msigdbr 包提供多个物种的MSigDB数据
2020-08-07 本文已影响0人
JeremyL
富集分析是一种大家常用的分析。富集分析之前通常需要将人类定义好的基因集转换为其他物种。msigdbr 是一个工具包，就可以很好地帮大家解决这个问题。
#1. 安装：
install.packages("msigdbr")
#2. 使用
library(msigdbr)
##2.1 查看数据可用的物种
msigdbr_show_species()
#> [1] "Bos taurus" "Caenorhabditis elegans" "Canis lupus familiaris"
#> [4] "Danio rerio" "Drosophila melanogaster" "Gallus gallus"
#> [7] "Homo sapiens" "Mus musculus" "Rattus norvegicus"
#> [10] "Saccharomyces cerevisiae" "Sus scrofa"
##2.2 人类的基因集：
m_df = msigdbr(species = "Homo sapiens")
head(m_df)
#> # A tibble: 6 x 9
#> gs_id gs_name gs_cat gs_subcat human_gene_… species_n… entrez_g… gene_sym… sources
#> <chr> <chr> <chr> <chr> <chr> <chr> <int> <chr> <chr>
#> 1 M12609 AAACCAC_M… C3 MIR:MIR_Le… ABCC4 Homo sapi… 10257 ABCC4 <NA>
#> 2 M12609 AAACCAC_M… C3 MIR:MIR_Le… ABRAXAS2 Homo sapi… 23172 ABRAXAS2 <NA>
#> 3 M12609 AAACCAC_M… C3 MIR:MIR_Le… ACTN4 Homo sapi… 81 ACTN4 <NA>
#> 4 M12609 AAACCAC_M… C3 MIR:MIR_Le… ACVR1 Homo sapi… 90 ACVR1 <NA>
#> 5 M12609 AAACCAC_M… C3 MIR:MIR_Le… ADAM9 Homo sapi… 8754 ADAM9 <NA>
#> 6 M12609 AAACCAC_M… C3 MIR:MIR_Le… ADAMTS5 Homo sapi… 11096 ADAMTS5 <NA>
##2.3 查看基因集类别：
m_df %>% dplyr::distinct(gs_cat, gs_subcat) %>% dplyr::arrange(gs_cat, gs_subcat)
#> # A tibble: 19 x 2
#> gs_cat gs_subcat
#> <chr> <chr>
#> 1 C1 ""
#> 2 C2 "CGP"
#> 3 C2 "CP"
#> 4 C2 "CP:BIOCARTA"
#> 5 C2 "CP:KEGG"
#> 6 C2 "CP:PID"
#> 7 C2 "CP:REACTOME"
#> 8 C3 "MIR:MIRDB"
#> 9 C3 "MIR:MIR_Legacy"
#> 10 C3 "TFT:GTRD"
#> 11 C3 "TFT:TFT_Legacy"
#> 12 C4 "CGN"
#> 13 C4 "CM"
#> 14 C5 "BP"
#> 15 C5 "CC"
#> 16 C5 "MF"
#> 17 C6 ""
#> 18 C7 ""
#> 19 H ""
##2.4 检索鼠类的hallmark 基因集：
m_df = msigdbr(species = "Mus musculus", category = "H")
head(m_df)
#> # A tibble: 6 x 9
#> gs_id gs_name gs_cat gs_subcat human_gen… species_… entrez_g… gene_sym… sources
#> <chr> <chr> <chr> <chr> <chr> <chr> <int> <chr> <chr>
#> 1 M5905 HALLMARK… H "" ABCA1 Mus musc… 11303 Abca1 Inparanoid,Ho…
#> 2 M5905 HALLMARK… H "" ABCB8 Mus musc… 74610 Abcb8 Inparanoid,Ho…
#> 3 M5905 HALLMARK… H "" ACAA2 Mus musc… 52538 Acaa2 Inparanoid,Ho…
#> 4 M5905 HALLMARK… H "" ACADL Mus musc… 11363 Acadl Inparanoid,Ho…
#> 5 M5905 HALLMARK… H "" ACADM Mus musc… 11364 Acadm Inparanoid,Ho…
#> 6 M5905 HALLMARK… H "" ACADS Mus musc… 11409 Acads Inparanoid,Ho…
##2.5 检索鼠类C2 (curated) CGP (chemical and genetic perturbations)基因集：
m_df = msigdbr(species = "Mus musculus", category = "C2", subcategory = "CGP")
head(m_df)
#> # A tibble: 6 x 9
#> gs_id gs_name gs_cat gs_subcat human_gen… species_… entrez_g… gene_sym… sources
#> <chr> <chr> <chr> <chr> <chr> <chr> <int> <chr> <chr>
#> 1 M1423 ABBUD_LI… C2 CGP AHNAK Mus musc… 66395 Ahnak Inparanoid,Ho…
#> 2 M1423 ABBUD_LI… C2 CGP ANKRD40 Mus musc… 71452 Ankrd40 Inparanoid,Ho…
#> 3 M1423 ABBUD_LI… C2 CGP ARID1A Mus musc… 93760 Arid1a Inparanoid,Ho…
#> 4 M1423 ABBUD_LI… C2 CGP BCKDHB Mus musc… 12040 Bckdhb Inparanoid,Ho…
#> 5 M1423 ABBUD_LI… C2 CGP C16orf89 Mus musc… 239691 AU021092 Inparanoid,Ho…
#> 6 M1423 ABBUD_LI… C2 CGP CAPN9 Mus musc… 73647 Capn9 Inparanoid,Ho…
##2.6 msigdbr()的输出，常规的R数据框操作都可以进行
m_df = msigdbr(species = "Mus musculus") %>% dplyr::filter(gs_cat == "H")
head(m_df)
#> # A tibble: 6 x 9
#> gs_id gs_name gs_cat gs_subcat human_gen… species_… entrez_g… gene_sym… sources
#> <chr> <chr> <chr> <chr> <chr> <chr> <int> <chr> <chr>
#> 1 M5905 HALLMARK… H "" ABCA1 Mus musc… 11303 Abca1 Inparanoid,Ho…
#> 2 M5905 HALLMARK… H "" ABCB8 Mus musc… 74610 Abcb8 Inparanoid,Ho…
#> 3 M5905 HALLMARK… H "" ACAA2 Mus musc… 52538 Acaa2 Inparanoid,Ho…
#> 4 M5905 HALLMARK… H "" ACADL Mus musc… 11363 Acadl Inparanoid,Ho…
#> 5 M5905 HALLMARK… H "" ACADM Mus musc… 11364 Acadm Inparanoid,Ho…
#> 6 M5905 HALLMARK… H "" ACADS Mus musc… 11409 Acads Inparanoid,Ho…
#3 与其它Pathway 分析工具进行整合分析
-
clusterProfiler(for genes as Entrez Gene IDs).
m_t2g = m_df %>% dplyr::select(gs_name, entrez_gene) %>% as.data.frame()
enricher(gene = gene_ids_vector, TERM2GENE = m_t2g, ...)
-
clusterProfiler(for genes as gene symbols).
m_t2g = m_df %>% dplyr::select(gs_name, gene_symbol) %>% as.data.frame()
enricher(gene = gene_symbols_vector, TERM2GENE = m_t2g, ...)
fgsea
m_list = m_df %>% split(x = .$gene_symbol, f = .$gs_name)
fgsea(pathways = m_list, ...)
#4 注意：
- msigdbr使用的是MSigDB v7.1 (released March 2020)。
- 可以从MSigDB 直接下载基因集，GSEABase包getGmt()函数导入数据；但是从MSigDB 的数据主要是人源的，其他物种少一些。
- 如果通过改变基因大小写来进心人源和鼠的基因转化，会有一小部分基因失败。
- 不使用msigdbr包，biomaRt 可以进行物种间同源基因转换；但是会面对一对多的情况。
- Ge Lab Gene Set Files 也提供多个物种的GMT文件供下载； WEHI也提供人类和鼠类的MSigDB 基因集，但是数据只是 Entrez ID以及每个基因集是单独的文件。 MSigDF 是基于WEHI 数据的。
