DGSEA | GSEA做完了不要停，再继续比较一下有意义的通路吧！~

1写在前面GSEA大家都会用了，但GSEA也有它自己的缺点，就是不能比较两个基因集或通路的富集情况。🤒今天介绍一个Differential Gene Set Enrichment Analysis (DGSEA)，可以量化两个基因集的相对富集程度。😉2用到的包rm(list = ls())# devtools::install_github('JamesJoly/DGSEA')library(

生信漫卷

966人浏览 · 2023-01-21 14:34:28

生信漫卷 · 2023-01-21 14:34:28 发布

1写在前面

GSEA大家都会用了，但GSEA也有它自己的缺点，就是不能比较两个基因集或通路的富集情况。🤒
今天介绍一个Differential Gene Set Enrichment Analysis (DGSEA)，可以量化两个基因集的相对富集程度。😉

2用到的包

rm(list = ls())
# devtools::install_github('JamesJoly/DGSEA')
library(DGSEA)
library(tidyverse)
library(RCurl)
library(GSA)

3示例数据

这里我们准备了一个RNA sequencing的数据，包含31个乳腺癌细胞系，分别接受1%和20%的氧供。🥰
数据有点太大了，这里我们就只选取其中2个细胞系吧（MCF10A和MCF12A）。😘

原数据来自这篇paper：👇
Ye,I.C. et al. (2018) Molecular Portrait of Hypoxia in Breast Cancer: A Prognostic Signature and Novel HIF-Regulated Genes. Mol. Cancer Res. MCR, 16, 1889–1901.

dat <- read.csv("./DGSEA_example.csv",row.names = 1)
DT::datatable(dat)

4整理数据

4.1 提取数据

MCF10A <- dat[,1:2]
MCF12A <- dat[,-2]

4.2 MCF10A数据

DT::datatable(MCF10A)

4.3 MCF12A数据

DT::datatable(MCF12A)

5读入gmt文件

这次我们比较一下KEGG的代谢通路，看一下这里的69个代谢通路吧。🤪

kegg.pathways <- GSA.read.gmt("./KEGG_metabolic_pathways.gmt")

kegg.pathways$geneset.names

6靶向DGSEA

如果我们有非常明确的需要比较的两个通路，可以使用这种方法，进行定量分析。🤖
这里我们分别在2个不同的细胞系中比较一下这2个代谢通路吧：👇

"Core_Glycolysis";

"KEGG_OXIDATIVE_PHOSPHORYLATION";

6.1 开始DGSEA

1️⃣ MCF10A细胞系：👇

set.names <- kegg.pathways$geneset.names

targeted.MCF10A <- dgsea_targeted(MCF10A, kegg.pathways,
                                  set.names[1], set.names[2])

2️⃣ MCF12A细胞系：👇

targeted.MCF12A <- dgsea_targeted(MCF12A, kegg.pathways,
                                  set.names[1], set.names[2])

6.2 可视化

这里我们画一下经典的GSEA图吧，不过这里比较的是两个通路的富集情况啦。🤩

1️⃣ MCF10A细胞系：👇

MCF10A.mtn.plot <- make_mountain_plots(targeted.MCF10A, set.names[1], set.names[2])
MCF10A.mtn.plot

2️⃣ MCF12A细胞系：👇

MCF12A.mtn.plot <- make_mountain_plots(targeted.MCF12A, set.names[1], set.names[2])
MCF12A.mtn.plot

7非靶向DGSEA

有的时候我们也没有明确的需要比较的通路，这个时候可以做非靶向的DGSEA。😂
大家拿到DGSEA的结果后，就可以通过filter选取你需要的通路。🤠

untargeted.MCF10A <- dgsea_untargeted(MCF10A, kegg.pathways)

DT::datatable(untargeted.MCF10A$DGSEA.Results)

我们再来计算另一个细胞系的吧。😚

untargeted.MCF12A <- dgsea_untargeted(MCF12A, kegg.pathways)

DT::datatable(untargeted.MCF12A$DGSEA.Results)

8如何引用

📍
Joly JH, Lowry WE, Graham NA. Differential Gene Set Enrichment Analysis: a statistical approach to quantify the relative enrichment of two gene sets. Bioinformatics. 2021;36(21):5247-5254. doi:10.1093/bioinformatics/btaa658