Closed ixxmu closed 2 years ago
Pathview
是一个用于整合表达谱数据并用于可视化KEGG通路的一个R
包,其会先下载KEGG
官网上的通路图,然后整合输入数据对通路图进行再次渲染,从而对KEGG
通路图进行一定程度上的个性化处理,并且丰富其信息展示。(KEGG在线数据库使用攻略)
一种方法是通过Bioconductor安装,需要Bioconductor版本3.9,R的版本3.6 (推荐)。
if (!requireNamespace("BiocManager", quietly=TRUE)) install.packages("BiocManager")
BiocManager::install("pathview")
另一种方法是去网上下载包的压缩包,https://bioconductor.org/packages/release/bioc/html/pathview.html。
下载完压缩包之后,进入Rstudio
,选择Tools
——Install Packages
——Browse
,找到下载压缩包的位置,安装即可。
KEGG (Kyoto Encyclopedia of Genes and Genomes)
是系统分析基因功能、基因组信息的数据库。它有助于研究者把基因及表达信息作为一个整体网络进行研究。KEGG
将基因组信息和基因功能信息有机地结合起来,通过对细胞内已知生物学过程进行计算机化处理和将现有的基因功能解释标准化,对基因的功能进行系统化的分析。KEGG
的另一个用途是将基因组中的一系列基因用一个细胞内的分子相互作用网络连接起来,如一个通路或是一个复合物,通过它们来展现更高一级的生物学功能。
为什么要用KEGG
的代谢通路?KEGG
提供的整合代谢途径(pathway)查询十分出色,包括碳水化合物、核苷、氨基酸等的代谢及有机物的生物降解,不仅提供了所有可能的代谢途径,而且对催化各步反应的酶进行了全面的注解,包含有氨基酸序列、PDB库的链接等等。(没钱买KEGG怎么办?REACTOME开源通路更强大)
KEGG
是进行生物体内代谢分析、代谢网络研究的强有力工具。与其他数据库相比,KEGG
的一个显著特点就是具有强大的图形功能,它利用图形而不是繁缛的文字来介绍众多的代谢途径以及各途径之间的关系。
在KEGG
中有两种代谢图。
参考代谢通路图 reference pathway
,是根据已有的知识绘制的具有一般参考意义的代谢图;这种图上所有小框都是无色的,不会有绿色的小框,并且都可以点击查看更详细的信息;
特定物种的代谢图 species-specific pathway
,会用绿色来标出这个物种所有的基因或酶,只有这些绿色的框点击以后才会给出更详细的信息。
这两种图很好区分,reference pathway
在KEGG中的名字是以map
开头的,比如map00010
,就是糖酵解途径的参考图;而特定物种的代谢通路图开头三个字符不是map
而是种属英文单词的缩写(一个属的首字母+2个种的首字母)比如酵母的糖酵解通路图,就是sce00010
,大肠杆菌的糖酵解通路图就应该是eco00010
吧。
对差异基因进行pathway
分析 (代谢通路),就是把基因表达变化映射到具体的代谢网络中,可以研究某个实验条件下显著改变的代谢通路,在机制研究中显得尤为重要。
研究pathway
的原因是:生物学问题中设定一个“蝴蝶效应”假设,1个Pathway
上游基因的改变,会导致下游相关基因改变,从而改变通路中大量基因的表达。
Pathview
主要用于可视化pathway
图上的数据。pathview
可以生成KEGG视图
和Graphviz视图
,前者将用户数据呈现在原生KEGG pathway
图上,更自然,更易于阅读。后者使用Graphviz
引擎对pathway
图进行布局,可以更好地控制节点或边缘属性和pathway
拓扑。
首先我们在R
里面调用该包,使用该包自带的数据集。这是一个乳腺癌数据集,可以查看下演示数据是什么格式的。
列名是每个样本名,行名是每个基因的entrez id。自己准备的数据要符合这个格式,因为entrez id
是行名字,而entrez id
都是数字,读取需设置check.names=F
。其它类型的ID
也支持,需要做一些参数设置或转换,具体文后有介绍。
library(pathview)
data(gse16873.d)
head(gse16873.d)
# 读取自己的文件可以使用类似下面的命令
# gse16873.d <- read.table("filename", sep="\t", row.names=1, check.names=F, header=T)
先看下Pathview
最常见的一种用法:将某个样本的表达量(读入的数据需要是归一化后的表达量);其实也可以任何列数据,不仅仅是表达量数据,也可以是fold change
, p-value
, 组蛋白修饰数据等,人为指定的数值型数据也行 (关键是要懂需要展示什么数据、说明什么问题,原理最重要,就像GSEA基因集富集分析也是一样);最后以color bar
的形式在KEGG
通路图上的对应节点 (一定注意节点名字的匹配)展示;
如下例子所示,我们通过指定gene.data
和pathway.id
来观察单个样本在典型信号通路细胞周期
上的表达变化。该基因芯片是在人体组织上进行的,因此species=“hsa”
。
p <- pathview(gene.data = gse16873.d[, 1], pathway.id = "04110", species = "hsa",
out.suffix = "gse16873", kegg.native = T)
如何获取自己关注的通路的ID呢? 如下动图,可以得到Cell cyle
的ID04110
。
该例子中的图只有一个单层,在原始图层修改节点颜色,保留原始KEGG
节点标签 (节点名)。这样输出的文件大小与原始的KEGG PNG
文件一样小,但是计算时间相对较长。如果我们想要一个快速的视图,并且不介意将输出文件大小,我们可以通过same.layer = F
使用两层图。通过这种方式,节点颜色和标签被添加到原始KEGG
的额外图层上。原来的KEGG
基因标签(或EC编号)被替换为官方基因符号。
p <- pathview(gene.data = gse16873.d[, 1], pathway.id = "04110", species = "hsa",
out.suffix = "gse16873.2layer", kegg.native = T, same.layer = F)
上面的两个例子中,我们查看了KEGG pathway
图的数据,在KEGG
图上我们可以得到所有注释和meta-data
,因此数据更具可读性和解释性。然而输出的是PNG格式的栅格图像。我们也可以使用Graphviz engine
重新绘制pathway
图来查看数据,这样我们对节点和边缘属性能有更多的控制,更重要的是可以保存为PDF格式的矢量图像。
p <- pathview(gene.data = gse16873.d[, 1], pathway.id = "04110", species = "hsa",
out.suffix = "gse16873", kegg.native = F, sign.pos="bottomleft")
该图的主图和图例都在一个图层或者说一个页面中,我们只列出KEGG边的类型
,忽略图例中的节点类型
,以节省空间。如果我们想要完整的图例,我们可以使用两个层来创建Graphviz
视图: 第1页是主图,第2页是图例。
注意,对于Graphviz
视图 (PDF文件),“层”的概念与KEGG
视图 (PNG文件)略有不同。在这两种情况下,我们都为两层图设置参数same.layer=F
。
p <- pathview(gene.data = gse16873.d[, 1], pathway.id = "04110", species = "hsa",
out.suffix = "gse16873.2layer", kegg.native = F, sign.pos="bottomleft", same.layer = F)
在Graphviz
视图中,我们对图形布局有更多的控制,比如可以将节点组拆分为独立的节点,甚至可以将多基因节点扩展为单个基因。分裂的节点或扩展的基因可能从未分裂的组或未扩展的节点继承边。这样我们就可以得到一个基因/蛋白-基因/蛋白相互作用网络。
可以更好地查看网络特性(模块化等)和基因方面(而不是节点方面)的数据。注意在KEGG
视图中,一个基因节点可能代表多个功能相似或重复的基因/蛋白。成员基因的数量从1到几十不等。
为了更好的清晰度和可读性,一般将它们作为路径图上的单个节点放在一起。因此,默认情况下,我们不分割节点并单独标记每个成员基因。但是,我们可以通过总结基因数据来可视化节点数据,用户可以使用node.sum
参数指定摘要方法。
p <- pathview(gene.data = gse16873.d[, 1], pathway.id = "04110", species = "hsa",
out.suffix = "gse16873.split", kegg.native = F, sign.pos="bottomleft",
split.group = T)
下面的图更复杂了,对简单通路适用,复杂通路就头秃了!!
p <- pathview(gene.data = gse16873.d[, 1], pathway.id = "04110", species = "hsa",
out.suffix = "gse16873.split.expanded", kegg.native = F, sign.pos="bottomleft",
split.group = T, expand.node = T)
Pathview
为数据集成提供了强大的支持。它可以用来整合、分析和可视化各种各样的生物数据:基因表达、遗传关联、代谢产物、基因组数据、文献和其他可映射到通路的数据类型。当数据映射到KEGG ortholog pathways
时,它可以直接用于宏基因组、微生物组或未知物种的数据。
在上面的例子中,我们查看了具有典型的信号通路的基因数据。有时候我们也想研究代谢通路。除了基因节点外,这些通路还有复合节点。因此,我们可以将基因数据和化合物数据与代谢途径进行整合或可视化。这里的基因数据是一个广泛的概念,包括基因、转录本、蛋白质、酶及其表达、修饰和任何可测量的属性。化合物数据也是如此,包括代谢物、药物、它们的测量值和属性。这里我们仍然使用乳腺癌微阵列数据集作为基因数据。然后生成模拟的化合物或代谢组数据,并加载适当的化合物ID类型(具有足够数量的惟一条目)进行演示。
sim.cpd.data=sim.mol.data(mol.type="cpd", nmol=3000)
data(cpd.simtypes)
head(sim.cpd.data)
我们查看该数据部分内容如下:
C00232 C01881 C02424 C07418 C13756 C07378
-1.09759772 0.12891537 2.07851027 0.93299245 -0.00786048 -0.09023300
我们生成了一个包含基因数据和化合物数据的KEGG
视图。pathview
生成的代谢通路图与原始KEGG
图相同,只是为了更好地查看颜色,将复合节点放大。
p <- pathview(gene.data = gse16873.d[, 1], cpd.data = sim.cpd.data,
pathway.id ="00640", species = "hsa", out.suffix = "gse16873.cpd",
keys.align = "y", kegg.native = T, key.pos = "topright")
我们还生成了相同pathway
和数据的Graphviz
视图。Graphviz
视图更好地显示了层次结构。对于代谢通路,解析xml文件中的反应条目,并将其转换为基因和复合节点之间的关系。对复合节点使用省略号。标签是从CHEMBL
数据库中检索到的标准化合物名称 (KEGG在pathway数据库文件中没有提供它)。化学名称是长字符串,我们需要对它们进行换行,以使其符合图上指定的宽度。
p <- pathview(gene.data = gse16873.d[, 1], cpd.data = sim.cpd.data, pathway.id ="00640",
species = "hsa", out.suffix = "gse16873.cpd", keys.align = "y", kegg.native = F,
key.pos = "bottomright", sign.pos ="topright", cpd.lab.offset =-0.8)
在前面的所有示例中,我们查看了单个样本数据,这些数据要么是向量,要么是单列矩阵。Pathview
还可以处理多个样本数据,用于为每个样本生成图形。从1.1.6版开始,Pathview
就可以整合并绘制多状态或样本到一个图中。
set.seed(10)
sim.cpd.data2 = matrix(sample(sim.cpd.data, 18000, replace = T), ncol = 6)
rownames(sim.cpd.data2) = names(sim.cpd.data)
colnames(sim.cpd.data2) = paste("exp", 1:6, sep = "")
head(sim.cpd.data2, 3)
在下面的例子中,gene.data
有三个样本,而cpd.data
有两个。我们可以把所有这些样品放在一张图里,绘制KEGG
视图或Graphviz
视图。在这些图中,我们看到基因节点和化合物节点被分割成多个对应于不同状态或样本的片段 (注意颜色块,之前是一个节点一个颜色,现在一个节点是有多个颜色,每个对应一个样本,基因有3个,化合物有2个,注意下面代码中的1:3
和1:2
)。如果两种数据类型中的样本实际配对,需要选择匹配数据,即gene.data
和cpd.data
的第一列来自同一个实验/样本,等等。
# KEGG view
p <- pathview(gene.data = gse16873.d[, 1:3], cpd.data = sim.cpd.data2[, 1:2],
pathway.id = "00640", species = "hsa", out.suffix = "gse16873.cpd.3-2s",
keys.align = "y", kegg.native = T, match.data = F, multi.state = T,
same.layer = T)
查看下绘图的数据
head(p$plot.data.cpd)
基因表达和化合物都展示前3个样品,一一对应。
#KEGG view with data match
p <- pathview(gene.data = gse16873.d[, 1:3], cpd.data = sim.cpd.data2[, 1:2],
pathway.id = "00640", species = "hsa", out.suffix = "gse16873.cpd.3-2s.match",
keys.align = "y", kegg.native = T, match.data = T, multi.state = T, same.layer = T)
同样,也可以使用graphviz view
。
#graphviz view
p <- pathview(gene.data = gse16873.d[, 1:3], cpd.data = sim.cpd.data2[, 1:2],
pathway.id ="00640", species = "hsa", out.suffix = "gse16873.cpd.3-2s",
keys.align = "y", kegg.native = F, match.data = F, multi.state = T,
same.layer = T, key.pos = "bottomright", sign.pos = "topright")
同样,我们可以选择分别绘制样本,即每个图形一个样本。请注意,在这种情况下,必须匹配gene.data
和cpd.data
中的样本,以便将其分配给同一图表。因此,参数match.data
在这里并不是很有效。(图3就没有化合物的映射了)
#plot samples/states separately
p <- pathview(gene.data = gse16873.d[, 1:3], cpd.data = sim.cpd.data2[, 1:2],
pathway.id = "00640", species = "hsa", out.suffix = "gse16873.cpd.3-2s",
keys.align = "y", kegg.native = T, match.data = F, multi.state = F, same.layer = T)
如上所述,同一层上的KEGG
视图可能需要一些时间。同样,如果我们不介意丢失原始的KEGG
基因标签(或EC编号),我们可以选择使用两层的KEGG
视图来加快这个过程。
p <- pathview(gene.data = gse16873.d[, 1:3], cpd.data = sim.cpd.data2[, 1:2],
pathway.id = "00640", species = "hsa", out.suffix = "gse16873.cpd.3-2s.2layer",
keys.align = "y", kegg.native = T, match.data = F, multi.state = T, same.layer = F)
到目前为止,我们一直在处理连续数据。但我们也经常处理离散数据。例如,我们根据一些统计数据(p值、折叠变化等)选择显著基因或化合物列表。输入数据可以命名为两个层次的向量,1或0(显着或不显着),也可以是一个更短的显着基因/化合物名称列表。在接下来的两个例子中,我们只使gene.data
和cpd.data
或gene.data
离散。
require(org.Hs.eg.db)
gse16873.t <- apply(gse16873.d, 1, function(x) t.test(x, alternative = "two.sided")$p.value)
sel.genes <- names(gse16873.t)[gse16873.t < 0.1]
sel.cpds <- names(sim.cpd.data)[abs(sim.cpd.data) > 0.5]
我们分别查看下sel.genes
和sel.cpds
的数据结构:
选择高亮的基因
head(sel.genes)
[1] "10000" "10003"
[3] "10007" "100128414"
[5] "100129271" "100129762"
选择高亮的化合物
head(sel.cpds)
[1] "C00232" "C02424" "C07418"
[4] "C06633" "C00251" "C01059"
p <- pathview(gene.data = sel.genes, cpd.data = sel.cpds, pathway.id ="00640",
species = "hsa", out.suffix = "sel.genes.sel.cpd", keys.align = "y", kegg.native = T,
key.pos = "topright", limit = list(gene = 1, cpd = 1), bins = list(gene = 1, cpd = 1),
na.col = "gray", discrete = list(gene = T, cpd = T))
p <- pathview(gene.data = sel.genes, cpd.data = sim.cpd.data, pathway.id = "00640",
species = "hsa", out.suffix = "sel.genes.cpd", keys.align = "y", kegg.native = T,
key.pos = "topright", limit = list(gene = 1, cpd = 1), bins = list(gene = 1, cpd = 10),
na.col = "gray", discrete = list(gene = T, cpd = F))
pathview
的一个显著特点是它强大的ID映射能力。集成的Mapper
模块将10多种基因或蛋白ID、20多种化合物或代谢物ID映射到标准KEGG
基因或化合物ID。换句话说,使用这些不同ID类型命名的用户数据可以精确地映射到目标KEGG
路径。Pathview
适用于大约4800个物种的路径,物种可以以多种格式指定:KEGG代码
、科学名称
或常用名称
。
cpd.cas <- sim.mol.data(mol.type = "cpd", id.type = cpd.simtypes[2], nmol = 10000)
gene.ensprot <- sim.mol.data(mol.type = "gene", id.type = gene.idtype.list[4], nmol = 50000)
同样查看cpd.simtypes
、cpd.cas
和gene.ensport
的数据结构:
head(cpd.simtypes)
[1] "Beilstein Registry Number"
[2] "CAS Registry Number"
[3] "ChEMBL COMPOUND"
[4] "KEGG COMPOUND accession"
[5] "KEGG DRUG accession"
[6] "Patent accession"
head(cpd.cas)
是一个named vactor
,128470-16-6
、465-42-9
、25812-30-0
为化合物名字,下面的数字0.9594129
是含量。(不知道为什么会模拟出负值?可能是归一化(scale
)后的数据。具体见R语言 - 热图美化)。
128470-16-6 465-42-9
0.9594129 0.6882760
25812-30-0 4790-08-3
-1.5775357 1.2579969
95789-30-3 138-14-7
-1.9112655 -0.1616219
head(gene.ensprot)
是一个named vactor
,ENSP00000414006
是基因名字,-0.1609490
基因表达量
ENSP00000414006 ENSP00000403857
-0.1609490 1.5800692
ENSP00000444905 ENSP00000434312
0.2108686 -0.6047296
ENSP00000493916 ENSP00000338796
-0.9955757 0.5357721
注意参数中的gene.idtype
和cpd.idtype
,用来指定基因和化合物的ID类型。
p <- pathview(gene.data = gene.ensprot, cpd.data = cpd.cas, gene.idtype = gene.idtype.list[4],
cpd.idtype = cpd.simtypes[2], pathway.id = "00640", species = "hsa", same.layer = T,
out.suffix = "gene.ensprot.cpd.cas", keys.align = "y", kegg.native = T,
key.pos ="bottomright", sign.pos = "topright", limit = list(gene = 3, cpd = 3),
bins = list(gene = 6, cpd = 6))
对于不在自动映射列表中的外部ID,我们可以使用mol.sum
函数 (也是Mapper模块的一部分)显式地进行ID和数据映射。这里我们需要提供id.map
(外部ID和KEGG标准ID之间的映射矩阵)。我们使用ID映射函数id2eg
和cpdidmap
等来得到id.map
矩阵。注意,这些ID映射函数可以独立于pathview 主函数使用。
id.map.cas <- cpdidmap(in.ids = names(cpd.cas), in.type = cpd.simtypes[2],
out.type = "KEGG COMPOUND accession")
cpd.kc <- mol.sum(mol.data = cpd.cas, id.map = id.map.cas)
id.map.ensprot <- id2eg(ids = names(gene.ensprot), category = gene.idtype.list[4], org = "Hs")
gene.entrez <- mol.sum(mol.data = gene.ensprot, id.map = id.map.ensprot)
p <- pathview(gene.data = gene.entrez, cpd.data = cpd.kc, pathway.id = "00640",
species = "hsa", same.layer = T, out.suffix = "gene.entrez.cpd.kc", keys.align = "y",
kegg.native = T, key.pos ="bottomright", sign.pos = "topright",
limit = list(gene = 3, cpd = 3), bins = list(gene = 6, cpd = 6))
当对KEGG
处理时,物种是一个棘手但重要的问题。KEGG
拥有自己的物种专用命名法和数据库,其中包括大约4800个基因组完整的生物体。换句话说,这些生物体的基因数据都可以通过pathview
进行映射、可视化和分析。这种全面的物种覆盖是pathview数据集成能力的一个突出特点。然而,KEGG
并不以同样的方式对待所有这些生物体/基因组。KEGG
使用NCBI GeneID(或Entrez基因)作为最常见的模型动物的默认ID,包括人类、小鼠、大鼠等,以及一些作物,如大豆、葡萄和玉米。另一方面,KEGG
对所有其他生物体使用 Locus 标记和其他id,包括动物、植物、真菌、原生生物以及细菌和古生菌。
Pathview带有一个数据矩阵korg
,其中包括支持的KEGG物种数据和默认基因ID的完整列表。让我们探索korg
数据矩阵,以便对KEGG
物种及其Gene ID
的使用有所了解。
data(korg)
head(korg)
ktax.id tax.id kegg.code scientific.name common.name entrez.gnodes kegg.geneid
[1,] "T01001" "9606" "hsa" "Homo sapiens" "human" "1" "374659"
[2,] "T01005" "9598" "ptr" "Pan troglodytes" "chimpanzee" "1" "474020"
[3,] "T02283" "9597" "pps" "Pan paniscus" "bonobo" "1" "100989900"
[4,] "T02442" "9595" "ggo" "Gorilla gorilla gorilla" "western lowland gorilla" "1" "101125212"
[5,] "T01416" "9601" "pon" "Pongo abelii" "Sumatran orangutan" "1" "100172878"
[6,] "T03265" "61853" "nle" "Nomascus leucogenys" "northern white-cheeked gibbon" "1" "105739221"
ncbi.geneid ncbi.proteinid uniprot
[1,] "374659" "NP_001273380" "Q8N4P3"
[2,] "474020" "XP_001140087" "Q1XHV8"
[3,] "100989900" "XP_003811308" NA
[4,] "101125212" "XP_018886437" "G3QNH0"
[5,] "100172878" "NP_001125944" "Q5R9G0"
[6,] "105739221" "XP_012359712" "G1RK33"
#number of species which use Entrez Gene as the default ID
sum(korg[,"entrez.gnodes"]=="1",na.rm=T) #204
#number of species which use other ID types or none as the default ID
sum(korg[,"entrez.gnodes"]=="0",na.rm=T) #5041
#new from 2017: most species which do not have Entrez Gene annotation any more
na.idx=is.na(korg[,"ncbi.geneid"])
sum(na.idx) #4674
从上面的korg
的探索中,我们看到4800个KEGG
物种中,只有少数没有NCBI(Entrez)基因ID或基因ID(注释)其中的一个。几乎所有物种都具有默认的KEGG
基因ID(通常是Locus标签)和Entrez Gene ID注释。因此,pathview接受所有这些物种的gene.idtype =“kegg”或“Entrez”
(不区分大小写)。用户需要确保正确的gene.idtype
是特定的,因为除了35种常见物种外,KEGG
和Entrez
基因ID不同。对于19种,Bioconductor提供基因注释包。用户可以自由地输入gene.data
和其他gene.idtype
。有关这些Bioconductor注释物种和额外基因ID类型的列表允许:
data(bods)
bods
package species kegg code id.type
[1,] "org.Ag.eg.db" "Anopheles" "aga" "eg"
[2,] "org.At.tair.db" "Arabidopsis" "ath" "tair"
[3,] "org.Bt.eg.db" "Bovine" "bta" "eg"
[4,] "org.Ce.eg.db" "Worm" "cel" "eg"
[5,] "org.Cf.eg.db" "Canine" "cfa" "eg"
[6,] "org.Dm.eg.db" "Fly" "dme" "eg"
[7,] "org.Dr.eg.db" "Zebrafish" "dre" "eg"
[8,] "org.EcK12.eg.db" "E coli strain K12" "eco" "eg"
[9,] "org.EcSakai.eg.db" "E coli strain Sakai" "ecs" "eg"
[10,] "org.Gg.eg.db" "Chicken" "gga" "eg"
[11,] "org.Hs.eg.db" "Human" "hsa" "eg"
[12,] "org.Mm.eg.db" "Mouse" "mmu" "eg"
[13,] "org.Mmu.eg.db" "Rhesus" "mcc" "eg"
[14,] "org.Pf.plasmo.db" "Malaria" "pfa" "orf"
[15,] "org.Pt.eg.db" "Chimp" "ptr" "eg"
[16,] "org.Rn.eg.db" "Rat" "rno" "eg"
[17,] "org.Sc.sgd.db" "Yeast" "sce" "orf"
[18,] "org.Ss.eg.db" "Pig" "ssc" "eg"
[19,] "org.Xl.eg.db" "Xenopus" "xla" "eg"
data(gene.idtype.list)
gene.idtype.list
"SYMBOL" "GENENAME" "ENSEMBL" "ENSEMBLPROT" "UNIGENE" "UNIPROT" "ACCNUM" "ENSEMBLTRANS" "REFSEQ" "ENZYME" "TAIR" "PROSITE" "ORF"
所有先前的例子用了人类数据,其中Entrez Gene
是KEGG
的默认基因ID。Pathview
现在(从版本1.1.5开始)显式处理使用Locus标签或其他基因ID作为KEGG
默认ID的物种。以下是大肠杆菌菌株K12数据的几个例子。首先,我们使用大肠杆菌K12的默认KEGG ID
(基因座标签)处理基因数据。
eco.dat.kegg <- sim.mol.data(mol.type="gene",id.type="kegg",species="eco",nmol=3000)
head(eco.dat.kegg)
查看部分eco.dat.kegg
数据:
b3649 b0486 b3312 b3566 b3945 b2936
0.3116743 0.9873035 -1.5734323 1.8890136 0.2399454 0.4556519
p <- pathview(gene.data = eco.dat.kegg, gene.idtype="kegg", pathway.id = "00640",
species = "eco", out.suffix = "eco.kegg", kegg.native = T, same.layer=T)
我们也可以用与人类相同的方法对大肠杆菌K12的Entrez Gene ID
进行基因数据处理。
eco.dat.entrez <- sim.mol.data(mol.type="gene",id.type="entrez",species="eco",nmol=3000)
head(eco.dat.entrez)
查看部分eco.dat.entrez
数据:
948629 945263 948265 948536 948973 947881
-0.2516281 0.3116743 0.9873035 -1.5734323 1.8890136 0.2399454
p <- pathview(gene.data = eco.dat.entrez, gene.idtype="entrez", pathway.id = "00640",
species = "eco", out.suffix = "eco.entrez", kegg.native = T, same.layer=T)
基于上述bods数据,大肠杆菌K12在Bioconductor中有注释。因此,我们可以进一步研究其基因数据与其他ID类型,例如,官方基因符号。在调用pathview
时,首先需要将这些数据映射到Entrez Gene ID
(如果还没有),然后再映射到默认的KEGG ID
(Locus标签)。因此,它比上一个例子花费更长的时间。
egid.eco=eg2id(names(eco.dat.entrez), category="symbol", pkg="org.EcK12.eg.db")
eco.dat.symbol <- eco.dat.entrez
names(eco.dat.symbol) <- egid.eco[,2]
head(eco.dat.kegg)
p <- pathview(gene.data = eco.dat.symbol, gene.idtype="symbol", pathway.id = "00640", species = "eco", out.suffix = "eco.symbol.2layer", kegg.native = T, same.layer=F)
重要的是,当数据被映射到KEGG ortholog pathways
时,pathview
可以直接用于宏基因组或微生物组数据。来自KEGG
中未注释和未包含的任何新物种(非KEGG物种)的数据也可以通过pathview
用同样的方法映射到KEGG ortholog pathways
中进行分析和可视化。在下一个例子中,我们首先模拟映射的KEGG ortholog
基因数据。然后将数据作为gene.data
输入,其中species =“ko”
。
ko.data=sim.mol.data(mol.type="gene.ko", nmol=5000)
head(ko.data)
查看一下ko.data
数据
K01859 K15874 K04035 K16205 K16093 K09447
-0.5198690 0.5832773 -1.3411454 0.5746940 0.2157879 -1.1339828
p <- pathview(gene.data = ko.data, pathway.id = "04112", species = "ko", out.suffix = "ko.data", kegg.native = T)
https://academic.oup.com/nar/article/45/W1/W501/3804420
https://bioconductor.org/packages/release/bioc/html/pathview.html
随机森林randomForest 分类Classification 回归Regression
后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集
r全套资料 很多朋友之所以学习R语言其实就是为了重复一些简单的数据库挖掘文章,所以我也顺便录制了GEO数据库挖掘课程,代码在:https://github.com/jmzeng1314/geo,如果你网络很差,就下载打包版本的geo代码,https://share.weiyun.com/5vrfsqv
授课配套思维导图是,https://share.mubu.com/doc/19S0XYlVcg 配套教学视频在B站:https://www.bilibili.com/video/av26731585/ 还有一个公共数据库挖掘:https://www.bilibili.com/video/av37568990
如果是需要安装R包,请务必参考:http://www.bio-info-trainee.com/3727.html 代码 专门为R语言建立了 GitHub 仓库存放相关学习路线指导资料:https://github.com/jmzeng1314/R_bilibili
pathview 全套
https://mp.weixin.qq.com/s/5YUaUFc72Q2aiZVw8vX_Zw