推荐公众号奥智生物，分享前沿组学技术、实用生信技能、数据挖掘思路
做完差异表达分析之后，会得到一份差异基因列表，接下来通常还要回答两个问题：这些基因富集在哪些生物学功能上？又参与了哪些信号通路？这就需要做 GO 和 KEGG 富集分析！
下面就以一份具体的数据为例，看下如何用 WorkBuddy 自动完成 GO、KEGG 富集分析吧！
做富集分析，第一步是准备好目的基因列表。如下图，表格的第1列是基因名（GENE_SYMBOL），后面 8 列是 8 个样本的表达量，最后三列分别是 P Value、log2FC 和 平均表达量。当然，这里只需表格的第 1 列就可以了，共 84 个目的基因。
然后在 WorkBuddy 中新建任务，把数据文件放进工作文件夹，选择好工作空间后，提交分析需求指令即可，如下。
文件 OS_diffgenes.csv 的第1列为目的基因列表，研究物种为人，使用 R 包 clusterProfiler 对附件文件进行GO、KEGG富集分析，给出分析报告并将分析结果以csv表格导出；使用KEGG富集分析结果进行条形图和气泡图的绘制，使用aPEAR包对GO、KEGG分析结果分别进行富集网络图绘制，给出R代码
提交后，WorkBuddy 会先检查本机的 R 环境和相关 R 包是否就绪，随后编写一个完整的 R 脚本并实际跑出结果。任务完成后，WorkBuddy 会先给出核心结果总览，如下图。
除了结果解读，WorkBuddy 还给出了完整的交付文件说明。本次任务主要交付了一份 HTML 图文分析报告和 一个完整可复现的 R 脚本。
此外，打开当前工作文件夹，可以看到全部结果文件。figures 文件夹里是 5 组结果图：KEGG 条形图、KEGG 气泡图、GO 条形图、GO 和 KEGG 富集网络图，每组都有 PNG 和 PDF 两种格式，如下图。
而 tables 文件夹里则是 10 个分析结果表格，包括基因 ID 映射表、GO 全量/分本体/显著结果、KEGG 全量与显著结果，以及 aPEAR 的 GO/KEGG 模块归属表，方便直接用于二次分析作图。
直接双击 GO_KEGG_富集分析报告.html 文件，可以直接用浏览器打开分析报告，如下图，报告开头是研究概况和数据与方法，84 个目的基因全部映射成功。
报告正文给出了完整的分析结果。GO 富集方面，生物学过程（BP）Top 8 几乎被氧化应激相关条目包揽，如 response to oxidative stress、cellular response to chemical stress、response to hydrogen peroxide 等；细胞组分（CC）Top 5则富集到 neuronal cell body、glial cell projection、euchromatin 等。
而 KEGG 通路富集方面，共检验 220 条人类通路、显著 56 条。显著富集通路包括AGE-RAGE signaling pathway in diabetic complications、Apoptosis、C-type lectin receptor signaling pathway 等，报告页面还给出了 KEGG 富集条形图和气泡图。
另外，富集结果中，大量条目共享同一批基因，aPEAR 通过计算条目间的基因重叠相似度构建网络，并进行层次聚类，把功能相近的条目收拢为模块：GO 富集分析得到7个功能模块，KEGG 富集分析得到 4 个功能模块，如下图。
报告的第 4 部分给出了生物学意义解读。核心结论是，这批目的基因的功能高度集中在 “氧化应激应答-内源性凋亡-炎症（NF-κB/TNF/IL-17）”这一条主线上，并伴随线粒体自噬与糖脂代谢通路的协同变化。
最后，如果还想自己动手进行数据分析，可以直接用 RStudio 运行交付的 R 脚本，即可复现整个分析流程。下图是绘制 KEGG 富集条形图部分的代码，以及绘图效果。
好啦，本次使用 WorkBuddy 自动完成 GO、KEGG 富集分析的教程就分享到这里啦！从提交一份差异基因列表，到拿到分析报告、富集分析结果图表和 R脚本，轻松搞定！另外，WorkBuddy 中也有专门的 GO KEGG 富集分析技能，大家感兴趣大家也可以试一试！
*未经许可，不得以任何方式复制或抄袭本篇文章之部分或全部内容。版权所有，侵权必究。
#相关性热图#科研绘图#OmicShare云工具#工具推荐
SCIPainter