听说你的KEGG分析有大量的基因没注释

github上的问题，问了两个问题，这是其中第二个：

Meanwhile, when I fed the ENTREZID to enrichKEGG, it show me two unreasonable results:

kegg_enrich <- enrichkegg(gene="">
                         organism = 'hsa',
                         keyType = 'ncbi-geneid',
                         pvalueCutoff = 0.05,
                         #pAdjustMethod = 'BH',
                         #qvalueCutoff = 0.2,
                         use_internal_data = FALSE)

head(kegg_enrich)

             ID                           Description GeneRatio  BgRatio       pvalue   p.adjust     qvalue
hsa04380 hsa04380            Osteoclast differentiation    14/281 128/7299 0.0003817040 0.04767338 0.04508266
hsa04070 hsa04070 Phosphatidylinositol signaling system    12/281  99/7299 0.0003875885 0.04767338 0.04508266

I noted that only 281 genes are remained(there are 700+ genes in my list). In case that there is something wrong wtihin my gene list, I also tried my list with DAVID. It gave me reasonable results. So this is my second question, why enrichKEGG cannot recognize my geneids?

大概说他有700+的基因，clusterProfiler做KEGG时只认得281个，比DAVID要差。他有提供一个gene_list.txt在github上，这样我就有可能帮他看一下。

说比DAVID差是不可能，我把他的gene list上传到DAVID上，只认得197个，啪啪啪，DAVID的脸好疼。

比DAVID多出42%的基因注释：

> (281-197)/197
[1] 0.4263959

那么问题回到为什么这么多基因没有注释，这大家得问KEGG，KEGG的通路注释主要集中在代谢通路上，很多基因没有注释是事实，你可以尝试一下用我的另一个包ReactomePA，试一下reactome pathway分析。

当然我不能只说「没注释就是没注释啊」，「我也很绝望啊」，我必须还给出事实。

clusterProfiler给出了很多的小工具，让我们检验结果相当之容易，我们可以把基因映射到KEGG通路上去：

> bitr_kegg(geneID = new_ids$ENTREZID,
+ fromType='ncbi-geneid', toType='Path',
+ organism='hsa') -> xx
Warning message:
In bitr_kegg(geneID = new_ids$ENTREZID, fromType = 'ncbi-geneid',  :
 62.98% of input gene IDs are fail to map...

提示说~63%的基因是没有KEGG注释的，有注释的基因我们可以通过转换后的结果得到：

> head(xx)
 ncbi-geneid     Path
1       10023 hsa04310
2       10023 hsa05224
3       10023 hsa05225
4       10057 hsa01523
5       10057 hsa02010
6       10114 hsa04218

而没有注释的，也很容易通过比较而得到：

> new_ids$ENTREZ[!new_ids$ENTREZID %in%
+ xx[, 'ncbi-geneid']] %>% head
[1] '100506775' '143458'    '57649'     '54899'     '220323'    '8728'

那么有了这个结果，我们就可以去KEGG数据库去核查了，看看clusterProfiler有没有欺骗你。

KEGG的基因注释可以通过类似于下面这样的链接得到：

http://www./dbget-bin/www_bget?hsa:ENTREZID.

比如说，上面有注释的基因10023, 通过这个页面：
http://www./dbget-bin/www_bget?hsa:10023，

可以确认确实是有注释的。

而没有注释的基因100506775, 通过网页：http://www./dbget-bin/www_bget?hsa:100506775，

也确实可以确认是没有KEGG注释的。