非模式动物go和kegg富集分析

字数统计: 1.9k   |   阅读时长≈ 7 分钟

GO 和 KEGG 分析思路，包括模式生物、非模式生物的分析。总体来说，非模式生物还是很难确保能做 GO 和 KEGG 分析，一般必须同时有 OrgDb 数据库以及在 KEGG 官网上存在“三字母缩写”（但是好像哪怕存在“三字母缩写”，也可能其pathway相关信息是空的）。

模式生物和非模式生物的划分

在GO/KEGG富集分析的语境下，“模式生物”和“非模式生物”的划分，核心并不在于生物学上是否“经典”，而在于该物种是否拥有由权威数据库（如NCBI、KEGG、GO Consortium）直接维护的、标准化的、完整的高质量功能注释数据库。

简单来说，这是一个“生物信息学资源”概念，而非纯粹的“生物学分类”概念。

为了让你更清晰，我们可以从GO和KEGG分析的具体操作层面来定义：

具体的划分标准

评判维度 模式生物（生信角度） 非模式生物（生信角度）
GO分析（OrgDb） Bioconductor官方仓库中有预构建好的org.xxx.eg.db包，可直接安装使用。 没有预构建的OrgDb包，需要通过AnnotationHub下载、或自己用AnnotationForge构建。
KEGG分析（通路） KEGG数据库为其分配了专属的三字母物种缩写（如hsa、mmu），且该物种的基因与通路对应关系被详细人工/自动维护。 没有专属缩写，或虽然有缩写但注释极不完整。

弄清楚这个定义，你就能理解为什么之前回复中提到了不同的操作路径：

  • 如果你是“模式生物”：直接一行代码 library(org.Hs.eg.db) 即可，非常省事。
  • 如果你是“非模式生物”：
    • 做GO分析：必须走AnnotationHub远程下载，或者自建数据库的路线。
    • 做KEGG分析：没有官方的“三字母缩写”就没法做（除非自己从头创建数据库）。

有“org包”和“三字母缩写”的就是生信意义上的模式生物；缺任何一个，实际操作时就要按非模式生物的“绕路”方法来处理。

模式生物分析

具体教程见参考文献1的网址，这里已经说得很详细了，我就不赘述了。

这里给出2个官方网址，列出了可以分析的物种

  • Bioconductor 中所有可用的GO数据库R包（OrgDb 数据库）：http://bioconductor.org/packages/release/BiocViews.html#___OrgDb

    这个数据库的作用是 2 个：

    1. 基因编号对应和转换：这是OrgDb最基础的功能。它可以将基因的中心标识符（通常是Entrez Gene ID，纯数字，不同物种编号不同）与多种其他常用的标识符关联起来。例如：

      • 基因符号 (Gene Symbol)，如 TP53

      • Ensembl ID

      • RefSeq ID

      • UCSC ID

    2. GO分析注释信息

  • 所有kegg可用的物种简称：https://www.genome.jp/kegg/catalog/org_list.html

    从这个网页中获取物种缩写（如'hsa'），默认通过这个参数去在线获取 KEGG 的注释信息

注意：kegg 分析虽然看上去不用 OrgDb 数据库 ，但是由于 kegg 分析分析也使用 Entrez Gene ID，因此也还是需要 OrgDb 数据库的转换基因编号的功能。因此正常来说，没有 OrgDb 数据库就无法做富集分析。

创建kegg本地数据库

由于KEGG默认是在线联网分析的，因此有时候可能因为网络问题或网站问题而无法分析。

因此将 KEGG 数据库下载下来分析是更稳定的做法。

单个物种

参考之前博客：创建kegg本地数据库

全部物种

参考文献3的网址。

下载全部物种的kegg数据库，由指定的物种改为 “all” 即可。

1
2
3
library(createKEGGdb)

create_kegg_db("all")

最后补充一点：有一些物种信息，虽然KEGG的物种列表（http://rest.kegg.jp/list/organism）里有，但是对应的pathway相关信息其实是没有的，这种情况程序会自动跳过。另外，网络或者服务器问题，以至于数据没下载下来，也会出现同样情况。

报错，单个物种可以，所有物种不行。

1
2
3
4
5
6
7
8
9
10
> create_kegg_db("all")
Reading KEGG annotation online:

Reading KEGG annotation online:

fail to download KEGG data...
Error in nrow(KEGGPATHID2EXTID) : object 'KEGGPATHID2EXTID' not found
In addition: Warning message:
In download.file(url, method = method, ...) :
  cannot open URL 'https://rest.kegg.jp/list/organism': HTTP status was '400 Bad Request'

可能的原因：

  1. 请求过于庞大 "all" 会尝试从 https://rest.kegg.jp/list/organism 获取 所有物种的列表（约数千条），然后为每个物种构建一个完整的 KEGG 数据库。这个请求数据量较大，KEGG 服务器对批量下载有严格限制，容易触发 400 Bad Request（通常代表请求被拒绝或格式不正确）。

  2. createKEGGdb 的实现缺陷 该包已多年未更新，其内部对 "all" 的处理可能没有遵循 KEGG 最新的 API 规范（例如分页、限速等），导致服务器直接拒绝。

还是得逐个物种按需下载。

非模式生物分析

思路1：下载OrgDb

对于非模式物种，可以使用AnnotationHub包来在线检索并下载其注释信息（OrgDb）

代码示例如下

1
2
3
4
# 加载数据库
library(AnnotationHub)
hub <- AnnotationHub() #较慢
query(hub, "capra_aegagrus_hircus")

使用query在我们制作的OrgDB --> hub里面找到物种相关的数据库（采用物种拉丁文名称）。

在输出结果中查找数据库的后缀为必须为 eg.sqlite的结果，举例如下（格式一般为 org.物种名.eg.sqlite）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
>     query(hub, "capra_aegagrus_hircus")
AnnotationHub with 1 record
# snapshotDate(): 2021-10-20
# names(): AH96553
# $dataprovider: ftp://ftp.ncbi.nlm.nih.gov/gene/DATA/
# $species: Capra aegagrus_hircus
# $rdataclass: OrgDb
# $rdatadateadded: 2021-10-13
# $title: org.Capra_aegagrus_hircus.eg.sqlite
# $description: NCBI gene ID based annotations about Capra aegagrus_hircus
# $taxonomyid: 9925
# $genome: NCBI genomes
# $sourcetype: NCBI/UniProt
# $sourceurl: ftp://ftp.ncbi.nlm.nih.gov/gene/DATA/, ftp://ftp.uniprot.org/p...
# $sourcesize: NA
# $tags: c("NCBI", "Gene", "Annotation")
# retrieve record with 'object[["AH96553"]]'

更好的办法是，先限制数据库类型为 OrgDb，这样找出的结果就全部是 OrgDb 数据库

1
2
org <- hub[hub$rdataclass=="OrgDb",]
query(org, "capra_aegagrus_hircus")

然后复制这个数据库前面的编号，用下面代码获取这个数据库

1
db <- hub[["AH107469"]]

之后使用 OrgDB 的时候直接调用这个数据库即可，和正常一样，也就是所有 OrgDB 参数设为：

1
OrgDb=db

但是 KEGG 没有办法，KEGG 官网如果没有物种编号就是没法弄。

思路2：自建GO和KEGG数据库

当目标物种在公共数据库中完全缺乏注释时，可以采用此方法。

  1. 获取蛋白质序列：从NCBI等数据库下载目标物种的蛋白质组序列。
  2. 功能注释：使用eggNOG-mapper在线工具对蛋白质序列进行功能注释。它会通过序列比对，为你的基因分配GO术语和KEGG直系同源物（KO）编号。
  3. 构建本地数据库：利用R包AnnotationForge，根据eggNOG-mapper的注释结果，构建属于该物种自己的OrgDb注释包。之后就可以用这个自建的OrgDb进行富集分析了。

具体教程见参考文献2的网址，挺复杂的，这是纯生信的内容了，我还没有试过。

思路3：在线工具（网站）

一些网站可以做 go/kegg 分析，但是我看物种都很有限，没啥用。

参考文献

  1. https://zhuanlan.zhihu.com/p/377356510
  2. https://zhuanlan.zhihu.com/p/389005258
  3. https://mp.weixin.qq.com/s/PwrdQAkG3pTlwMB6Mj8wXQ
  • 版权声明： 本博客所有文章除特别声明外，著作权归作者所有。转载请注明出处！
  • Copyrights © 2019-2026 Vincere Zhou
  • 访问人数: | 浏览次数:

请我喝杯茶吧~

支付宝
微信