3步搞懂KEGG富集分析的核心逻辑

引言Introduction

做完差异分析后，很多人卡在kegg富集分析。 基因列表有了，却不知道如何转换ID、如何解释通路结果、如何把图做得规范。本文用3步拆解核心逻辑，帮助医学生、医生和科研人员快速建立可复用的分析框架。

1. 先理解kegg富集分析到底在做什么

1.1 从“基因列表”走向“通路解释”

kegg富集分析的目标，不是简单罗列通路名，而是回答一个更关键的问题：这批差异基因是否集中影响了某些已知生物通路。
在实际研究中，常见输入是差异表达基因，输出则是显著富集的KEGG通路。它能帮助你把“基因变化”翻译成“生物学含义”。

以TCGA或单细胞下游分析为例，先得到上调或下调基因，再做富集。这样能更清楚地判断某条通路是被激活，还是被抑制。这一步决定了后续机制讨论是否站得住。

1.2 为什么ID转化是第一道门槛

很多人第一次做kegg富集分析时失败，不是因为算法，而是因为ID不对。
课程提纲里明确给出了转换路径：先把 ENSEMBL 转成 SYMBOL ，再转成 ENTREZID ，因为 enrichGO 和 enrichKEGG 这类函数通常依赖 Entrez ID。

常用代码思路如下：

genelist <- bitr(
  up_genes,
  fromType = 'SYMBOL',
  toType = 'ENTREZID',
  OrgDb = 'org.Hs.eg.db'
)

如果ID映射不完整，后面的富集结果就会缺失。 这会直接影响显著通路数量和可信度。

1.3 先做分组和差异分析，再谈富集

kegg富集分析不是独立步骤。它依赖前面的差异分析。
在课程示例中，先筛选肿瘤样本，再按基因表达分组，最后用 DESeq2 做差异分析。逻辑很清楚：先找出“变化的基因”，再判断这些基因“影响了什么功能”。

典型流程包括：

1. 筛选样本。
2. 提取表达矩阵。
3. 设定分组。
4. 建立 DESeq2 对象。
5. 提取上调或下调基因。
6. 进行通路富集。

没有可靠差异分析，kegg富集分析的解释价值会明显下降。

2. 按标准流程完成kegg富集分析

2.1 环境准备要先清干净

正式分析前，建议先清空环境变量，再加载必要R包。
课程中使用了 tidyverse、DESeq2、clusterProfiler、org.Hs.eg.db、enrichplot、ggplot2、pathview 等包。这个组合已经覆盖了差异分析、ID转换、富集分析和可视化。

rm(list = ls())
library(tidyverse)
library(DESeq2)
library(clusterProfiler)
library(org.Hs.eg.db)
library(enrichplot)
library(ggplot2)
library(pathview)

环境统一，结果才更容易复现。 对科研写作和组内协作尤其重要。

2.2 富集分析核心参数要看懂

在 kegg富集分析 中，最关键的是输入基因、物种和显著性阈值。
课程中给出的写法是：

kk <- enrichKEGG(
  gene = genelist$ENTREZID,
  organism = 'hsa',
  pAdjustMethod = 'BH',
  pvalueCutoff = 0.05,
  qvalueCutoff = 0.25
) %>%
setReadable(OrgDb = org.Hs.eg.db, keyType = 'ENTREZID')

这里有几个要点：

• gene 是输入基因列表。
• organism = ‘hsa’ 代表人类。
• pAdjustMethod = ‘BH’ 是多重检验校正。
• setReadable 可把结果转回更易读的基因名。

如果同时做GO和KEGG，可把两个结果合并，便于后续统一展示。课程里使用了 merge_result() 和 replace_na() 来整理结果表。这一步是为了让BP、CC、MF和KEGG在同一张结果表中呈现。

2.3 先取Top条目，再做图，信息更集中

很多初学者一上来就展示全部结果，图会很乱。
更好的做法是先按类别筛选 top 5 或 top 10，再可视化。课程中按 BP、CC、MF、KEGG 分别提取前 5 条，再合并成 category_gokegg。

这样做有两个好处：

• 结果更聚焦。
• 图更适合论文和汇报。

对于kegg富集分析来说，Top条目不是“全部答案”，但足够用来判断主要生物学方向。

3. 学会用图读懂kegg富集分析结果

3.1 柱状图和气泡图分别回答什么问题

课程里给出了两种常用图：柱状图和气泡图。
柱状图更适合看 GeneRatio 的排序。气泡图则同时展示 GeneRatio、显著性和基因数，信息更丰富。

柱状图代码思路如下：

ggplot(category_gokegg, aes(
  x = factor(Description, levels = rev(unique(category_gokegg$Description))),
  y = unlist(lapply(GeneRatio, function(x) { eval(parse(text = x)) })),
  fill = p.adjust
)) +
geom_bar(stat = 'identity') +
coord_flip()

气泡图则常用：

ggplot(category_gokegg, aes(
  x = factor(Description, levels = rev(unique(category_gokegg$Description))),
  y = unlist(lapply(GeneRatio, function(x) { eval(parse(text = x)) })),
  color = p.adjust,
  size = Count
)) +
geom_point(stat = 'identity') +
coord_flip()

读图时优先看 p.adjust、Count 和 GeneRatio。 这三项比单纯看通路名字更重要。

3.2 网络图和热图能补足什么信息

如果想进一步看“哪些基因驱动了通路”，可以用网络图和热图。
课程中使用 cnetplot() 和 heatplot() 来展示通路与基因的对应关系。前者适合看基因与通路的连接结构，后者适合看不同通路中基因的表达变化。

例如：

• 网络图可以帮助你找出一个通路是否由少数关键基因主导。
• 热图可以帮助你判断上调与下调方向是否一致。

这对机制分析很重要。 尤其在肿瘤、免疫和单细胞研究中，通路不是终点，关键是找到可解释的基因集合。

3.3 Pathview适合做通路落图

如果你需要把差异基因映射到具体 KEGG 通路图上，pathview() 很实用。
课程里通过 pathwayID 逐个循环绘制通路图，便于查看基因在代谢或信号通路中的位置变化。

pv.out <- pathview(
  gene.data = -log10(up_padj),
  pathway.id = i,
  species = 'hsa',
  out.suffix = 'pathview'
)

这类图适合论文补充材料，也适合在组会中展示。它能把抽象的富集结果变成直观的通路变化图。

4. 真正做好kegg富集分析，关键是这3个判断

4.1 判断一：输入基因是否足够可靠

富集结果强不强，首先取决于输入基因。
如果差异阈值设得太松，假阳性会增加。若阈值太严，可能漏掉真实信号。课程中提到的常见标准是按 p 值和 logFC 筛选显著基因，再做富集。输入质量决定输出质量。

4.2 判断二：物种和ID是否一致

kegg富集分析里，物种参数很关键。
人类数据常用 hsa。如果物种选错，结果会直接偏离。ID类型也必须统一，尤其是在 ENSEMBL、SYMBOL、ENTREZID 之间转换时，要检查重复和缺失。

课程中还特别处理了重复项：

genelist <- genelist[!duplicated(genelist$ENSEMBL), ]

这能减少重复映射造成的偏差。

4.3 判断三：结果是否能回到生物学问题

富集分析不是终点。
你需要回到原始课题，比如肿瘤增殖、免疫浸润、代谢重编程或信号通路异常。课程示例中，通路结果会帮助研究者判断后续方向。比如某些免疫相关通路富集明显，就提示可以继续做免疫机制验证。

真正有价值的kegg富集分析，一定能服务于下一步实验设计。

总结Conclusion

kegg富集分析的核心逻辑很简单，只有3步：先准备可靠的差异基因，再完成标准化的ID转化，最后用合适的图形解释通路结果。
对医学生、医生和科研人员来说，它的价值不只是“出图”，而是把分子数据转成可讨论的机制证据。只要把输入、参数和可视化三件事做好，分析就会更稳、更清晰，也更容易写进论文和课题汇报。

如果你希望把 kegg富集分析 做得更快、更规范，可以直接使用解螺旋的课程与实操资源。 它能帮助你少走弯路，快速搭建从差异分析到通路解读的完整流程。