上一期我们一起学习了基因芯片数据分析中的GO分析，这一期我们学习KEGG分析。

通路(Pathway)分析包括通路注释和通路富集分析。通路富集分析的基本思路、统计模型等基本和GO富集分析如出一辙。

常用的公共通路数据库主要有KEGG ( Kyoto encyclopedia of genes and genomes)、BioCarta和GenMAPP (Gene map annotator and pathway profiler)，最为著名的是KEGG库中的代谢通路，KEGG代谢通路注释几乎成为了通路注释的代名词。

很多事实已经证明，KEGG的数据是非常可靠的，但是我们要注意，KEGG有两个比较大的缺点：第一就是注释源问题，它只提到由相关专家收集整理而成，没有参考文献等来源信息；第二就是授权问题，由于它授权过于严格，Biocondocutor已经无法继续支持它，转而开始使用更加开源的Reactome数据库。

在R语言中KEGG分析主要是由Bioconductor的GeneAnswers包实现的。

接着上一期的代码，我们进行今天的分析。

Bioconductor基因芯片数据分析之GO分析

#安装并加载所需R包。

BiocManager::install("GeneAnswers")library(GeneAnswers)

#选取dif中的三列信息构成新的矩阵，第一列必须是EntrezID

humanGeneInput <- dif[, c("EntrezID", "logFC", "P.Value")]

## 获得humanGeneInput中基因的表达值

humanExpr <- eset[match(rownames(dif), rownames(eset)), ]

# 前两个数据做列合并，第一列必须是EntrezID

humanExpr <- cbind(humanGeneInput[, "EntrezID"], humanExpr)

# 去除NA数据

humanGeneInput <- humanGeneInput[!is.na(humanGeneInput[, 1]),]humanExpr <- humanExpr[!is.na(humanExpr[, 1]),]

# KEGG通路的超几何检验

y <- geneAnswersBuilder(humanGeneInput "org.Hs.eg.db", categoryType = "KEGG",testType = "hyperG", pvalueT = 0.1, geneExpressionProfile = humanExpr, verbose = FALSE)

getEnrichmentInfo(y)[1:6,]

我们利用GeneAnswers包实现了KEGG通路的注释、统计和可视化的功能。

同时GeneAnswers具有强大的功能，除了KEGG，还可以支持GO、REACTOME和CABIO等多个数据库，可以通过设定参数categoryType分别指定注释类型。

从最终的结果可以看到每个显著性富集的通路含有6列信息（不包括行号）：

第1列"genes in Category"表示有多少个基因属于这个通路；第2列"percent in the observed List"表示在观察到的基因列表中的比例；第3列"percent in the genome"是在基因组中的比例；第4列"fold of overrepresents"是基因过表达的倍数；第5列"OddsRatio"是超几何分布中的比值比；第6列"P.value"是超几何检验的P值。