2021-03-01 探索 msigdbr 包

> library(msigdbr)
> msigdbr_species()
# A tibble: 11 x 2
   species_name             species_common_name      
   <chr>                    <chr>                    
 1 Bos taurus               cattle                   
 2 Caenorhabditis elegans   roundworm                
 3 Canis lupus familiaris   dog                      
 4 Danio rerio              zebrafish                
 5 Drosophila melanogaster  fruit fly                
 6 Gallus gallus            chicken                  
 7 Homo sapiens             human                    
 8 Mus musculus             house mouse              
 9 Rattus norvegicus        Norway rat               
10 Saccharomyces cerevisiae baker's or brewer's yeast
11 Sus scrofa               pig      
  
> temp=msigdbr(species = "Mus musculus")
> head(temp)
# A tibble: 6 x 17
  gs_cat gs_subcat gs_name entrez_gene gene_symbol human_entrez_ge~
  <chr>  <chr>     <chr>         <int> <chr>                  <int>
1 C3     MIR:MIR_~ AAACCA~      239273 Abcc4                  10257
2 C3     MIR:MIR_~ AAACCA~      109359 Abraxas2               23172
3 C3     MIR:MIR_~ AAACCA~       60595 Actn4                     81
4 C3     MIR:MIR_~ AAACCA~       11477 Acvr1                     90
5 C3     MIR:MIR_~ AAACCA~       11502 Adam9                   8754
6 C3     MIR:MIR_~ AAACCA~       23794 Adamts5                11096
# ... with 11 more variables: human_gene_symbol <chr>, gs_id <chr>,
#   gs_pmid <chr>, gs_geoid <chr>, gs_exact_source <chr>, gs_url <chr>,
#   gs_description <chr>, species_name <chr>, species_common_name <chr>,
#   ortholog_sources <chr>, num_ortholog_sources <dbl>


> a=data.frame(temp[,1],temp[,2])
> table(a)
      gs_subcat
gs_cat           CGN    CGP     CM     CP CP:BIOCARTA CP:KEGG CP:PID
    C1  18362      0      0      0      0           0       0      0
    C2      0      0 363345      0   4343        4761   12525   8017
    C3      0      0      0      0      0           0       0      0
    C4      0  41371      0  47519      0           0       0      0
    C5      0      0      0      0      0           0       0      0
    C6  29262      0      0      0      0           0       0      0
    C7 921461      0      0      0      0           0       0      0
    C8  52047      0      0      0      0           0       0      0
    H    7309      0      0      0      0           0       0      0
      gs_subcat
gs_cat CP:REACTOME CP:WIKIPATHWAYS  GO:BP  GO:CC  GO:MF    HPO
    C1           0               0      0      0      0      0
    C2       84995           25514      0      0      0      0
    C3           0               0      0      0      0      0
    C4           0               0      0      0      0      0
    C5           0               0 630418  92266  99925 352419
    C6           0               0      0      0      0      0
    C7           0               0      0      0      0      0
    C8           0               0      0      0      0      0
    H            0               0      0      0      0      0
      gs_subcat
gs_cat MIR:MIR_Legacy MIR:MIRDB TFT:GTRD TFT:TFT_Legacy
    C1              0         0        0              0
    C2              0         0        0              0
    C3          33873    363011   142328         151761
    C4              0         0        0              0
    C5              0         0        0              0
    C6              0         0        0              0
    C7              0         0        0              0
    C8              0         0        0              0
    H               0         0   
              

http://bioinf.wehi.edu.au/software/MSigDB/

image.png

提取KEGG,GO_BP dataframe

> KEGG_df = msigdbr(species = "Mus musculus",category = "C2",subcategory = "CP:KEGG")
> GO_df = msigdbr(species = "Mus musculus",category = "C5",subcategory = "GO:BP")
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,454评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,553评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,921评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,648评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,770评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,950评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,090评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,817评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,275评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,592评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,724评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,409评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,052评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,815评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,043评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,503评论 2 361
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,627评论 2 350

推荐阅读更多精彩内容