我的基因集数量不对啊

Posted on by

今天单细胞授课现场差点翻车，最后做完几个基因集的批量超几何分布检验，想现场解释一波这个富集分析结果的一些数字，如下：

23239是小鼠背景基因，可以理解为物种的基因总数，然后1240是我们感兴趣的基因的总数，可以理解为差异表达分析得到的基因数量，所以对每个通路都是一样的，这个时候我想解释一波，每个GO基因集的数量是如何来的。

拿到指定功能基因集的数量

这里简单使用R包org.Mm.eg.db来获取，代码如下：

library(GO.db)
ls("package:GO.db")
library(org.Mm.eg.db)
go2gene=toTable(org.Mm.egGO2ALLEGS)
this_go_this_gene=go2gene[go2gene$go_id=='GO:0140014',]
table(this_go_this_gene$Evidence)

得到的数据框是：

这样得到了

library(GO.db)
ls("package:GO.db")
library(org.Mm.eg.db)
go2gene=toTable(org.Mm.egGO2ALLEGS)
this_go_this_gene=go2gene[go2gene$go_id=='GO:0140014',]
table(this_go_this_gene$Evidence)

这样得到了GO:0140014的全部基因，跟大家去谷歌搜索GO:0140014效果一样，但是呢，看了看是348列，并不是272，这个时候我做了一个错误的判断：我认为是evidence需要筛选。

不同的证据支持区别是？

浏览wiki可以看到，是非常的复杂，如下；

时间关系，来不及具体看中文介绍，就打马虎眼略过了，不然单细胞课程就没得上了，仅仅是讲解GO数据框就可以讲一整天。

马前失蹄在于？

实际上，我关注了变化的那一列，就是evidence，却忽略了没有变的那个列，就是基因ID，也就是说一个基因在这个数据框出现多次，我不应该数数据框的行，而是数基因的去冗余后个数。
这样就是正确数值了。

留一个悬念

小鼠这个物种的背景基因数量是23239个，是如何计算的呢，基于什么数据框呢？

​

Comments are closed.