05 2021．11

【RNAseq 3小學堂】基因富集分析_KEGG、GO、DO

原創文章引用請註明出處

#RNAseq #富集 #雲平台 #3小學堂

|| 3分鐘速解RNAseq分析，本周介紹基因富集分析 ||

具有研究熱忱又認真的你開始整理所有找到的差異基因註釋，看看這些基因都是跟那些功能相關以及可能參與生化途徑，終於完成了精美的統計表格，老闆微笑看著你說，改變看看DEG篩選門檻吧！或許可以找到更多(少)基因...。

你心情down到谷底，只好上網搜尋更有效率的搜尋方法，此時你搜尋到了這個部落格，你發現......

|| 圖爾思雲平台可隨意改變DEG門檻，且能自動匯入各資料庫資訊，更能自動繪圖 ||

終於找到可以快速解決的方法，得到了不同DEG篩選結果。

但要怎麼知道這些DEG分析完的差異基因在各資料庫的pathway或分類中占有重要的一環，就不得不提到何謂”富集”。

|| 富集不僅僅是依照資料庫把差異基因分類，同時會依據資料庫與分析得到的基因數量比例進行統計 ||

我們總不能說在pathway A共有100個基因，我有10個差異基因都在這個pathway內，代表這個pathway對我的研究一定很重要！修但幾勒！

若有另一個pathway B共30個基因，你有10個差異基因在這個pathway，那究竟是pathway A還是B比較重要呢?

這就是富集分析的重要性，使我們客觀的評估研究結果。

當所得到的p.adjust值越小表示富集程度越高，分析得到的差異基因對該基因群有特別的註釋傾向。

根據富集的結果可以畫出下列幾種圖表觀察，圖的部份將以 GO 為例做說明

長條圖

長條圖相信大家不陌生，也是廣為應用於富集類別/路徑的方式，可將類別/路徑依照想呈現的基因數量搭配p.adjust呈現。

點圖

與長條圖類似，增加了圓點的大小來呈現差異基因數量，呈現 p.adjust 前10顯著的類別/路徑。X軸為　Gene　ration，Y軸為類別，圓點為該富集類別的差異基因數，圓點顏色表示p.adjust大小。

網絡圖

Enrichment Map: 針對富集類別，找出類別與類別間是否有重複的差異基因，並用連線來展示是否有重複，進而得到下圖的網路連線圖。圖上共呈現前15個富集類別。

Gene-Concept Network: 前面所敘述的幾種圖，都僅顯示重要的富集類別，想知道哪些差異基因參與在富集類別內，且又要同時展示基因是否重複，那就可以參考Gene-Concept Network。圖上同時用顏色呈現基因Fold change以及圓點大小呈現富集類別所含的差異基因數量。

由於富集類別有可能>10多個以上，若全繪製於圖上會難以辨識，因此在GO的結果中僅呈現Top 3富集類別，DO僅呈現Top 5富集類別。

網絡圖可以觀察到富集類別之間的連結，但我想快速知道這些富集類別交集的基因數有多少，有沒有其他呈現的方法?

|| Upset plot幫助你輕鬆判讀交集 ||

Upset plot

交集判讀，大家最熟知的非Venn圖莫屬，但當Venn圖上出現了3個以上的類別圈圈就會越看越模糊，Upset plots能夠解決這個問題，清楚呈現多樣本的交集情況。

Upset plot的判讀方式可以先參考下圖的基本解說。

下圖為以GO為例，為大家呈現upsetplot結果

貼心小提醒，上述大多數的圖都可以在雲平台上調整字型、大小等自由調控的功能喔!

差異表現量基因是單個在處理組和對照組表現有很大差異的基因，如果你的研究是很多基因微小變化造成的差異，很有可能在 DEG 系列的分析得不到好的結果，要知道每個分析都有其優缺點，不要氣餒，你可以試試看 GSEA 分析！

下回！小編將跟你分享GSEA的基本概念與分析結果！

圖爾思生物科技/微生物體研究中心
沈筱凌/顏維萱

回上一頁

您瀏覽過的文章

2021．11．05