本文转载自嘉因微信公众号，已获得授权。查看最新文章，敬请关注嘉因，微信ID：rainbow-genome

作者：小哈   来源： 嘉因

文末有福利！

小伙伴儿看题目就猜到了

没错，小哈也是那个拽的不要不要的Y叔的粉丝。

上次发帖说不懂生信，不装Linux，也能Run代码—Windows系统的Linux命令行工具Babun（此处有链接，点击查看），公开代码的国际项目之一就是著名的TCGA：

TCGA Workflow: Analyze cancer genomics and epigenomics data using Bioconductor packages [version 2; referees: 1 approved, 2 approved with reservations]

发表在那个遍地是牛的F1000Research上。

打开全文一看，不得了，一共20幅图，其中3幅是用Y叔的ChIPseeker画的，占15%，原来TCGA里藏了Y叔的粉丝！！！

TCGA用clusterProfiler转换了注释ID

TCGA用ChIPseeker画了这3幅图

审稿人圈儿里力推的最靠谱富集分析工具——clusterProfiler

居然也是Y叔写的！

拜服！

它能画出这种图

为啥说它做富集分析最靠谱呢？

1. 算法最靠谱。

看哪个通路是否富集，需要卡P值，P值的计算是关键。

clusterProfiler做富集分析用的是基于差异基因列表的超几何分布，同时支持GSEA这种全表达谱分析的算法。

详见Y叔对比帖：

Comparison of clusterProfiler and GSEA-P

用超几何分布算法计算P值需要基因注释信息、候选基因列表和背景基因列表。

通俗的讲，如果参与某一通路的基因在候选基因（差异表达基因）列表里占的比例很大，而在背景基因（整个基因组）列表中占的比例很小，那么这个通路在候选基因列表中就是富集的。这两个比例相差越多，P值越低。

clusterProfiler用基因组中有注释的基因做背景基因列表；

有的工具用基因组上所有的基因做背景，无注释的基因也算在内。

详见Y叔吐槽帖：

why clusterProfiler fails

如果追求低P值，觉得P值很低很低才好看，那就用后者；

如果追求真理，就用clusterProfiler；

审稿人追求哪种呢？

2. 注释最全，注释最新。

最全。clusterProfiler支持GO、KEGG、MSigDB、DAVID、DOSE， meshes，ReactomePA，还支持用户自己的注释数据。

怪不得TCGA用clusterProfiler来转换注释ID呢！

引用Y叔公众号里的一个例子：

GO注释

KEGG注释

最新。2012年开始，KEGG对数据库下载收费，大量的工具使用的都是2012年以前的数据。所幸KEGG的在线检索一直是免费的，clusterProfiler使用的是在线检索http得到的最新数据。

掐指一算，clusterProfiler得到的富集分析结果领先同行整整五年。

让我们追忆一下五年来通路中的研究进展。。。

3. 展示方式最符合生物人的逻辑分析习惯。

小哈最喜欢下面这种展示方式，各种treatment，上调的、下调的基因富集在哪些通路上，富集程度如何，对比，一目了然。

而且他用了红配蓝，为什么高分文章喜欢红配蓝（此处有链接）？