获取msigdb所有通路或者特定通路、基因代码

生信菜鸟团 · 公众号 · 生物 · 2024-10-26 10:00

主要观点总结

本文介绍了MSigDB数据库的内容及其使用方法，并列举了MSigDB数据集的主要分类及其含义、分类理由和用途。

关键观点总结

关键观点1: MSigDB数据库简介及功能

MSigDB是一个包含各种生物学通路和基因集的数据库，用于基因表达数据的功能注释和解释。

关键观点2: MSigDB数据集的主要分类及其含义

MSigDB数据集分为C1-C10共10个主要类别，每个类别包含不同类型的基因集，这些基因集可用于探索疾病机制、寻找潜在治疗靶点、研究基因调控网络等。

关键观点3: MSigDB数据集分类的理由和用途

分类理由基于基因的物理位置、化学或基因干扰后的表达变化、序列特征、预定义的生物学通路、GO注释、人类疾病表型等因素。这些基因集可用于不同的生物学研究，如研究特定染色体区域的基因表达模式、探索化学物质或基因干扰对基因表达的影响、研究转录因子和其他调控蛋白如何影响基因表达等。

正文

‍ ‍

MSigDB (Molecular Signatures Database) 是一个广泛使用的数据库，包含了各种生物学通路和基因集，用于基因表达数据的功能注释和解释。MSigDB的数据集分为多个类别，每个类别包含不同类型的基因集，这些基因集可以用来进行各种生物学和医学研究。

1.获取msigdb所有通路或者特定通路、基因代码

#2提取并制备人的human|mouse列表---------if(T){  msigdbr::msigdbr_collections()  all_gene_sets_hs = msigdbr::msigdbr(species = "Homo sapiens") #Mus musculus  Homo sapiens ,category = "C2",subcategory = "CP"  dim(all_gene_sets_hs)  #saveRDS(all_gene_sets_hs,file="~/datasets/all_gene_sets_hs_msigdb.rds")
  all_gene_sets_hs = msigdbr::msigdbr(species = "Mus musculus" ) #Mus musculus  Homo sapiens  dim(all_gene_sets_hs)  #saveRDS(all_gene_sets_hs,file="~/datasets/all_gene_sets_mm_msigdb.rds")  all_gene_sets_hs   table(all_gene_sets_hs$gs_subcat)  table(all_gene_sets_hs$gs_cat)

  #假设我们这里想要寻找的是APOPTOSIS相关通路
  #pattern参数内输入想要寻找的关键词，这里用的是"APOPTOSIS"
  h2 
  length(unique(h2$gs_name))#查看唯一通路
  length(unique(h2$human_gene_symbol))#查看所有通路中的唯一基因  length(unique(h2$gene_symbol))#查看所有通路中的唯一基因  table(h2$gs_subcat)  #table(h2$gs_name)  library(dplyr)  h2[h2$gs_cat=='C3'  ,] %>% .$gs_subcat %>% table()

   h2[h2$gs_cat=='C3'  &        h2$gs_subcat=='TFT:GTRD' | h2$gs_subcat=='TFT:TFT_Legacy'        ,] %>% .$gs_subcat %>% table()
  table(h2$gs_subcat)
  getwd()  #openxlsx::write.xlsx(h2,"allPathway.xlsx")#保存结果   #save(h2,file = "allPathway.rds")

  # 3将数据转换为嵌套列表------------  nested_list %    group_by(gs_cat, gs_name) %>%    summarise(gene_symbol = list(gene_symbol), .groups = 'drop') %>%    group_by(gs_cat) %>%    summarise(gs_name = list(set_names(gene_symbol, gs_name)), .groups = 'drop') %>%    deframe()
  # 查看结果  # nested_list$C1[[1]]  # head(names(nested_list$C1))


  #4 加载silicosis空转数据----  # h2_list=split(x = h2$gene_symbol,f=h2$gs_name )  # h2_list  load("~/silicosis_spatial/d.all.rds")
  DefaultAssay(d.all)="SCT"  d.all=SCTransform(d.all,vars.to.regress = "stim",assay = "Spatial")  dim(d.all)
  # SpatialFeaturePlot(d.all,features = 'Mmp12')  # 
  #head([email protected])
  mygenes=nested_list

}

2 MSigDB数据集的主要分类及其含义、分类理由和用途：

1. C1: CGN (Chromosomal Location)

含义：包含基因在染色体上的物理位置，通常根据染色体带区进行分类。
分类理由 ：基于基因在染色体上的位置，方便研究染色体区域与特定疾病或表型的相关性。
用途：用于研究特定染色体区域的基因表达模式，以及这些区域的基因在疾病中的作用。

2. C2: CGP (Chemical and Genetic Perturbations)

含义：包含基因集，基于对细胞或有机体进行化学或基因干扰后的表达变化。
分类理由 ：根据基因在化学处理（如药物）或基因操作（如基因敲除、过表达）后的反应进行分类。
用途：用于研究化学物质或基因干扰对基因表达的影响，探索潜在的治疗靶点。

3. C3: CM (Motif Gene Sets)

含义：基于共表达基因的共有序列模式（如转录因子结合位点）。
分类理由 ：根据基因的序列特征和转录调控元件进行分类。
用途：研究转录因子和其他调控蛋白如何影响基因表达。

4. C4: CP (Canonical Pathways)

含义：由公共数据库（如BIOCARTA、KEGG、PID、REACTOME、WIKIPATHWAYS）提供的标准生物学通路。
分类理由 ：根据预定义的生物学通路进行分类。
用途：研究细胞内信号传导、代谢路径和其他生物学过程。

5. C5: GO (Gene Ontology)

含义：基于基因本体论（GO）注释，包括生物过程（GO）、细胞组分（GO）和分子功能（GO）。
分类理由 ：根据GO注释提供的基因功能分类系统进行分类。
用途：研究基因在不同生物过程、细胞组分和分子功能中的作用。