Clusterprofile多分组富集分析及可视化

❝

1、《KS科研分享与服务》公众号有QQ交流群，但是进入门槛是20元，请考虑清楚。群里有推文的注释代码和示例数据，付费内容半价，还可以与大家交流。

2、单细胞转录组全流程代码需收费，收费代码包含公众号付费内容，也有很多新增加的内容。需进群或者需单细胞代码的小伙伴请添加作者微信了解，请备注目的，除此之外请勿添加，谢谢！

3、付费文章集合有打包价哦！

详情请联系作者：

❞

一般富集分析都是单个组基因集，但是当有多个数据集的时候，一个一个分析比较麻烦，clusterprofile包可以实现多组分析，这里演示一下。我们使用单细胞数据构建一个例子。

setwd("D:/KS项目/公众号文章/多组富集分析")library(Seurat)library(SeuratData)
#找一个单细胞数据集# data("pbmc3k")# PBMC <- pbmc3k.final# PBMC = UpdateSeuratObject(object = PBMC)#找一下各组的差异基因,构建一下数据# DefaultAssay(PBMC) <- "RNA"# df  <- FindAllMarkers(PBMC, only.pos = TRUE,#                       min.pct = 0.25, #                       logfc.threshold = 0.75)# df_sig  <- df[df$p_val_adj < 0.05, ]# write.csv(df_sig, file = "df_sig.csv")

这里利用单细胞构建了一个数据，其他数据构建成如此即可！

library(clusterProfiler)library(ggplot2)df_sig <- read.csv("df.csv", header = T)

构建分组，转化genesymbol-gene ID。

group <- data.frame(gene=df_sig$gene,                    group=df_sig$cluster)
Gene_ID <- bitr(df_sig$gene, fromType="SYMBOL",             toType="ENTREZID",             OrgDb="org.Hs.eg.db")
#构建文件并分析data  <- merge(Gene_ID,group,by.x='SYMBOL',by.y='gene')

富集分析，去除冗杂terms！

data_GO <- compareCluster(  ENTREZID~group,   data=data,   fun="enrichGO",   OrgDb="org.Hs.eg.db",  ont = "BP",  pAdjustMethod = "BH",  pvalueCutoff = 0.05,  qvalueCutoff = 0.05)
data_GO_sim <- simplify(data_GO,                         cutoff=0.7,                         by="p.adjust",                         select_fun=min)

dotplot(data_GO_sim, showCategory=5,font.size = 8)data_GO_sim_fil <- data_GO_sim@compareClusterResult

clusterprofile中自带可视化函数---dotplot，这里我们选择可视化5个term，当然了，默认的图可能不太好修改，我们可以导出数据，在ggplot2中可视化！

每组中挑选需要可视化的terms进行可视化；

df_GO <- read.csv("df_GO.csv", header = T)library(forcats)df_GO$Description <- as.factor(df_GO$Description)df_GO$Description <- fct_inorder(df_GO$Description)
ggplot(df_GO, aes(Cluster, Description)) +  geom_point(aes(fill=p.adjust, size=Count), shape=21)+  theme_bw()+  theme(axis.text.x=element_text(angle=90,hjust = 1,vjust=0.5),        axis.text = element_text(color = 'black', size = 10))+  scale_fill_gradient(low="purple",high="yellow")+  labs(x=NULL,y=NULL)+  coord_flip()