python下实现fisher富集分析方法.docxVIP

Python下实现Fisher富集分析方法 Fishers精确概率方法利用超几何分布的原理推断每个基因集中的目标基因（ADR基因）的比例是否与整个基因组中目标基因（ADR基因）的比例相同。包括2个原假设：①基因是否目标基因（ADR基因）；②基因是否属于的功能基因集（如GO Term），如表： ADR基因 非ADR基因 合计 功能基因集 M 非功能基因集 N－M 合计 K N－K N 注示：N表示全基因组中基因总数；M表示功能基因集中的基因个数，K表示ADR基因数目.。Fishers得分表示k个ADR基因中至少有x个被功能基因集注释的概率： 例如我们要研究药物相关基因和功能term之间的相关性，可以利用下面两种情况 Drug显著基因 非drug显著基因 合计 功能基因集 M 非功能基因集 N－M 合计 K N－K N（全基因组个数） miRNA靶基因 非miRNA靶基因 合计 功能基因集 M 非功能基因集 N－M 合计 K N－K N（所有miRNA靶基因个数） 接下来我们介绍下如何通过Python语言利用FISHER精确检验实现功能富集分析。 在Python语言中，Fisher精确检验主要依赖于scipy.stats包以及numpy包，安装和调用命令如下： 假设我们有一个待查基因集，命名为interest，我们想知道这个基因集和通路path之间的相关性，即这个interest基因集是否可以显著富集到通路path中，通路path中包含基因个数为num_sp，另外还有一个背景基因集，即全部的基因个数，命名为num_allgene。接下来就是如何计算四格表， path nonpath interest a b num_interestgene non interest c d num_allgene-num_interestgene num_sp num_allgene-num_sp 这里a为待查基因集和通路基因集的交集，b为不在通路path的待查基因个数，c为不属于interest待查基因的通路基因个数。计算过程如下 a,b,c,d分别为四个表的四个得分值，红圈内的函数即为利用四格表计算的显著性得分。函数fisher_exact()返回的是一个列表，列表第二个值就是我们要的P值了。 最后我们以P小于0.05作为显著性阈值，通过下面命令进行筛选 if pvalue0.05: print (sp[0]+\t+`pvalue`) 以上过程是对于一个通路path而言的，如果对于所有的KEGG通路，或者是GO term，通过一个迭代循环，就可以实现批处理的富集分析。 最后一步就是FDR校正，由于经过对所有KEGG通路或GOterm进行富集分析，fisher精确检验会输出一列P值，往往存在假阳性，因此需要经过FDR校正。这里采用的FDR校正方法为BH校正法。命令如下