R语言shiny如何实现简单的GO富集分析

这篇文章主要介绍“R语言shiny如何实现简单的GO富集分析”，在日常操作中，相信很多人在R语言shiny如何实现简单的GO富集分析问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”R语言shiny如何实现简单的GO富集分析”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

创新互联提供成都网站建设、成都网站制作、网页设计，成都品牌网站建设，广告投放等致力于企业网站建设与公司网站制作，十年的网站开发和建站经验,助力企业信息化建设，成功案例突破成百上千家,是您实现网站建设的好选择.

模仿的是 https://github.com/sk-sahu/sig-bio-shiny

基本功能是用户输入

gene id
pvalue
qvalue

然后分别把

以表格输出，

汇总结果下载（压缩文件）
go富集结果的dotplot

代码

代码中 cc和mf结果表格输出的逻辑没有写，和bp是完全一样的

library(shiny)
ui<-navbarPage("Pomegranate",
              tabPanel("Gene Ontology",
                       sidebarLayout(sidebarPanel(width=2,
                                                  textAreaInput("text_area_list",
                                                                label = "Please input protein id, one per line",
                                                                height = "200px",
                                                                width="180px",
                                                                value="Pg00001\nPg00002"),
                                     selectInput("id_type",label = "Input gene-id Type",
                                                 selected = "ensembl",
                                                 choices = c('ensembl','refseq','entrezid')),
                                     helpText("Please"),
                                     numericInput('pval_cutoff',label="pvalue-Cutoff",
                                                  value = 1,min=0.001,max=1,step=0.001),
                                     numericInput("qval_cutoff",label="qvalue-Cutoff",
                                                  value=1,min=0.001,max=1,step=0.001),
                                     actionButton('submit',label = 'Submit',
                                                  icon=icon('angle-double-right')),
                                     tags$hr()),
                                     mainPanel(helpText("ABC"),
                                               downloadButton('download_plot',label = "Download results plot"),
                                               downloadButton('download_table',label="Download result table"),
                                               textOutput("gene_number_info"),
                                               tags$br(),
                                               tags$br(),
                                               tabsetPanel(
                                                 tabPanel("Biological Process",DT::dataTableOutput(outputId="table_go_bp")),
                                                 tabPanel("Cellular Component",DT::dataTableOutput(outputId = "table_go_cc")),
                                                 tabPanel("Molecular Functions",DT::dataTableOutput(outputId = 'table_go_mf')),
                                                 tabPanel("dotplot",plotOutput('dot_plot_go'))
                                               )))))
server<-function(input,output){
 observeEvent(input$submit,{
   withProgress(message = 'Steps:',value=0,{
     incProgress(1/7,detail = "A")
     text_area_input<-input$text_area_list
     print(text_area_input)
     df<-as.data.frame(matrix(unlist(stringr::str_split(text_area_input,"\n")),ncol=1))
     colnames(df)<-"protein_id"
     print(dim(df))
     input_gene_number<-dim(df)[1]
     output$gene_number_info<-renderText({
       paste("Done!","Total Number of Input genes:",input_gene_number,sep="\n")
     })
     incProgress(2/7,detail = "B")
     library(clusterProfiler)
     enrichGO_res<-enrichGO(gene=df$protein_id,
                            OrgDb = 'org.Hs.eg.db',
                            ont="all",
                            pvalueCutoff = input$pval_cutoff,
                            qvalueCutoff = input$qval_cutoff)
     go_enricher_res<-enrichGO_res@result
     go_bp<-go_enricher_res[go_enricher_res$ONTOLOGY == "BP",]
     output$table_go_bp<-DT::renderDataTable({
       go_bp
     })
     incProgress(3/7,detail="plot")
     output$dot_plot_go<-renderPlot({
       p1<-dotplot(enrichGO_res)
       print(p1)
     })
     incProgress(4/7,detail = "OK")
     go_plot_download<-reactive({
       dotplot(enrichGO_res)
     }
     )
     output$download_plot<-downloadHandler(
       filename = function(){
         paste("go_dot_plot.png",sep='')
       },
       content = function(file){
         ggplot2::ggsave(file,plot=go_plot_download(),device = 'png',width=12,height = 10)
       }
     )
     output$download_table<-downloadHandler(
       filename = function(){
         paste0("ABC.zip")
       },
       content = function(file){
         fs<-c('go_results.tsv')
         write.table(go_enricher_res,file="go_results.tsv",sep="\t",row.names = F)
         zip(zipfile = file,files=fs)
       },
       contentType = "application/zip"
     )
   })
 })
 }

shinyApp(ui,server)

界面是这样子的

用于做测试的 id (人)

结果

到此，关于“R语言shiny如何实现简单的GO富集分析”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！

当前文章：R语言shiny如何实现简单的GO富集分析
文章出自：http://scyanting.com/article/jsjhod.html

R语言shiny如何实现简单的GO富集分析

其他资讯