Science杂志高颜值GSEA打分排序图

前面给大家介绍过一个高颜值富集分析结果展示图： 一种很新的功能富集结果展示方法 。今天来还是来复现这篇 2024 年 6 月份发表在 顶刊 science 杂志上的文献《 Defining the KRAS- and ERK-dependent transcriptome in KRAS-mutant cancers 》中另一个富集分析GSEA结果图，图片以及含义如下：

含义： 作者对 KRAS versus NS siRNA 处理的 PDAC 细胞系差异基因进行 GSEA 分析，基因集为 50 个 Hallmark gene sets 。然后取每条通路的 NES 打分从高到低进行排序，并绘制散点图。 点的大小 为 Detection：应该为每个通路中基因在所有样本中表达的 count 大于 5 的占比（我们这里并没有表达矩阵，就用基因集大小替代好了）。 点的颜色 为通路显著性：-log10 pvalue。

图注：

Fig. 1. Establishment and evaluation of a KRAS dependent gene expression program in KRAS-mutant PDAC. (C) GSEA for 50 Hallmark gene sets within DEGs after KRAS siRNA treatment. Detection is based on the presence of a gene in all eight PDAC cell lines at >5 reads.

关于可不可以用差异基因进行GSEA分析，我们前面讨论过： IF10+杂志文章只用统计学显著的差异基因做GSEA就合理吗？

数据背景介绍

1、PDAC细胞系KRAS siRNA RNA测序

为了确定 KRAS 依赖性转录组，作者对一组八个人类 KRAS 突变型 胰腺导管腺癌PDAC的细胞系在经过 24 小时 KRAS 小干扰 RNA（siRNA）处理后的基因转录变化（图 S1A 和 B）进行了 RNA 测序（RNA-seq）。数据可在这里下载： PRJNA980201 https://www.ebi.ac.uk/ena/browser/view/PRJNA980201?show=related-records。

Note：

• NS缩写：control non-specific ("NS") siRNA。

• KRAS siRNA是一种小干扰RNA（siRNA），通过特异性靶向KRAS基因的mRNA，从而抑制其表达，达到治疗KRAS突变肿瘤的目的。

差异分析结果如下：The 677 KRAS-dependent (UP) and 1051 KRAS-inhibited (DN) genes ( log2FC > 0.5, adj. p < 0.05 ) are indicated by the light blue– and light red–shaded rectangles underlaid on plot, respectively。

差异结果在表格S1： Data S1. Differential expression statistics for genes in KRAS versus NS siRNA treated PDAC cells, using RNA-sequencing。

2、50 Hallmark gene sets

Hallmark 通路可以在GSEA 的 MSigDB 数据库去下载 gmt 格式： https://www.gsea-msigdb.org/gsea/msigdb/human/collections.jsp

GSEA分析

GSEA的输入数据为差异基因排序列表，排序指标为log2FC值：

1、读取数据

rm(list=ls())
# 加载R包
library(ggplot2)
library(tibble)
library(ggrepel)
library(tidyverse)
library(dplyr)
library(patchwork)

##### 01、加载数据

# 加载：KRAS vs NS siRNA（log2FC）
group1 "./data/science.adk0775_data_s1.csv" )
head(group1)

# 提取FDR值和FC值
group1 "external_gene_name","logFC","FDR" )]
group1 $external_gene_name!="", ]
group1 rownames(group1) $external_gene_name
head(group1)

# 增加一列上下调：log2FC > 0.5, adj. p 
group1$g1 "normal"
group1$g1[group1$logFC >0.5 & group1$FDR "up"
group1$g1[group1$logFC $FDR "down"
table(group1$g1)
# down normal     up 
# 675  12876   1043 

# 获得差异基因
DEGs $g1!="normal",]
head(DEGs)

# 得到排序列表
DEGs $logFC, decreasing = T),]
genelist $logFC
names(genelist) $external_gene_name
head(genelist)
# NPPC   SMTNL2    KCNK3     CHPF PCDHGA12  EXOC3L1 
# 2.860472 2.712068 2.551034 2.536558 2.499657 2.446140

tail(genelist)

得到 1718个差异基因：

2、读取 50 Hallmark gene sets 通路并富集：

## === HALLMARK通路富集
geneset "data/h.all.v2024.1.Hs.symbols.gmt")
table(geneset$term)
geneset$term "HALLMARK_","", geneset$term)

# 运行,输出全部结果
egmt colnames(egmt@result)
head(egmt[, 1:6])

3、使用 ggplot2 定制化绘图

取出绘图需要的列，并进行相关设置：

# 绘图
data "ID", "NES","setSize","pvalue")]
data$setSize_1 $setSize/10
head(data)

# 给Y轴的通路名设置为因子，排序
data $NES, decreasing = T),]
data$ID $ID, levels = data$ID)
data$xlab head(data)
summary(data$NES)
summary(data$setSize_1)

# 图中标出的通路名字
label "KRAS_SIGNALING_DN", "INTERFERON_ALPHA_RESPONSE",
  "UV_RESPONSE_DN", "EMT", "TNFA_SIGNALING_VIA_NFKB", "MYC_TARGETS_V2",
  "KRAS_SIGNALING_UP", "MYC_TARGETS_V1", "G2M_CHECKPOINT", "E2F_TARGETS" )

# 没有EMT通路
data_label $ID %in% label,]
data_label
# 图中通路的颜色
data_label$col "black", "grey80","grey80","grey80","grey80","#ffb882","grey80","#ff5eff","#ff5eff")

使用ggplot2绘图：

p   geom_point(aes(size = setSize_1, alpha = -log10(pvalue)), shape = 21, stroke = 0.7,fill = "#0000ff"