外觀
基因註解與功能富集 (Annotation & Functional Enrichment)
將 gene ID 轉換為 gene symbol、Entrez ID 等可解讀 annotation,並使用 ORA/GSEA 解讀差異表現基因的 pathway 與 biological process。
本節使用模擬資料示範分析流程,結果不代表真實生物學研究發現。
基因註解
RNA-seq 結果常以 Ensembl gene ID 為 row names,但報告與 enrichment 常需要 gene symbol 或 Entrez ID。
| Identifier | Example | Notes |
|---|---|---|
| Ensembl gene ID | ENSG00000141510 | 版本 suffix 如 .17 需小心 |
| Ensembl transcript ID | ENST00000269305 | transcript-level quantification 主鍵 |
| Entrez ID | 7157 | KEGG/clusterProfiler 常用 |
| Gene symbol | TP53 | 易讀但可能 duplicate/deprecated |
常見問題:
- Version suffix:
ENSG00000141510.17與 annotation DB 的ENSG00000141510不匹配。 - One-to-many mapping:一個 ID 可能對到多個 symbol 或 Entrez。
- Deprecated symbol:舊 symbol 可能無法映射。
- Duplicate symbol:不同 Ensembl genes 可能共享 symbol,heatmap row label 會混淆。
- Annotation database version:不同版本會造成結果差異。
AnnotationDbi
r
library(AnnotationDbi)
library(org.Hs.eg.db)
gene_ids <- sub("\\..*$", "", rownames(count_mat))
symbols <- mapIds(
org.Hs.eg.db,
keys = gene_ids,
keytype = "ENSEMBL",
column = "SYMBOL",
multiVals = "first"
)
annotation <- data.frame(
gene_id = rownames(count_mat),
ensembl_id_no_version = gene_ids,
gene_symbol = unname(symbols)
)biomaRt
r
library(biomaRt)
mart <- useEnsembl("genes", dataset = "hsapiens_gene_ensembl")
annot <- getBM(
attributes = c("ensembl_gene_id", "hgnc_symbol", "entrezgene_id"),
filters = "ensembl_gene_id",
values = unique(gene_ids),
mart = mart
)提示:對 downstream DE table,保留 unmapped genes 比直接丟掉更安全。可新增
gene_symbol欄位,但主鍵仍用 stable gene ID。
功能富集分析 (Functional Enrichment)
Functional enrichment 把 gene-level 結果轉成 biological process、pathway 或 gene set 層級。
| Method | Input | Question |
|---|---|---|
| ORA | 顯著基因清單 + background universe | 顯著基因是否在某些 gene set 過度出現? |
| GSEA | 全部 genes 的排序分數 | 某 gene set 是否集中在排序頂端或底端? |
常見資料庫:
- GO:BP biological process、CC cellular component、MF molecular function。
- KEGG:pathway maps。
- Reactome:curated biological pathways。
重要概念:
| Concept | Why it matters |
|---|---|
| Gene universe | ORA 背景應是實際進入差異分析的 genes |
| Ranking metric | GSEA 可用 signed statistic、logFC 或 signed -log10 p |
| Gene set size | 太小不穩,太大不具體 |
| Multiple testing | pathway 也需要 FDR correction(見 多重檢定) |
| Redundant pathways | GO term 彼此重疊,需要 simplify/emapplot 輔助 |
| Directionality | ORA 對上調/下調需分開做;GSEA 可保留方向 |
注意:ORA 的背景集合不應任意使用全基因組。正確背景通常是「通過 filtering 且實際進入 DE model 的 genes」,否則會因可偵測性偏差而產生錯誤富集。
clusterProfiler ORA
本節的 ORA 與 GSEA 程式碼以 clusterProfiler 4.20 在 airway 資料集(DESeq2 結果)上實跑;GSEA 的排序建議用
stat(Wald 統計量)而不只用 logFC,並設定seed = TRUE讓置換結果可重現。
r
library(clusterProfiler)
library(org.Hs.eg.db)
library(enrichplot)
sig_symbols <- de$gene_symbol[de$FDR < 0.05 & abs(de$logFC) >= 1]
universe_symbols <- tested_genes$gene_symbol
sig_entrez <- bitr(sig_symbols, fromType = "SYMBOL", toType = "ENTREZID", OrgDb = org.Hs.eg.db)
universe_entrez <- bitr(universe_symbols, fromType = "SYMBOL", toType = "ENTREZID", OrgDb = org.Hs.eg.db)
ego <- enrichGO(
gene = unique(sig_entrez$ENTREZID),
universe = unique(universe_entrez$ENTREZID),
OrgDb = org.Hs.eg.db,
ont = "BP",
keyType = "ENTREZID",
pAdjustMethod = "BH",
pvalueCutoff = 0.05,
qvalueCutoff = 0.2,
minGSSize = 10,
maxGSSize = 500,
readable = TRUE
)
dotplot(ego, showCategory = 15)
barplot(ego, showCategory = 15)
cnetplot(ego, showCategory = 5)
emapplot(pairwise_termsim(ego))KEGG:
r
ekegg <- enrichKEGG(
gene = unique(sig_entrez$ENTREZID),
universe = unique(universe_entrez$ENTREZID),
organism = "hsa",
pAdjustMethod = "BH"
)GSEA
r
ranked <- de[!is.na(de$logFC) & !is.na(de$gene_symbol), ]
ranked <- ranked[!duplicated(ranked$gene_symbol), ]
map <- bitr(ranked$gene_symbol, fromType = "SYMBOL", toType = "ENTREZID", OrgDb = org.Hs.eg.db)
ranked <- merge(ranked, map, by.x = "gene_symbol", by.y = "SYMBOL")
gene_list <- ranked$logFC
names(gene_list) <- ranked$ENTREZID
gene_list <- sort(gene_list, decreasing = TRUE)
ggo <- gseGO(
geneList = gene_list,
OrgDb = org.Hs.eg.db,
ont = "BP",
pAdjustMethod = "BH",
minGSSize = 10,
maxGSSize = 500
)GSEA 不需要先切顯著基因,但非常依賴 ranking metric。若使用 logFC,會強調 effect size;若使用 signed statistic,會同時考慮 uncertainty。

圖 1. GO enrichment dotplot。x 軸 gene ratio 代表 gene set 中命中的比例,點大小常代表 count,顏色代表 adjusted significance。

圖 2. GO enrichment barplot。barplot 容易讀,但較難呈現 gene set size 與 overlap,應搭配 dotplot、cnetplot 或 emapplot。
結果解讀:
- 不要把 enriched term 解讀成所有 genes 都同向改變,除非分析已分上/下調或使用 GSEA direction。
- redundant GO terms 需合併或挑選代表 term。
- pathway 結果是 hypothesis generation,不是機制證明。