1. 在Rstiduo中安装自己的orgDb包

$install.packages("org.Sindicum.eg.db", repos = NULL，type = "source")  指不从网上下载  type指定安装包类型

安装好的orgDb包

2. 载入R包并大致查看一下R包的内容

R包的内容

可用keys（）命令查看一下这个包大致有哪些genes。

包含的部分genes

可用select（）命令查一下某个基因对应的GO和Pathway信息

SIN_1003180基因对应的GO与Pathway

3. 进行GO分析

1. 安装R包

library(readr)
library(clusterProfiler)
library(DOSE)
library(org.Sindicum.eg.db)   自己创建的orgDb
columns(org.Sindicum.eg.db)   

2. 准备一个gene_list

gene_list <- read_csv("input/gene.list", col_names = FALSE)
gene_list <- as.character(gene_list$X1)    

3.GO分析

ego <- enrichGO(gene          = gene_list, #差异基因 vector
                keyType       = "GID",  #差异基因的 ID 类型，需要是 OrgDb 支持的
                OrgDb         = org.Sindicum.eg.db, #对应的OrgDb
                ont           = "CC", #GO 分类名称，CC BP MF
                pvalueCutoff  = 1, #Pvalue 阈值   （pvalue=1指输出所有结果，pvalue=0.05指输出符合要求的结果）
                qvalueCutoff  = 1, #qvalue 阈值
                pAdjustMethod = "BH", #Pvalue 矫正方法
                readable      = FALSE) #TRUE 则展示SYMBOL，FALSE 则展示原来的ID（选false是因为不是所有gene都有symbol的）

生成的ego文件转换成data.frame格式即可。

ego_results<-as.data.frame(ego)

部分ego文件

4. 保存结果

write.table(ego_results, file = "ego_results.txt", quote = F)  让保存的字符串不用“”引起来

4. GO作图

1. barplot

pdf(file = "ego_barplot.pdf") ##打开一个PDF文件
barplot(ego, showCategory=20, x = "GeneRatio")  把图画到这个PDF文件里
dev.off() ##关闭PDF

barplot

2. dotplot

dotplot(ego)

dotplot

3. emapplot

emapplot(ego)

emapplot

4. plotGOgraph
   安装topGO包

if("topGO" %in% rownames(installed.packages()) == FALSE) {source("http://bioconductor.org/biocLite.R");biocLite("topGO")}
suppressMessages(library(topGO))
ls("package:topGO")

安装Rgraphviz包

source("http://bioconductor.org/biocLite.R")
biocLite("c")

plotGOgraph(ego)

plotGOgraph(ego)