获取msigdbr数据库中的基因集失败是什么原因？

生信技能树

发布于 2025-02-06 10:42:50

10300

代码可运行

文章被收录于专栏：生信技能树生信技能树

运行总次数：0

代码可运行

我们每月一期的生信马拉松授课群里有个学员在做GSEA分析的时候报错，下载其中的基因集失败，报错如下：

来看看是怎么回事！

要使用这个包，肯定还是需要对这个 msigdb 数据库有一定的背景知识了解，我们去官网看看现在都更新了哪些基因集合。

1、了解 msigdb 官网

官网地址：https://www.gsea-msigdb.org/gsea/msigdb/index.jsp

我们可以看到 2024 年这个数据库进行了一次大更新，将基因集合分成了人与小鼠两个物种，以前官网只有人类这个物种的基因集。并且小鼠基因集在 2023 年发表在了 Nature Methods 上面。从下面这个图，我们还可以看出上面图片中报错的 m8 类基因集是存在的。

点击 m8，我们可以看到这里包括了 233 个基因集合：

下载 Gene Symbols 的 gmt 格式下来并读入R中：

library(clusterProfiler)
library(org.Hs.eg.db)
library(GSEABase)

## === HALLMARK通路富集
geneset <- read.gmt("data/m8.all.v2024.1.Mm.symbols.gmt")
length(unique(geneset$term))
head(as.data.frame(table(geneset$term)))

2、看看 R 包版本

# 加载包
library(msigdbr)
library(tidyverse)

# 可以看到，这个包涵盖了20个物种
msigdbr_species()

# 包含的类别，并没有M8类别
as.data.frame(msigdbr_collections())


## C5 (ontology gene sets, 15703 gene sets)
genesets <- msigdbr(species = "Mus musculus", category = "C8", subcategory = NULL)
genesets[1:5,1:5]
length(unique(genesets$gs_name))


# 查看目录，与MSigDB一样，包含9个数据集
table(genesets$gs_cat)
table(genesets$gs_subcat)
head(as.data.frame(table(genesets$gs_name)))

# 提取小鼠物种的所有基因集
all_gene_sets <- msigdbr(species = "Mus musculus")
head(all_gene_sets)
table(all_gene_sets$gs_cat)

并没有M8类别，只有C8：