手机版 下载桌面 设为首页

R语言:基于单基因批量相关性分析的GSEA

  R语言:基于单基因批量相关性分析的GSEA的使用场景

  1.已经确定研究的基因,但是想探索他潜在的功能,可以通过跟这个基因表达最相关的基因来反推他的功能,这种方法在英语中称为guilt of association,协同犯罪。

  2.我们的注释方法依赖于TCGA大样本,既然他可以注释基因,那么任何跟肿瘤相关的基因都可以被注释,包括长链非编码RNA。

  这个方法以前阐述过:

  单基因批量相关性分析的妙用

  但是这个方法有个小缺陷,并不知道最后富集的通路是正向影响还是反向影响,也就是无法判断方向。判断方向的工具也不是没有,GSEA就是一个。所以,我想能不能把批量相关性分析和GSEA结合起来。

  GSEA需要的gene set是现成的没有问题,但是genelist没有,这里我们可以把所有基因跟单个基因的相关性系数当做LogFC,有正有负,就解决了geneList的问题。这个想法不是我的,是我的一个学员的,不过他要解决的是microRNA把基因的问题。

  下面来实战一下:

  1.首先加载数据

  这个数据是我下载了TPM数据,然后提取出乳腺癌的数据得来的。

load(file = "BRCA_mRNA_exprSet.Rdata")
exprSet <- mRNA_exprSet
test <- exprSet[1:10,1:10]

  2.写一个函数批量计算相关性

  这个函数只要输入一个基因,他就会批量计算这个基因跟其他编码基因的相关性,返回相关性系数和p值。

batch_cor <- function(gene){
  y <- as.numeric(exprSet[gene,])
  rownames <- rownames(exprSet)
  do.call(rbind,future_lapply(rownames, function(x){
    dd  <- cor.test(as.numeric(exprSet[x,]),y,type="spearman")
    data.frame(gene=gene,mRNAs=x,cor=dd$estimate,p.value=dd$p.value )
  }))
}

  3.并行化运行函数

  以PCDC1这个基因为例

library(future.apply)
plan(multiprocess)
system.time(dd <- batch_cor("PDCD1"))

  这是返回的结果

  4.制作genelist gene

gene <- dd$mRNAs
## 转换
library(clusterProfiler)
gene = bitr(gene, fromType="SYMBOL", toType="ENTREZID", OrgDb="org.Hs.eg.db")
## 去重
gene <- dplyr::distinct(gene,SYMBOL,.keep_all=TRUE)

gene_df <- data.frame(logFC=dd$cor,
                      SYMBOL = dd$mRNAs)
gene_df <- merge(gene_df,gene,by="SYMBOL")

## geneList 三部曲
## 1.获取基因logFC
geneList <- gene_df$logFC
## 2.命名
names(geneList) = gene_df$ENTREZID
## 3.排序很重要
geneList = sort(geneList, decreasing = TRUE)

  5.运行GSEA分析

library(clusterProfiler)
## 读入hallmarks gene set,从哪来?
hallmarks <- read.gmt("h.all.v6.2.entrez.gmt")
# 需要网络
y <- GSEA(geneList,TERM2GENE =hallmarks)

  作图看整体分布

### 看整体分布
library(ggplot2)
dotplot(y,showCategory=12,split=".sign")+facet_grid(~.sign)

  本次结果中全是激活的

  6.特定通路作图

yd <- data.frame(y)
library(enrichplot)
gseaplot2(y,"HALLMARK_INTERFERON_ALPHA_RESPONSE",color = "red",pvalue_table = T)

  PCDC1跟阿拉法干扰素正相关,这个事情没什么好说的吧。

分类标签:R语言  单基因批量相关性分析  GSEA  

声明:本文转载仅出于学习和传播信息所需,并不意味着代表本站观点或证实其内容的真实性;其他网站或个人转载使用须保留本站所注“来源”,并自负相关法律责任;如作者不希望被转载或其他事宜,请及时联系我们!