gene.df <- bitr(rownames(a), fromType="SYMBOL", toType="ENTREZID", OrgDb = "org.Mm.eg.db",drop =T) #小鼠db包#KEGGkk.diff<- enrichKEGG(gene = gene.df$ENTREZID, organism = 'mmu', #mmu是小鼠 pvalueCutoff = 0.05, #adjust p pAdjustMethod='fdr') #p值矫正方法kk.diff@result$Description=gsub('\'','',kk.diff@result$Description)write.table(kk.diff,file="2.KEGG.txt",sep="\t",quote=F,row.names = F)#GOkk <- enrichGO(gene = gene.df$ENTREZID, OrgDb = 'org.Mm.eg.db', pvalueCutoff =0.05, #qvalueCutoff =1, pAdjustMethod='fdr', ont="all", #BP,CC,MF readable =T #,maxGSSize = 2000 )kk@result$Description=gsub('\'','',kk@result$Description)write.table(kk,file="2.GO.txt",sep="\t",quote=F,row.names = F)

### R语言中的 `bitr` 函数、`enrichKEGG` 和 `enrichGO` 功能及参数使用 #### 1. `bitr` 函数 `bitr` 是 Bioconductor 中 DOSE 包的一个重要工具，用于将基因标识符从一种类型转换为另一种类型。对于小鼠基因注释而言，可以将其 Entrez ID 转换为其他类型的标识符（如 KEGG 或 TAIR）。以下是其主要参数及其含义： - **from**: 输入数据的原始类型，例如 `"entrezgene"` 表示输入的是 Entrez Gene IDs。 - **to**: 希望转换成的目标类型，例如 `"kegg"` 表示希望得到 KEGG 的基因标识符[^2]。 - **data**: 数据框形式的输入向量，通常是一个包含基因标识符的数据列。 - **organism**: 生物物种名称缩写，例如小鼠为 `"mmu"`。 代码示例： ```r library(DOSE) # 示例：假设我们有一个小鼠基因列表 (Entrez ID) entrezID <- c(19328, 74265, 192240, 225806) # 使用 bitr 将 Entrez ID 转换为 KEGG ID converted_genes <- bitr(entrezID, fromType = "ENTREZID", toType = "KEGG", organism = "mmu") print(converted_genes) ``` --- #### 2. `enrichKEGG` 函数 该函数主要用于执行基于 KEGG Pathway 的富集分析。它能够识别哪些通路在给定的基因集中显著富集。以下是常用参数说明： - **gene**: 经过转换后的目标基因集合（通常是 KEGG 格式的基因名）。 - **organism**: 物种简称，例如小鼠为 `"mmu"`, 拟南芥为 `"ath"`。 - **pvalueCutoff**: 显著性水平阈值，默认为 0.05。 - **pAdjustMethod**: 多重检验校正方法，常用的有 Bonferroni (`"bonferroni"`) 和 Benjamini-Hochberg (`"BH"`) 方法。 - **qvalueCutoff**: FDR 控制阈值，默认为 0.2。 代码示例： ```r library(enrichplot) # 富集分析前先完成基因转换 genes_for_analysis <- converted_genes$KEGG # 执行 KEGG 富集分析 kegg_result <- enrichKEGG(gene = genes_for_analysis, organism = "mmu", pvalueCutoff = 0.05, pAdjustMethod = "BH", qvalueCutoff = 0.2) # 查看结果 print(kegg_result) ``` --- #### 3. `enrichGO` 函数 此函数专注于 GO（Gene Ontology）术语的富集分析。它可以揭示特定基因组的功能特性。以下是常见参数解释： - **keyType**: 查询数据库时使用的键类型，例如 `"ENSEMBL"`, `"SYMBOL"`, 或者 `"ENTREZID"`。 - **universe**: 整体背景基因库，如果未指定，则默认取自当前生物体的所有已知基因。 - **ont**: 需要分析的具体本体类别，可选值包括 `"BP"`（生物学过程）、`"MF"`（分子功能）、以及 `"CC"`（细胞组成）。 - **n** 和其余参数与 `enrichKEGG` 类似。 代码示例： ```r library(clusterProfiler) # 定义基因宇宙作为背景 background_universe <- keys(org.Mm.eg.db, keytype = "ENTREZID") # 对基因进行 GO 富集分析 go_result <- enrichGO(gene = as.character(entrezID), universe = background_universe, ont = "BP", pAdjustMethod = "BH", pvalueCutoff = 0.05, qvalueCutoff = 0.2, OrgDb = org.Mm.eg.db) # 输出结果 print(go_result) ``` --- #### 总结 通过以上三个函数组合应用，可以在 R 语言环境中实现从小鼠基因到 KEGG/GO 富集分析的一整套流程。这些工具不仅支持多种生物体，还提供了灵活多样的统计调整选项来满足不同研究需求[^1]。