无需写代码的高颜值富集分析神器

原创孙馥香生信宝典

富集分析是了解一个基因集功能倾向性的一个方式，在组学研究领域应用广泛。常见的有基于差异基因的Over-representation分析，也就是常说的GO、KEGG富集分析和Functional class scoring分析，如GSEA。这两种富集分析算法不同，但可以都支持同样的注释集，如GO、KEGG或其他类型的注释。基本原则只有一个：基因集的基因名字与注释集的基因名字能匹配。剩下的就是了解下原理去操作了。

下面三篇文章建议仔细多读几遍，尤其是原理解释部分。对以后的分析事半功倍。做了一年的培训的体验是：学不会是因为没时间。时间用到了，自然就会了，培训现场的进度就是最好的支持证据。我们的培训希望在3天时间告诉大家需要3个月到半年可以掌握的知识，多读几遍也就都会了 (跑题了)。

今天给大家介绍的是Cytoscape的插件——ClueGO。ClueGO能以网络图的形式来展示GO富集结果。

除了在线工具和R代码，今天带来的是网络绘制工具Cytoscape的一个插件ClueGO，支持200多个物种，支持数据库实时更新，支持多个注释数据集，支持多集合富集结果比较和网络图展示。配合Cytoscape的网络操作，可以做更多探索。下面看看怎么安装和使用吧。

ClueGO安装

官网下载

（http://apps.cytoscape.org/apps/cluego）

Cytoscape的APP Manager中下载

ClueGO激活

ClueGO第一次使用需要按照提示申请license，申请网址为：http://www.ici.upmc.fr/cluego/cluegoLicense.shtml。点击Request a license key，填写基本信息之后提交审核，审核时间可能需要几天。拿到license之后点击App-ClueGO，在弹出的提示框中输入license即可激活ClueGO。

简单使用ClueGO

1. 上传数据

可以粘贴基因的id、symbol等或从本地上传文件 (富集分析的基因集只需要基因名字)，我们以ClueGO的示例文件“CluePediaExampleFile_Th1RelatedGenes.txt”为例，并选择其对应物种和自动识别Gene id类型选项。

2.选择富集数据集和富集标准

默认是BP（Biological Process），我们增加常用的CC（ellular component）和MF（Molecular Function）

然后勾选以下选项，目的是只显示p值<=0.05的富集结果。具体选择的富集显著性Pvalue，可自行调整。

3.富集分析和结果展示

点击start开始进行富集分析

运行结束后，会跳出一个简述富集结果信息的提示框，包括物种, 基因名字，匹配的注释信息，重叠度和冗余度等信息。

Cytoscape的网络视图中展示的是富集结果的网络图。每个节点是代表性富集通路，节点的连线表示通路之间的共有的基因数，颜色表示该节点的富集情况分类(隶属于哪个功能组，颜色也可以和表格形式的的ClueGO结果对应)。

结果导出为矢量图

结果保存为表格或Excel格式

ClueGO优势

1. 物种丰富，并支持手动下载

本地有人类和小鼠可选，也可根据需要下载，支持近200个物种。

2. 物种注释手动更新

(前面推荐的GOEAST是每周更新，这个可以认为是实时更新。R中的注释包相比来说更新的慢了些，需要社区发布新版本或自己整理。)

3. 多种网络布局和自由网络设计

多种网络布局类型选择

style选项可对网络的颜色，节点，网络等进行修改

4. 多个数据集比较

同时导入2组或多组基因列表，可以进行比较分析。

富集结果
首先跳出了一个简述富集结果信息的提示框，和单组分析类似，包括物种, 基因名字，匹配的注释信息，重叠度和冗余度等信息，但是额外统计了了两组共有的基因的富集结果。

Cytoscape的网络视图中展示的是富集结果的网络图。每个节点是代表性富集通路，节点的连线表示通路之间的共有的基因数，颜色表示该节点的富集情况分类，而两组单独的，综合的，共有的富集通路等均可在ClueGO results详细看到。