科研代码分享|GOSim:基因集富集分析R包

科研有捷径，输入代码，一键获取科研成果！就是这么省事，来具体看下有多方便！

搜索http://985.so/a9kb查看全部代码（目前共计50+持续新增中），也可以点击右侧【目录】，可以看到更多有趣的代码

真香提示：文末可以知道如何获取代码~ 

在生物信息学中，我们经常用到GO功能富集，GO分析通常可以分为分子功能（MF），生物过程（BP），细胞组分（CC）三个部分。

GO功能富集分析是判断某个具体的GO term是否富集，也就是在这个term上面映射到的基因数量是否得到一个标准，样本的GO功能分析是基于各自样本得到的差异基因来进行的，通过GO功能富集分析可以了解该样本行使的主要生物学功能。

现在有很多方法可以做GO功能富集分析，比如在线工具DAVID，R包GOstats以及接下来我们要介绍的R包GOSim

GOSim这个包应用几个函数来计算GO term和基于GO注释的基因之间的相似性，并且可以计算GO功能富集。

在R中通过Bioconductor就可以获得该包，安装该包可能需要一段时间，因为它涉及到很多其他的R包例如：annotate，topGO，graph，cluster等。用GOSim进行富集分析，其实是调用了topGO包。

source("http://bioconductor.org/biocLite.R")

biocLite("GOSim")

将包安装好后，我们来介绍一下怎样用GOSim做GO功能富集分析，代码如下：

library("GOSim")##安装一系列提醒的包

setOntology("BP")#选择什么组分，可以选择BP，CC或者MF

smgenes<-as.matrix(read.table("E:/geneid.txt",header=F,sep="\t"));#导入我的基因集合

smgenes<-as.character(smgenes[,1])##一列也得这么取，才能转换的是里面的元素

gomap <- get("gomap",env=GOSimEnv);

allgenes <- names(gomap);##背景集合--人类

intergene<-intersect(allgenes,smgenes)##背景基因和兴趣基因做交集

genenrichment<-GOenrichment(intergene,allgenes,cutoff=0.01,method="Elim");##做富集分析
gene_Function<-list(genenrichment[1]);##基因参与哪些生物学功能write.table(gene_Function, "E:/geneid-BP.txt ", append = TRUE, quote = FALSE,row.names = FALSE,col.names = FALSE);##将富集结果导出，存入geneid-BP文件中

以上为做富集分析的程序，标黄部分为富集分析的函数，其中每个参数的意义如下：

intergene：Entrez gene IDs特征向量

allgenes：Entrez gene IDs特征向量

cutoff：GO富集分析显著性阈值，通常取0.01或者0.05

method="Elim"：topGO方法使用

其中，导入的基因集合格式如下图：每一行是一个gene ID

富集结果如下图所示：