Python下实现Fisher富集分析方法

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 n n M1112非功能基因集n21n非功能基因集n21n22N－M合计N－K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:i=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显著基因非drug显著基因合计功能基因集“11“12M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 “I】 “I? M非功能基因集“21 “2 N—M合计N（所有miRNA靶K N-K 基因个数）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。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：FileQditFermatRunOptionsWindowsHelpfromfutureijaportdivisionfromscipy.statsijnportfisher^xact,hypergeom,binomimportnumpyslsnpfromrandomLmportshuffleimportoperatorimportrandom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，pathnonpathinterestabnum_interestgenenoninterestcdnum_allgene-num_interestgenenum_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forspinallpath:nuin_sp=Len[sp]-1|(set(sp](genelist)]b=nwnint已t巳stgEn已一日c=nwn_sp-a盯二fLiirrim"I"Im门a—riitttimti—h巳二审h巳工巳梵日匸~tI[[曰f[<^诅]])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d.2tbh_<r>ipa_jcs(pvj:|ir_pv—[]:return['m=_enCpv}argsfpv二zip(*sozted(enumerat已(pv),Non已”operator.itemg已七t已r))ifpv[0]<Jorpv[一丄]>1:riizcVa_ucError("p-va_ue3mustbebetween0an.dL1'}qvril -ni* [0]mincoeff-pv>110已丄jes[ar^s[-1..=mincccztfc-rjin (nL-2T-1f-l):coeff- /]/float(j+l}/