Python下实现Fisher富集分析方法

接下来我们介绍下如何通过 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。Python下实现Fisher富集分析方法Fisher's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GOTerm），如表:ADR基因 非ADR基因 合计功能基因集 n11 n12 M非功能基因集n21非功能基因集n21n22合计注示：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.。Fisher's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:x.1p=1-xi=0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显者基因非drug显者基因合计功能基因集niini2M非功能基因集“21“22N—M合计KN—KN（全基因组个数）miRNA靶基因非miRNA靶基因合计功能基因集niini2M非功能基因集n21n22N—M合计KN—KN（所有miRNA靶基因个数）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：FileEditFormatRunOptionsWindowsHelprrom futureimportdivision=tscipy.statsipj广匚二fisherexact,hypergeom,binom_r.'.o?2：tnrnrtpy己三np-ronrandom:rportshuffleL?.-.pz?i-roperator7.irp；'?-trandoin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,pathnonpathinterest ab num_interestgeneinterest ab num_interestgenenoninterest cnum_allgene-num」nterestgenenoninterest cnum_spnum_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spinallpdth:num_sp=len(sp)-1|a=len(set(sp)&set(genelist))b=num_interestgene-ac=nuin_sp-apvalue=fisherexact(Ila,Id'y[c,d]]][1'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ifpvalue<0.05:print(sp[O]+'\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GOterm,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■~~ 口we(匚vJ:|'pv==[]；return[]m■ion(pv)args,pv=zip(*sort皀df亡num皀r且七上(pv)『 operator*itemgetter(1)))ifpv[0]<Dc-r >1:Yn丄usErroj：(1,p-va丄u匕sTustbebetween0andI1')qvalues-m* [D：aiincceff-pv[-ll^valuesfarjs[111=mincoeft「ijxrsnge(m-2^-1^-1)icoe££-