MSigDB_cluster.jpg

Q&A | 如何使用clusterProfiler对MSigDB数据库进行富集分析

[TOC]

Question

有朋友在后台提问：在使用clusterProfiler做富集分析时，想用MSigDB里的数据库进行注释，而不是常规的GO和KEGG，需要怎么操作。其实这个问题在clusterProfiler包的使用文档(Chapter 12 Universal enrichment analysis | Biomedical Knowledge Mining using GOSemSim and clusterProfiler (yulab-smu.top)里已经写的很清楚了，这里我就简单的翻译一下。

22

MSigDB

The Molecular Signatures Database (MSigDB) 一个用于GSEA软件的注释基因集的集合。MSigDB基因集分为9个主要集合:

• H: hallmark gene sets(browse 50 gene sets)

该基因集概括和代表了特定的定义良好的生物状态或过程，并显示一致的表达。这些基因集是通过一种计算方法生成的，该方法基于识别其他MSigDB集合中基因集之间的重叠，并保留显示协调表达的基因。

image-20211128211938966

• C1: positional gene sets(browse 278 gene sets)

该类别包含人类每条染色体上的不同cytoband区域对应的基因集合。根据不同染色体编号进行二级分类。

image-20211128213020942

• C2: curated gene sets(browse 6290 gene sets)

共识基因集合，基于通路、文献等：这部分包括我们熟悉的KEGG信号通路等 。

image-20211128213310663

• C3: regulatory target gene sets(browse 3731 gene sets)

该类别包含了miRNA靶基因和转录因子结合区域等基因集合。

image-20211128213511704

• C4: computational gene sets(browse 858 gene sets)

该类别包含计算机软件预测出来的基因集合，主要是和癌症相关的基因，示意如下

image-20211128213642281

• C5: ontology gene sets(browse 14998 gene sets)

C5基因集分为两个子集，第一个来自于包含BP、CC和MF的Gene Ontology(GO)，第二个来自于人类表型本体(HPO)。

image-20211128214417982

• C6: oncogenic signature gene sets(browse 189 gene sets)

代表细胞通路的基因集合，这些通路在癌症中通常是不受调节的。大多数特征直接来自NCBI GEO的微阵列数据，或者来自内部未发表的涉及已知癌症基因微扰的分析实验。

image-20211128214611062

• C7: immunologic signature gene sets(browse 5219 gene sets)

该类别包含了免疫系统功能相关的基因集合。

image-20211128214756599

• C8: cell type signature gene sets(browse 671 gene sets)

包含人类组织单细胞测序研究中确定的细胞类型的簇标记的基因集。

image-20211128215001610

富集分析

你可以从 Broad Institute 下载 GMT files 然后使用 read.gmt() 读取文件并作为enricher() and GSEA()的参数。

当然。也有一个R包msigdbr，已经将MSigDB基因集打包成整齐的数据格式，可以直接与clusterProfiler一起使用。

我们使用 C6, oncogenic gene sets 为例。

# BiocManager::install("msigdbr")
library(msigdbr)
# 提取C6库
m_t2g <- msigdbr(species = "Homo sapiens", category = "C6") %>% 
  dplyr::select(gs_name, entrez_gene)
head(m_t2g)

> head(m_t2g)
# A tibble: 6 x 2
  gs_name      entrez_gene
  <chr>              <int>
1 AKT_UP.V1_DN       57007
2 AKT_UP.V1_DN       22859
3 AKT_UP.V1_DN       22859
4 AKT_UP.V1_DN      137872
5 AKT_UP.V1_DN         249
6 AKT_UP.V1_DN         271

富集分析

# 导入示例基因
data(geneList, package="DOSE")
head(geneList)
gene <- names(geneList)[abs(geneList) > 2]
head(gene)

em <- enricher(gene, TERM2GENE=m_t2g)
head(em)

> head(em)
                                           ID            Description
RPS14_DN.V1_DN                 RPS14_DN.V1_DN         RPS14_DN.V1_DN
GCNP_SHH_UP_LATE.V1_UP GCNP_SHH_UP_LATE.V1_UP GCNP_SHH_UP_LATE.V1_UP
PRC2_EZH2_UP.V1_DN         PRC2_EZH2_UP.V1_DN     PRC2_EZH2_UP.V1_DN
VEGF_A_UP.V1_DN               VEGF_A_UP.V1_DN        VEGF_A_UP.V1_DN
RB_P107_DN.V1_UP             RB_P107_DN.V1_UP       RB_P107_DN.V1_UP
E2F1_UP.V1_UP                   E2F1_UP.V1_UP          E2F1_UP.V1_UP
                       GeneRatio   BgRatio       pvalue     p.adjust
RPS14_DN.V1_DN            22/183 186/10915 4.716365e-13 7.970657e-11
GCNP_SHH_UP_LATE.V1_UP    16/183 181/10915 5.815455e-08 4.914059e-06
PRC2_EZH2_UP.V1_DN        15/183 192/10915 7.635020e-07 3.446929e-05
VEGF_A_UP.V1_DN           15/183 193/10915 8.158412e-07 3.446929e-05
RB_P107_DN.V1_UP          10/183 130/10915 6.428560e-05 2.024672e-03
E2F1_UP.V1_UP             12/183 188/10915 7.522623e-05 2.024672e-03
                             qvalue
RPS14_DN.V1_DN         6.503619e-11
GCNP_SHH_UP_LATE.V1_UP 4.009603e-06
PRC2_EZH2_UP.V1_DN     2.812505e-05
VEGF_A_UP.V1_DN        2.812505e-05
RB_P107_DN.V1_UP       1.652021e-03
E2F1_UP.V1_UP          1.652021e-03
                                                                                                                                       geneID
RPS14_DN.V1_DN         10874/55388/991/9493/1062/4605/9133/23397/79733/9787/55872/83461/54821/51659/9319/9055/10112/4174/5105/2532/7021/79901
GCNP_SHH_UP_LATE.V1_UP                                      55388/7153/79733/6241/9787/51203/983/9212/1111/9319/9055/3833/6790/4174/3169/1580
PRC2_EZH2_UP.V1_DN                                          8318/55388/4605/23397/9787/55355/10460/6362/81620/2146/7272/9212/11182/3887/24137
VEGF_A_UP.V1_DN                                                   8318/9493/1062/9133/10403/6241/9787/4085/332/3832/7272/891/23362/2167/10234
RB_P107_DN.V1_UP                                                                         8318/23397/79733/6241/4085/8208/9055/24137/4174/1307
E2F1_UP.V1_UP                                                                  55388/7153/23397/79733/9787/2146/2842/9212/8208/1111/9055/3833
                       Count
RPS14_DN.V1_DN            22
GCNP_SHH_UP_LATE.V1_UP    16
PRC2_EZH2_UP.V1_DN        15
VEGF_A_UP.V1_DN           15
RB_P107_DN.V1_UP          10
E2F1_UP.V1_UP             12

dotplot(em)

image-20211128220536033

思考

之前R 实战 | 使用clusterProfiler进行多组基因富集分析我们讲过如何使用clusterProfiler进行多组基因富集分析，但是compareCluster的fun参数只有groupGO, enrichGO, enrichKEGG, enrichMKEGG, enrichWP ,enricher ,enrichPathway, enrichDO, enrichNCG, enrichDGN , enrichMeSH.如何使用compareCluster对MSigDB数据库进行多组富集分析呢？大家可以思考一下。

参考

📖 Introduction | Biomedical Knowledge Mining using GOSemSim and clusterProfiler (yulab-smu.top)

往期

1. 跟着Nature学作图 | 配对哑铃图+分组拟合曲线+分类变量热图
2. (免费教程+代码领取)|跟着Cell学作图系列合集
3. 跟着Nat Commun学作图 | 1.批量箱线图+散点+差异分析
4. 跟着Nat Commun学作图 | 2.时间线图
5. 跟着Nat Commun学作图 | 3.物种丰度堆积柱状图
6. 跟着Nat Commun学作图 | 4.配对箱线图+差异分析