一：下载安装该R包
clusterProfiler是业界很出名的YGC写的R包，非常通俗易懂，也很好用，可以直接根据cuffdiff等找差异的软件找出的差异基因entrez ID号直接做好富集的所有内容；
Bioconductor网站上面有关于它的介绍，按照上面说的方式来安装即可
http://www.bioconductor.org/packages/release/bioc/html/clusterProfiler.html
source(“http://bioconductor.org/biocLite.R”);biocLite(“clusterProfiler”)
二、输入数据
diff_gene.entrez文件，是通过各种差异基因软件找出来的差异基因的entrez ID号列表，每一个ID号一行，几百个差异基因就几百行
三、R语言代码
1 2 3 4 5 6 | setwd(“C:\\Users\\Administrator\\Desktop\\ref”) a=read.table(“diff_gene.entrez”) require(DOSE) require(clusterProfiler) gene=as.character(a[,1]) ego |
四、输出文件解读
看得懂R语言的都知道，这个代码输出了两个文件KEGG-enrich.csv和GO-enrich.csv，就是我们的GO和KEGG富集的结果，其中内容如下
上述表格为差异基因的Gene Ontology富集分析结果表格。
GO ID: Gene Ontology数据库中唯一的标号信息
Description ：Gene Ontology功能的描述信息
GeneRatio：差异基因中与该Term相关的基因数与整个该Term的总基因数的比值
BgRation：所有（ bg）基因中与该Term相关的基因数与所有（ bg）基因的比值
pvalue: 富集分析统计学显著水平，一般情况下， P-value < 0.05 该功能为富集项
p.adjust 矫正后的P-Value
qvalue：对p值进行统计学检验的q值
Count：差异基因中与该Term相关的基因数
上述表格为差异基因的KEGG Pathway富集分析结果表格。
ID： KEGG 数据库中通路唯一的编号信息。
Description ：Gene Ontology功能的描述信息
GeneRatio：差异基因中与该ID相关的基因数与整个该Term的总基因数的比值
BgRation：所有（ bg）基因中与该ID相关的基因数与所有（ bg）基因的比值
pvalue: 富集分析统计学显著水平，一般情况下， P-value < 0.05 该功能为富集项
p.adjust 矫正后的P-Value
qvalue：对p值进行统计学检验的q值
Count：差异基因中与该Term相关的基因数
原文来自：http://www.bio-info-trainee.com/370.html
