欢迎关注微信公众号 《生信修炼手册》 !
KEGG pathway是最常用的功能注释数据库之一，KEGG的API可以用于获取一类所有基因的pathway注释，与human相对应的API链接如下
3358 rest.kegg.jp/link/HSA/pathway
此链接提供以下信息
path : HSA 00010 HSA :10327 path : HSA 00010 HSA :124 path : HSA 00010 HSA :125第1列为pathway编号，第2列为基因编号。 这里只提供pathway号码，但也需要与pathway对应的描述信息。 同样，也可以通过以下API链接获得
http://rest.kegg.jp/list/
从该链接中可以获得以下内容
path : map 00010 glycolysis/gluconeogenesispath : map 00020 citrate cycle (TCA cycle ) )。 path : map 00030 pentosephosphatepathwaypath : map 00040 pentoseandglucuronateinterconversionspath 3360 map 00051 fructoseandmanatior pathway是一个跨物种的概念，原始pathway编号为map或ko加上数字，对于特定物种，将其更改为与物种对应的三个字母缩写。 例如，human支持hsa，与所有具有pathway信息的物种相对应的三个字母缩写请参见以下链接
33559 www.genome.jp/kegg/catalog/org _ list.html
群集配置文件程序也通过KEGG API获取与物种对应的pathway注释。 对于已经有pathway注释的种类，只要知道对应的三个字符的缩写，clusterProfiler就会自动在互联网上获取该种类的pathway注释信息。
与GO富集分析一样，KEGG的富集分析也包括以下两种
1 .过度预测分析其实是费希尔精密检测，分析的代码如下
Ego-Enrichkegg(gene=gene，keyType='kegg '，organism='hsa '，pvalueCutoff=0.05，pAdjustMethod='BH '，qvalue 默认基因ID是kegg gene id，可以由keyType参数指定，也可以是ncbi-geneid、ncbi-proteind、uniprot。
不同类型ID的转换也通过KEGG API实现，例如hsa的kegg gene id和ncbi-geneid的对应关系请参考以下链接
3358 rest.kegg.jp/conv/NCBI-gene id/HSA
HSA :1 NCBI-gene id :1 HSA :100009667 NCBI-gene id 336010009667 HSA 33601000009676 NCBI-gene id 33601000000009676 HSA :10 以下是一个示例
bitr_kegg('1'，fromType='kegg '，toType='ncbi-proteinid '，organism='hsa ' )2. genesetenrichmentanalytal
k-GSEkegg(genelist=gene，keyType='kegg '，organism='hsa '，nPerm=1000，minGSSize=10，maxGSSize=500，NPP 注释文件的形式如下
geneidkeggdescription1ko 33600001 spindle2ko :0002 mitotic spindle 3ko :00003 kinetochore可以是三列信息，第一列对应geneid，第二列对应基因如果包含这三种信息就好了。
读取该文件并进行分析的代码如下
data-read.table (pathway _ annotation.txt )，header=T，sep='t
")go2gene <- data[, c(2, 1)]go2name <- data[, c(2, 3)]# 费舍尔精确检验x <- enricher(gene,TERM2GENE = go2gene,TERM2NAME = go2name)# GSEA富集分析x <- GSEA(gene,TERM2GENE = go2gene,TERM2NAME = go2name)对于KEGG富集分析的结果，clusterProfiler提供了以下几种可视化策略
1. barplot用散点图展示富集到的pathways,用法如下
barplot(kk, showCategory = 10)生成的图片如下
横轴为该pathway的差异基因个数，纵轴为富集到的pathway的描述信息， showCategory指定展示的pathway的个数，默认展示显著富集的top10个，即p.adjust最小的10个。注意的颜色对应p.adjust值，从小到大，对应蓝色到红色。
用散点图展示富集到的pathways,用法如下
dotplot(kk, showCategory = 10)生成的图片如下
横轴为GeneRatio, 代表该pathway下的差异基因个数占差异基因总数的比例，纵轴为富集到的pathway的描述信息， showCategory指定展示的pathway的个数，默认展示显著富集的top10个，即p.adjust最小的10个。图中点的颜色对应p.adjust的值，从小到大，对应蓝色到红色，大小对应该GO terms下的差异基因个数，个数越多，点越大。
对于富集到的pathways之间的基因重叠关系进行展示，如果两个pathway的差异基因存在重叠，说明这两个节点存在overlap关系，在图中用线条连接起来，用法如下
emapplot(kk, showCategory = 30)生成的图片如下
每个节点是一个富集到的pathway, 默认画top30个富集到的pathways, 节点大小对应该pathway下富集到的差异基因个数，节点的颜色对应p.adjust的值，从小到大，对应蓝色到红色。
对于基因和富集的pathways之间的对应关系进行展示，如果一个基因位于一个pathway下，则将该基因与pathway连线，用法如下
cnetplot(kk, showCategory = 5)生成的图片如下
图中灰色的点代表基因，黄色的点代表富集到的pathways, 默认画top5富集到的pathwayss, pathways节点的大小对应富集到的基因个数。
在pathway通路图上标记富集到的基因，代码如下
browseKEGG(kk, "hsa04934")会给出一个url链接，示例如下
https://www.kegg.jp/kegg-留胡子的眼神/show_pathway?hsa04934/111/23236/4221/9586/5087/1026/1871/1583/51176
在浏览器中打开会看到如下所示的图片
富集到的差异基因会用红色方框表示，更多用法和细节请参考官方文档。
扫描关注微信号，更多精彩内容等着你！