RNAseq-GO、biomaRt转换ID

O.Sativa选用MSU或者RAPDB这两个数据库的genome和gtf文件，介绍一下MSU的ID，RAPDB的同理。The Rice Annotation Project (RAP)（https://rapdb.dna.affrc.go.jp/index.html）和Rice Genome Annotation Project （RGAP7，MSU）（http://rice.plantbiology.msu.edu/index.shtml）RAP格式为“Os-Chr-g-number”，MSU格式为“LOC_Os-Chr-g-number”。

1 AGRIGO2 http://systemsbiology.cau.edu.cn/agriGOv2/ 支持多种ID，包括MSU
2 RIGW http://rice.hzau.edu.cn/cgi-bin/rice2/enrichment 只支持水稻的转录本ID，可做KEGG
3 PlantGSEA http://structuralbiology.cau.edu.cn/PlantGSEA/analysis.php 只支持MSU ID
4 PANTHER http://www.pantherdb.org/ 可视化漂亮。支持Uniprot ID。MSU ID转换为 Uniprot ID（PlantGSEA）
5 CARMO：http://bioinfo.sibs.ac.cn/carmo/result.php?job_id=1625924324108758969 只更新到 2015年，支持 LOC ID

将MSU ID（LOC）转换为 Uniprot ID，PlantGSEA将Uniprot ID粘贴到PANTHER中
出图, select ontology，包括GO分析，蛋白功能注释，Pathway分析显著性分析，statistical overrepresentation test, Use default settings

---

ID转化 水稻的基因号大致分为两类，RAP格式为“Os-Chr-g-number”，MSU格式为“LOC_Os-Chr-g-number”。各种分析输入的基因号有指定要求，ID转换至关重要。RAP《-》MSU：（OryzaExpress，RAP-DB，PlantGSEA）OryzaExpress：http://bioinf.mind.meiji.ac.jp/OryzaExpress/ID_converter.phpRAP-DB：https://rapdb.dna.affrc.go.jp/tools/converter/runPlantGSEA：http://structuralbiology.cau.edu.cn/PlantGSEA/Ensemble Plants(http://plants.ensembl.org/index.html)，RIGW(http://rice.hzau.edu.cn/rice/)biomaRt RAP转entrezgene_id（NCBI）MSU转RAP转entrezid，MSU转uniprot（plantGSEA）转entrezid（david） biomaRt

#1.Installation
BiocManager::install("biomaRt")
library(biomaRt)

#2.Data Import
a <- read.csv('testgene.txt',sep = '\t')

#3.getBM做ID转换
#getBM函数，四个参数。 getBM函数唯一用处，做各种ID转换。
#1.filter来控制根据什么东西来过滤，可是不同数据库的ID，也可以是染色体定位系统坐标。
#2.Attributes来控制我们想获得什么，一般是不同数据库的ID。
#3.Values是我们用来检索的关键词向量。
#4.Mart是我们前面选择好的数据库。

#3.1建立与ensemble数据库的链接
#在ensemble plants上能看到所有已提交的物种信息
ensembl = useMart(biomart = "plants_mart",host = "http://plants.ensembl.org")
#查看ensemble plants都有哪些物种信息，并设置为该物种信息。
dataset <- listDatasets(mart = ensembl)
head(dataset)
ensembl = useMart(biomart = "plants_mart",host = "http://plants.ensembl.org",dataset="osativa_eg_gene")
#查看该dataset上都有哪些属性，方便后面做添加
attributes <- listAttributes(ensembl)

a=c(“LOC_Os07g34570”,“LOC_Os05g12630”,“LOC_Os12g31000”,“LOC_Os09g37910”)无结果
RAP：

3.2 正式做ID转换及信息添加
一般Ensemble ID以E开头的，RAP号是水稻的Ensemble ID。参数external_gene_name是平时称呼的基因名字。

supplement <- getBM(attributes =c("ensembl_gene_id",'external_gene_name',"description"),filters = "ensembl_gene_id",values = a,mart = ensembl)

转换成GO ID并附上GO描述

supplements <- getBM(attributes =c("ensembl_gene_id",'go_id','goslim_goa_description'),
 filters = "ensembl_gene_id",values = a,mart = ensembl)

转换成NCBI ID

supplements <- getBM(attributes =c("ensembl_gene_id",'entrezgene_id'),
 filters = "ensembl_gene_id",values = a,mart = ensembl)

---

ClusterProfile

GO数据库？以及BP,MF,CC的分类系统？超几何分布检验？不同的阈值过滤？筛选指标？

超几何分布是统计学上一种离散概率分布。它描述了从有限N个物件（其中包含M个指定种类的物件）中抽出n个物件，成功抽出该指定种类的物件的次数（不放回）。

拿不到结果？这个时候可以设置： pvalueCutoff = 0.9, qvalueCutoff =0.9 甚至为1，来不做筛选。而且基因集的大小也是被限制了。
enrichGO(); dotplot()

多组基因集的KEGG数据库富集
compareCluster，在线获取KEGG数据库最新信息，考验网速：

制作一个 DEG 数据框，其中有两列ENTREZID，是基因id,和new是分组信息
xx.formula <- compareCluster(ENTREZID~new, data=DEG, fun=‘enrichKEGG’)
dotplot(xx.formula, x=~GeneRatio) + facet_grid(~new)

多组基因集走GO数据库富集
构建一个数据框，list_de_gene_clusters， 含有两列信息：

list_de_gene_clusters <- split(de_gene_clusters$ENTREZID, 
                               de_gene_clusters$cluster)


# Run full GO enrichment test
formula_res <- compareCluster(
  ENTREZID~cluster, 
  data=de_gene_clusters, 
  fun="enrichGO", 
  OrgDb="org.Mm.eg.db",
  ont          = "BP",
  pAdjustMethod = "BH",
  pvalueCutoff  = 0.01,
  qvalueCutoff  = 0.05
)

# Run GO enrichment test and merge terms 
# that are close to each other to remove result redundancy
lineage1_ego <- simplify(
  formula_res, 
  cutoff=0.5, 
  by="p.adjust", 
  select_fun=min
)

---

https://www.jianshu.com/p/bcdbf80701e2
https://www.jianshu.com/p/480c46ec1629