Y叔的包更新太频繁了，这个教程已经作废，请不要再照抄了，可以去我们论坛看新的教程：http://www.biotrainee.com/thread-1084-1-1.html

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

setwd("C:\\Users\\Administrator\\Desktop\\ref")

a=read.table("diff_gene.entrez")

require(DOSE)

require(clusterProfiler)

gene=as.character(a[,1])

ego <- enrichGO(gene=gene,organism="human",ont="CC",pvalueCutoff=0.01,readable=TRUE)

ekk <- enrichKEGG(gene=gene,organism="human",pvalueCutoff=0.01,readable=TRUE)

write.csv(summary(ekk),"KEGG-enrich.csv",row.names =F)

write.csv(summary(ego),"GO-enrich.csv",row.names =F)

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差异基因总数的比值

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Term相关的基因数与整个差异基因总数的比值

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