gene, organism = "hsa", pvalueCutoff =1, qvalueCutoff =1, use_internal_data = TRUE) # 强制转成数据框,便于查看 KEGG=as.data.frame(k) 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 本地通路富集...
organism = 'hsa', #universe = gene_all, pvalueCutoff = 0.9, qvalueCutoff =0.9)#P值或者Q值阈值可以根据富集的结果进行主观修改 head(kk.up)[,1:6] dotplot(kk.up)#气泡图 barplot(kk.up)#条形图 #全部的差异基因 kk.diff <- enrichKEGG(gene = gene_diff, organism = 'hsa', pvalueCutoff ...
在KEGG通路map中标注目标基因 #以hsa04151为例: highlight_entities('hsa04151',#pathway ID 'PDPK1',#目标基因 fill_color= 'red')#用于高亮标注的填充色 #同时标注多个目标基因: int<- c('PDPK1','PIK3CA','GSK3B','PIK3R6','THEM4')
数据库进行通路富集,此包支持including ‘celegans’,‘fly’, ‘human’, ‘mouse’, ‘rat’,...ReactomePA) de <- c("4312","8318","10874","55143","55388","991") fold=c(1.6,2,4,3,1.9,4,7) head(de) ##富集分析...##单通路的富集结果展示 gseaplot(y, geneSetID ="R-HSA-69242"...
步骤二:进行通路富集分析 接下来,我们使用clusterProfiler包进行通路富集分析。首先需要将基因集合与通路数据库进行比较,然后通过统计方法确定哪些通路中的基因富集情况显著。 library(clusterProfiler)# 进行通路富集分析enrich_result<-enrichKEGG(gene=genes,organism="hsa") ...
organism = 'hsa', pvalueCutoff = 0.05) 结果可视化: 同样,可以使用条形图、气泡图等方式来可视化KEGG富集分析的结果。 barplot(kegg_enrich, showCategory = 20) dotplot(kegg_enrich, showCategory = 20) 五、结果解释与应用 通过GO和KEGG富集分析,我们可以得到一些对生物学研究非常有用的信息。
KEGG分析可以帮助你了解基因在代谢通路中的功能。clusterProfiler包中的enrichKEGG函数可以执行这个分析。 # KEGG分析 ekegg <- enrichKEGG(gene = geneList$ENTREZID, organism = 'hsa', pvalueCutoff = 0.05) 查看结果 head(ekegg) 可视化结果 barplot(ekegg, showCategory=20) ...
数据库进行通路富集,此包支持including ‘celegans’,‘fly’, ‘human’, ‘mouse’, ‘rat’,...ReactomePA) de <- c("4312","8318","10874","55143","55388","991") fold=c(1.6,2,4,3,1.9,4,7) head(de) ##富集分析...##单通路的富集结果展示 gseaplot(y, geneSetID ="R-HSA-69242"...