如何解决Bioconductor EnrichKEGG的基因ID匹配失败问题？

测试背景 #

在全基因组分析前，使用test.csv小样本测试EnrichKEGG功能，测试数据如下：

测试代码 #

> geneList = test[,2]
> names(geneList) = as.character(test[,1])
> geneList = sort(geneList, decreasing = TRUE)

> data(geneList, package="DOSE")
> gene <- names(geneList)[abs(geneList) > 2]
> 
> kk <- enrichKEGG(gene         = gene,
+                  organism     = 'aja',
+                  pvalueCutoff = 0.05)

已通过以下代码验证基因名无空格：

print(head(test$ID), quote=TRUE)

报错信息 #

--> No gene can be mapped....
--> Expected input gene ID: AJAP_00520,AJAP_18610,AJAP_35690,AJAP_40945,AJAP_06465,AJAP_09250
--> return NULL...

解决方法 #

核心问题分析 #

1. 变量覆盖错误：加载DOSE包自带的geneList会直接覆盖你从test.csv生成的基因列表，后续筛选的是DOSE自带数据集，和测试数据完全无关。
2. 筛选阈值不合理：测试数据中fc绝对值最大仅为0.52，用abs(geneList) > 2筛选会得到空的gene向量，无基因自然无法映射。

修正步骤 #

1. 删除变量覆盖代码：去掉data(geneList, package="DOSE")这一行，保留自定义的geneList。
2. 调整筛选阈值：根据测试数据的fc范围设置合理条件，比如abs(geneList) > 0.3，确保gene变量有内容。
3. 验证基因数量：运行length(gene)检查筛选出的基因数，若结果为0则继续调整阈值。
4. 重新运行富集分析：确认organism参数正确（'aja'对应日本血吸虫，需保证你的基因ID属于该物种的KEGG注释体系）。

修正后的代码示例 #

# 读取测试数据
test <- read.csv("test.csv")
# 构建自定义geneList
geneList <- test[,2]
names(geneList) <- as.character(test[,1])
geneList <- sort(geneList, decreasing = TRUE)
# 设置合理的筛选阈值
gene <- names(geneList)[abs(geneList) > 0.3]
# 检查筛选出的基因数量
cat("筛选到的基因数量：", length(gene), "\n")
# 执行KEGG富集分析
kk <- enrichKEGG(gene         = gene,
                 organism     = 'aja',
                 pvalueCutoff = 0.05)

额外排查点 #

• 确认基因ID与KEGG数据库中的ID完全匹配，无大小写、前缀后缀差异。
• 若仍无法映射，可使用clusterProfiler包的bitr函数先转换ID格式，再进行富集：

  library(clusterProfiler)
  # 根据实际情况调整fromType和toType
  mapped_gene <- bitr(gene, fromType = "SYMBOL", toType = "kegg", organism = "aja")
  kk <- enrichKEGG(gene = mapped_gene$kegg, organism = 'aja', pvalueCutoff = 0.05)
  

内容的提问来源于stack exchange，提问作者reltubycul