我们生信入门马拉松授课群里有一个学员在学完课程后，开始了自己的数据分析，到了KEGG Pathway富集结果进行barplot展示时，他遇到了一个问题：想在KEGG富集结果中添加每条通路的类别，但是不知道这个通路类别去哪里对应或者手动去KEGG数据库不方便！
首先，看看KEGG Pathway数据库的7大分类
可能很多人做KEGG Pathway富集时，还没有了解过KEGG 通路数据库也有分类呢？
来到KEGG官网：https://www.genome.jp/kegg/pathway.html
让人工智能大模型帮我们介绍一下这7大类吧：
KEGG（Kyoto Encyclopedia of Genes and Genomes）数据库是一个综合数据库资源，旨在通过整合基因组、生物化学通路、疾病、化学物质等信息，为理解高级功能和生物系统提供帮助。以下是 KEGG 数据库的 7 大分类详细介绍：
1. Metabolism（代谢）
描述：这一分类涵盖了生物体内的各种代谢通路，包括碳水化合物代谢、脂质代谢、氨基酸代谢、核苷酸代谢、能量代谢等。这些通路描述了生物体内小分子的合成、分解和转化过程。 应用场景：用于研究代谢疾病、药物代谢、微生物代谢工程等。例如，通过分析糖酵解通路，可以了解糖尿病等代谢疾病的机制。 示例通路：
糖酵解 / 糖异生（Glycolysis / Gluconeogenesis） 三羧酸循环（TCA Cycle） 脂肪酸合成（Fatty Acid Synthesis） 2. Genetic Information Processing（遗传信息处理）
描述：涉及 DNA 和 RNA 的合成、修复、复制、转录和翻译等过程。这一分类帮助理解基因如何被表达和调控，以及如何应对 DNA 损伤等应激条件。 应用场景：在基因编辑、基因治疗、癌症研究等领域有重要应用。例如，研究 DNA 修复机制有助于开发新的抗癌药物。 示例通路：
DNA 复制（DNA Replication） RNA 转录（Transcription） 蛋白质合成（Protein Synthesis） 3. Environmental Information Processing（环境信息处理）
描述：包括信号转导、膜运输等过程，这些过程帮助细胞感知和响应外界环境变化，如激素信号、神经信号、离子通道等。 应用场景：在神经科学、内分泌学、植物学等领域有广泛应用。例如，研究胰岛素信号转导通路可以深入了解糖尿病的发病机制。 示例通路：
胰岛素信号转导（Insulin Signaling Pathway） 神经递质释放（Neurotransmitter Release） 钙信号通路（Calcium Signaling Pathway） 4. Cellular Processes（细胞过程）
描述：涉及细胞的生命周期、细胞死亡、细胞周期、细胞骨架等基本细胞过程。这些通路描述了细胞如何生长、分裂、迁移和凋亡。 应用场景：在细胞生物学、发育生物学、癌症研究等领域有重要应用。例如，研究细胞周期调控机制有助于开发新的抗癌药物。 示例通路：
细胞周期（Cell Cycle） 细胞凋亡（Apoptosis） 细胞骨架重组（Cytoskeleton Remodeling） 5. Organismal Systems（生物体系统）
描述：涵盖多细胞生物的系统级功能，如免疫系统、循环系统、神经系统等。这些通路描述了生物体各个系统之间的协调和功能。 应用场景：在系统生物学、生理学、病理学等领域有广泛应用。例如，研究免疫系统通路可以深入了解自身免疫疾病和感染性疾病。 示例通路：
免疫系统（Immune System） 循环系统（Circulatory System） 神经系统（Nervous System） 6. Human Diseases（人类疾病）
描述：整合了与人类疾病相关的基因、通路和化合物信息。这一分类帮助研究人员理解疾病的分子机制，开发新的诊断和治疗方法。 应用场景：在医学研究、药物开发、临床诊断等领域有重要应用。例如，研究癌症相关的通路可以开发新的抗癌药物。 示例通路：
癌症（Cancer） 糖尿病（Diabetes） 心血管疾病（Cardiovascular Diseases） 7. Drug Development（药物开发）
描述：涉及药物靶点、药物作用机制、药物代谢等信息。这一分类帮助研究人员设计和开发新的药物，优化药物疗效和减少副作用。 应用场景：在药理学、药物化学、临床药理学等领域有重要应用。例如，研究药物代谢通路可以优化药物的剂量和给药频率。 示例通路：
药物代谢（Drug Metabolism） 药物靶点（Drug Targets） 药物作用机制（Mechanism of Action） 这些分类为研究人员提供了一个全面的视角，帮助他们从分子水平到系统水平理解生物过程和疾病机制，从而推动生物医学研究和药物开发。
来绘制一下上面那个图
使用前面做过的一个芯片数据的差异结果吧：2万个基因少一半也不影响最后的差异分析富集结果啊？
rm(list=ls())
library(ggplot2)
library(clusterProfiler)
library(org.Hs.eg.db)
deg <- read.csv("GSE17351/DEG.csv")
head(deg)
table(deg$g)
# 挑选显著差异暴打基因
deg <- deg[deg$g!="stable", ]
# symbol 转entrzid
df <- bitr(unique(deg$name), fromType = "SYMBOL",
toType = c( "ENTREZID"),
OrgDb = org.Hs.eg.db)
# 富集
kk <- enrichKEGG(gene = df$ENTREZID,
organism = 'hsa',
pvalueCutoff = 0.9,
qvalueCutoff =0.9)
kk <- DOSE::setReadable(kk, OrgDb='org.Hs.eg.db', keyType='ENTREZID')#按需替换
barplot(kk)
head(kk)[,1:6]
可以看到，在新版的clusterProfiler包中，是已经包含了KEGG通路的分类信息的：
category：为level A，总共有7大类 subcategory：为level B，为7大类下面的更加细分一点的类别 ID：为level C，为第三大类别，也即KEGG Pathway数据库中最详细的一层，就是通路本身。
现在绘图吧：
# 选取每个 category 类别中的top5通路进行绘图
library(dplyr)
dat_top5 <- dat %>%
group_by(category) %>%
slice_head(n = 5) %>%
ungroup()
colnames(dat_top5)
g_kegg <- ggplot(dat_top5, aes(y=Description, x=Count, fill=category)) +
geom_bar(stat="identity",width = 0.6) +
scale_x_continuous(name ="Relative abundance(%)") +
scale_y_discrete(name ="KEGG Pathway") +
ggtitle("KEGG Enrichment") +
theme(panel.background = element_rect(fill = "white",colour='black'),
panel.grid.major = element_line(color = "grey",linetype = "dotted",size = 0.3),
panel.grid.minor = element_line(color = "grey",linetype = "dotted",size = 0.3),
title = element_text(colour='black', size=20,face = "bold"),
axis.ticks.length = unit(0.4,"lines"),
axis.ticks = element_line(color='black'),
axis.line = element_line(colour = "black"),
axis.title.x=element_text(colour='black', size=20,face = "bold"),
axis.title.y=element_text(colour='black', size=20),
axis.text.x=element_text(colour='black',size=20),
axis.text.y = element_text(color = "black",size = 16),
legend.position = "none",
strip.text.y = element_text(angle = 0,size = 12,face = "bold")) +
facet_grid(category~.,space = "free_y",scales = "free_y")
g_kegg
ggsave(g_kegg,width =16,height =16,filename = 'KEGG_barplot_class.pdf' )
结果如下：
友情宣传：
