近几十年，系统生物学慢慢走近科研者的视野，主要着眼于研究细胞信号转导、基因调控网络、生物系统组成。多组学联合分析可以由表及里，解析直接原因和根本原因，深入阐释作用机理。在多组学的联合应用中，最终都要落脚到功能注释和通路富集分析，其中基于通路富集分析的图形展示丰富多样，通过此分析可找到与研究相关的通路、关键基因/代谢物，以便进行后续的数据挖掘。

进行富集分析的软件有很多，本篇主要安利一下clusterProfiler，它是一个专门用于GO、KEGG以及GSEA富集分析的R包，我们以代谢组数据分析为例，进行KEGG通路富集分析。

安装：

BiocManager::install(‘clusterProfiler’)

加载：

library(clusterProfiler)

计算富集所用的函数为enricher，其基本的参数：（1）gene是指用于富集的差异代谢物ID；（2）TERM2GENE是一个2列的数据框，第一列为通路ID如ko01230，第二列为注释到该通路代谢物ID，这个数据是背景集即包含所有通路注释的代谢物（3）TERM2NAME也是一个2列的数据框，第一列为通路ID，第二列是通路的具体名称。其他参数可参考官方文档（https://bioconductor.org/packages/release/bioc/manuals/clusterProfiler/man/clusterProfiler.pdf）。

查看输入

head(TERM2meta)

# KEGG_ID metabolite_ID

#1 ko01230 meta4

#2 ko01230 meta20

#3 ko01230 meta23

head(TERM2NAME)

# KEEG_ID KEGG_name

#1 ko00010 Glycolysis / Gluconeogenesis

#2 ko00020 Citrate cycle (TCA cycle)

head(metaids)

#[1] "meta10" "meta1017" "meta1020" "meta1024" "meta1031" "meta1034"

富集分析

#为了展示所有结果，将p值设为1

enrich<-enricher(gene=metaids,TERM2GENE=TERM2meta,TERM2NAME=TERM2NAME,pvalueCutoff= 1,qvalueCutoff = 1)

#查看富集结果

由于该软件原本是用于基因分析的，所以部分列名显示的是Gene

head(enrich@result)

接下来，咱们就可以作图啦~

绘制柱图

barplot(enrich,color='pvalue',bg=NULL,grid=NULL)

绘制点图

为了修改横轴名称，加载ggplot2

library(ggplot2)

dotplot(enrich,color='pvalue',)+xlab('metaboliteRatio')

绘制网络图

cnetplot(enrich,vertex.label.cex=0.1,colorEdge = TRUE)

富集分析是多组学联合分析的基础，基于此百迈客可以实现三个组学之间的联合分析，优质美图一键绘出。

为了缩短分析周期，提升个性化挖掘空间，百迈客云提供专业的生信分析平台（http://www.biocloud.net/），最新上线的代谢组云APP兼具标准分析、联合分析和个性化分析功能，同时提供海量在线资源和视频，欢迎一起开启代谢组准确检测，深入挖掘新时代！

代谢物、基因、菌群之间的相关性热图

*为P<0.05，**为P<0.01

代谢物、基因、菌群之间相关性网络图

线颜色表示正负相关，线粗细表示相关性强度

代谢物、基因、菌群之间CCA图

基因、菌群与原点的连线和代谢物构成的夹角表示了之间相关性

转自：百迈克