goseq

goseq是一个R包，用于寻找GO terms，即基因富集分析。

GO terms是标准化描述基因或基因产物的词汇，包括三方面，cellular component,molecular funciton,biological process。

每个GO term都有一个GO ID,比如 GO:006260,每个GO term背后都有一系列的相关基因。

GO分析的目的：在差异性基因分析后，我们可能得到很多差异基因，这些基因里的一部分可能跟某个生物过程相关，或几个生物过程相关。经过GO分析后，我们就能将差异性基因具体的生物功能展示出来，为下一步研究做准备。

GOseq需要输入的文件：

1.所有有count的genes。

2.差异性表达的genes。

3.genome信息，基因长度信息。#对于许多模式基因组来说，这些内容都被做成了独立的R包。

4.GO terms包。

>source("http://bioconductor.org/biocLite.R")
>biocLite("goseq")
>biocLite("geneLenDataBase")#genome，genes信息
>biocLite("org.Dm.eg.db")#果蝇的GO categories， （org,<Genome>,<GeneID>,db)

>library("goseq")
>library("geneLenDataBase")
>library("org.Dm.eg.db")

>DEG<-read.table("DEG",header=FALSE）
>ALL<-read.table("ALL"，header=FALSE)
#DEG:差异性基因表 ALL:所有基因表（数据框格式）

>DEG.vector<-c(t(DEG))
>ALL.vector<-c(t(ALL))
#把数据格式转化为vector，便于下步操作

>gene.vector=as.integer(ALL.vector%in%DEG.vector)
#生成二进制的gene vector（1代表差异性基因，0代表非差异性基因）
>names(gene.vector)<-ALL.vector

>pwf=nullp(gene.vector,"dm3","ensGene")
#生成probability weighting function."dm3"是基因组，"ensgGene"是基因IDs。

>GO.wall=goseq(pwf,"dm3","ensGene")
#生成GO terms ID 。这边的疑问：genes 没有mapping 到GO categories。 goseq函数有一个选项：gene2cat，如果gene2cat=NULL，则goseq会自动调用getgo函数实现mapping功能，并将输出值gene2cat。

>enriched.GO=GO.wall$category[GO.wall$over_represented_pvalue<.05]
#生成差异性 GO terms ID

>library(GO.db)
>capture.output(for(go in enriched.GO[1:length(enriched.GO)]){
print(GOTERM[go])
cat("___________")
}
,file="SigGo.txt")
#生成具体的GO TERM详解