问题描述
我正在尝试在 R 中运行 GO 分析(我从未做过这种分析,所以我正在尝试不同的包),并且我正在努力寻找 goseq 包中我的代码的问题。
de.genes <- rownames(res)[ which(res$padj < fdr.threshold & !is.na(res$padj)) ]
然后我尝试运行此代码(基于小插图的第 7 页 (https://bioconductor.org/packages/devel/bioc/vignettes/goseq/inst/doc/goseq.pdf)
pwf <- nullp(de.genes,"hg38","genesymbol")
但我收到以下错误:
Can't find hg38/genesymbol length data in genLenDataBase...
Found the annotation package,TxDb.Hsapiens.UCSC.hg38.kNownGene
Trying to get the gene lengths from it.
Error in if (matched_frac == 0) { : missing value where TRUE/FALSE needed
In addition: Warning message:
In grep(txdbPattern,installedPackages):argument 'pattern' has length > 1 and only the first element will be used
我发现这个论坛:https://support.bioconductor.org/p/38580/ 说我需要一个“指标变量”,但我不知道这是什么。
对于此错误的任何帮助将不胜感激,或者如果您知道任何其他易于学习的 GO 包。谢谢!
解决方法
您可以查看支持的数据库,hg38 不是其中之一:
library(org.Hs.eg.db)
library(goseq)
supported[grep("hg38|hg19",supported$Genome),]
Genome Id Id Description Lengths in geneLeneDataBase
4 hg19 knownGene Entrez Gene ID TRUE
36 hg19 ensGene Ensembl gene ID TRUE
81 hg19 geneSymbol Gene Symbol TRUE
98 hg38 FALSE
GO Annotation Available
4 TRUE
36 TRUE
81 TRUE
98 TRUE
您可以通过使用 hg19 大致了解它的外观,您会发现一些缺失或无法匹配的内容应该没问题。你需要有一个二元向量,它应该被命名,例如:
set.seed(111)
allgenes = keys(org.Hs.eg.db,keytype="SYMBOL")
de.genes = rbinom(100,1,0.3)
names(de.genes) = sample(allgenes,100)
看起来像这样:
GALNT5 TPRKB CD48 OR52R1 LOC105372708 LOC112163649
0 1 0 0 0 0
LOC105369203 LOC110121115 LOC105377654 LOC105371502 LOC101929964 HPC14 0 0 0 0 0 0 IGHD4-17 LOC101927993 HINT1 BCC3 RPL18P3 LOC108281192 0 0 0 0 0 1 RNU6-793P 六月 0 0
这样就可以了:
res = nullp(de.genes,"hg19","geneSymbol")