142-如何理解GO富集结果？

刘小泽写于19.10.24 一篇很短的推文，来说明GO的结果

前言

我们使用GO注释的R包做出来的结果一般是长这样：

其中重点是这几个数字

看第一行：

• 背景基因是20000多个，其中属于这个GO通路的有256个基因；
• 然后C1这个cluster这里总共得到的差异基因是1236个，其中属于这个GO通路的是66个

那么怎么证明呢？

以第一个GO:0140014为例

首先获得GO:0140014中的基因 =》 256个

因为这是小鼠的注释结果，所以先加载它的物种注释包

library(org.Mm.eg.db)
# 结果有3百多万条GO注释信息
go2gene <- toTable(org.Mm.egGO2ALLEGS)

其实看到里面的基因ID存在重复，一个go_id会对应多个同样的gene_id，那么就要去重复，获取unique gene id

uni_gene <- unique(go2gene$gene_id[go2gene$go_id == 'GO:0140014'])
> length(uni_gene)
[1] 256

结果和👆的BgRatio中记录的一致

然后拿到C1的差异基因 =》 1284个

这里的C1指的是第一群细胞中的差异基因（上图中除了这个C1还有C2、C3、C4，表示不同类群的细胞），这个可以不用管，只要知道它是一个分类就可以

# 这一行代码不能运行，只是为了说明上面图中的C1
c1_genes <- list_de_gene_clusters[['C1']]
> length(c1_genes)
[1] 1284

看到这里也是1000多个，不过和上面表格中得到的1236差了几十个基因，这也就说明了存在几十个基因没有GO注释

找Cluster1在GO:0140014中的基因 =》 66个

其实就是找c1_genes和go2gene的交集

overlap_genes <- intersect(c1_genes,uni_gene)
> length(overlap_genes)
[1] 66

这个值就是对应上面GO通路的66个基因