ClusterProfiler包实现生物信息学数据聚类分析

一、概述

ClusterProfiler是一个R包，主要用于功能富集分析的结果的可视化和解释。它基于R语言的GOstats和ggplot2包，支持多种物种和GO分支的注释和富集分析，同时提供了多个图表来直观展示结果。

二、基本功能

ClusterProfiler包提供了丰富的功能来支持富集分析，下面列举一些常用的基本功能：

1. 富集分析

利用clusterProfiler包，可以快速地进行富集分析，根据用户提供的基因列表，对其进行生物学上的意义分析，并判断某个生物学过程是否在该基因集中高度富集。下面是一个简单示例：

library(clusterProfiler)

geneList <- c("ENSG00000149127", "ENSG00000136884", "ENSG00000143322", "ENSG00000000003", "ENSG00000141160")
data(geneList, package="DOSE")
ego <- enrichGO(geneList = geneList,
  OrgDb = org.Hs.eg.db,
  ont = "BP",
  pvalueCutoff = 0.05,
  qvalueCutoff = 0.05)

barplot(ego, showCategory=10, title="GO enrichment")

这段代码会对一个基因集进行生物学意义分析，并得出这些基因集中与特定生物过程相关的通路。富集分析结果可以使用barplot、dotplot等进行可视化展示。

2. 数据聚类

利用ClusterProfiler包内置函数clusterProfiler()可以方便地实现数据聚类分析，该函数提供了多达13种不同生物注释数据库，包括 GO, KEGG, Reactome, BioCarta 等。下面是一个简单的数据聚类的示例：

library(clusterProfiler)

data(geneList)
ego <- enrichGO(geneList,
  OrgDb = org.Hs.eg.db,
  ont = "BP",
  pvalueCutoff = 0.05,
  qvalueCutoff = 0.05)
plotGOgraph(ego, nodeSize=10)

上述代码实现了对geneList进行注释与富集分析，并生成了一个GO图形化展示。通过观察这个图，可以看出哪些生物过程（GO term）在geneList中高度富集。

三、高级功能

除了基本功能之外，ClusterProfiler包还提供了许多高级功能，能够更进一步地发掘生物学意义，下面列举一些高级功能:

1. 显示分形结构

ClusterProfiler包提供了多种展示聚类结果的图表，其中ggplot()最为常用，可以画出漂亮的结果图。此外，神经网络图也非常有用，可以显示出聚类结果的分形结构，以便查看不同层次的聚类相关信息。下面是一个示例功能:

library(clusterProfiler)

data(geneList)
ego <- enrichGO(geneList, OrgDb = org.Hs.eg.db, ont = "BP")
head(geneList)

geneSets <- colorValue(
  names(ego),
  ggColors(n = length(names(ego))),
  as.factor(substring(names(ego), 1, 2))
)
head(geneSets)

sunburstR(geneList, fun="enrichKEGG", pvalueCutoff=0.05, qvalueCutoff=0.05, 
         organism="hsa", minGSSize=1, maxGSSize=500,
         pAdjustMethod="BH", showCategory=4, fontSize=4, ggtheme=theme_minimal())

这段代码会使用络椮网络图展示富集分析的结果。在这个图中，每个节点代表一个富集分析中的GO term，连接节点的边代表GO term之间的相似性关系，节点的颜色表示GO term所属的高层、较宽的生物进程。

2. 模块可视化

ClusterProfiler包还提供了一个mdsplot()函数，可以用于模块可视化分析。该函数可以绘制2个样品之间的距离矩阵，并进行聚类分析，以便比较它们之间的相似性和差异性，并可以利用ggplot等函数对结果进行可视化展示。下面是一个示例：

library(clusterProfiler)

data(geneList, package="DOSE")
data(geneList, package="DOSE")

ego <- enrichGO(geneList, OrgDb = org.Hs.eg.db, ont = "BP")
geneSets <- colorValue(names(ego), ggColors(n=length(names(ego))),as.factor(substring(names(ego),1,1)))

e <- enricher(gene = geneList,
                TERM2GENE = homo.sapiens.db,
                pvalueCutoff = 0.01,
                qvalueCutoff = 0.01,
                ont = "CC",
                onlyEnriched = T)
c_e <- setReadable(cbind(e@result$ID, e@result$Description), org.Hs.egSYMBOL)
ec <- enrichCluster(c_e[,1], pvalueCutoff=0.01, qvalueCutoff=0.05)

mdsplot(ec, showCategory=TRUE, pointSize=6, legendPosition="left", nTop=100)

这段代码会对输入数据进行聚类分析，并将聚类结果可视化展示。如果输入的数据中包含多种展示信息，可以使用不同的颜色来表示，以便更好地区分样本种类。

3. 模块比较分析

ClusterProfiler包还提供了一个比较分析功能，比如可以比较2个聚类结果，检索它们之间的差异。下面是一个示例:

library(clusterProfiler)

data(geneList, package="DOSE")
data(geneList, package="DOSE")

ego <- enrichGO(geneList, OrgDb = org.Hs.eg.db, ont = "BP")
geneSets <- colorValue(names(ego), ggColors(n=length(names(ego))),as.factor(substring(names(ego),1,1)))

e <- enricher(gene = geneList,
                TERM2GENE = homo.sapiens.db,
                pvalueCutoff = 0.01,
                qvalueCutoff = 0.01,
                ont = "CC",
                onlyEnriched = T)
c_e <- setReadable(cbind(e@result$ID, e@result$Description), org.Hs.egSYMBOL)
ec <- enrichCluster(c_e[,1], pvalueCutoff=0.01,qvalueCutoff=0.05)

mc <- compareCluster(ec, goTermSets = geneSets, fun="enrichKEGG", printBy="Term", organism="hsa")
dotplot(mc)

在这个示例中，比较了2个不同样本之间的聚类结果，并使用dotplot()函数，用柱状图表示差异。

四、总结

ClusterProfiler包提供了丰富的功能和工具来进行富集分析，数据聚类分析和模块可视化分析等生物信息学数据分析任务。它方便实用，支持多种生物学注释数据库，可以帮助生物信息学家实现快速，准确的生物学意义分析。