📚 课程目录第2章富集分析常用工具

2、富集分析常用工具：DAVID、clusterProfiler、Enrichr、Metascape 的优缺点对比

说实话，刚开始做 GO 富集分析那会儿，我也不太清楚该用哪个工具。

每次看到同学在群里问「DAVID 好还是 clusterProfiler 好」，我就头大。直到自己踩了不少坑，才慢慢摸清了每把刀的脾气。

今天我就把常用的四把刀——DAVID、clusterProfiler、Enrichr、Metascape——摊开来聊聊。

各自的优势在哪里？痛点在哪儿？适合什么场景？我会按自己的经验给你讲透。

嗯，先上张总览图，把这四个家伙的定位看清楚。

2.1 DAVID：老牌网页工具，上手简单但更新慢

先说说 DAVID。

DAVID 是圈子里最早一批网页端富集分析工具了。我记得 2016 年刚入坑时，实验室师兄就推荐我用它，因为不用装任何软件，浏览器打开就行。

优点很明显：

上手门槛极低： 把基因 ID 粘贴上去，点个提交就出结果。
整合了功能注释和通路： 除了 GO 和 KEGG，还带了疾病、蛋白功能等信息，一个页面全看完。
可视化简单： 自带柱状图和热图，适合快速汇报。

但痛点也不少。

DAVID 的硬伤： 数据库更新非常慢。我做过一个测序项目，基因注释用的是最新版 Ensembl，结果 DAVID 里还在用旧版，导致很多基因匹配不上。更难受的是，过去几年 DAVID 对商业用户开始收费，而且经常挂，稳定性打折扣。

避坑指南： 我曾经在 DAVID 上选错物种数据库，结果富集出了一堆不相干的通路。提交前一定再三核对「Species」和「Background」选项。

2.2 clusterProfiler：R 用户的瑞士军刀

如果你习惯用 R 做生信分析，clusterProfiler 应该是绕不过去的工具了。

我个人习惯用这个包处理大多数富集场景。为什么呢？

灵活定制程度高： 支持 GO、KEGG、Reactome、DO（疾病本体），还能自己传自定义基因集。
可视化自带发布级： 搭配 enrichplot，能画出 dotplot、cnetplot、emapplot 等，基本不需要二次加工。
批量化能力强： 一行代码可以做多个 GO 子本体（BP、CC、MF）的富集。
社区生态好： 配套教程和案例很丰富，遇到问题 Stack Overflow 上基本能搜到答案。

举个例子，最简单的 GO 富集代码：

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

# 假设你有基因列表 gene_list，格式为 ENTREZID
ego <- enrichGO(gene = gene_list,
                OrgDb = org.Hs.eg.db,
                keyType = "ENTREZID",
                ont = "BP",
                pAdjustMethod = "BH",
                qvalueCutoff = 0.05)

dotplot(ego, showCategory = 20)

你想想看，就这几行，p 值矫正、多组比较、可视化全搞定了。

避坑指南： 我曾经在装 org.Hs.eg.db 时栽了跟头——某些 R 版本下数据库包不兼容，导致映射失败。建议用 BiocManager::install() 而不是普通 install.packages()，并检查 R 版本是否匹配。

clusterProfiler 的缺点也很明显：它是 R 包，得会 R 才行。如果团队里都是 Python 党，就尴尬了。

2.3 Enrichr：网页端的富集数据库超市

Enrichr 是另一个我喜欢的网页端工具。

它的特色是「数据库多到离谱」，收录了 200 多个基因集库，包括 ARCHS4、TF Perturbations、Kinase Perturbations 等冷门库。做转录调控和药物重定位时，DAVID 里找不到的库，Enrichr 里经常有。

交互可视化不错： 结果页直接展示 clustered barcode plot 和交互式表格，鼠标悬停就看详情。
支持 API： 我经常用 Python 调 Enrichr 的 API，批量处理多个基因列表。

Enrichr 的 Python 调用示例：

import requests

gene_list = ["TP53", "EGFR", "MYC"]
# Enrichr 提交 API
ENRICHR_URL = "https://maayanlab.cloud/Enrichr/addList"
payload = {"list": (None, "\n".join(gene_list)),
           "description": (None, "My gene list")}
response = requests.post(ENRICHR_URL, files=payload)

# 获取富集结果
user_list_id = response.json()["userListId"]
ENRICHR_URL = f"https://maayanlab.cloud/Enrichr/enrich?userListId={user_list_id}&backgroundType=KEGG_2019_Human"
result = requests.get(ENRICHR_URL)

你看，几行 Python 就能拿到结果 JSON，适合集成到管道里。

个人建议： Enrichr 适合快速做「初筛」——比如你有 2000 个差异基因，先扔进去看看大概富集什么通路。但它的 P 值计算方法偏保守，有时候真阳性反而没富集出来，所以别把 Enrichr 的结果当最终结论。

缺点也很直接：网页版结果页广告推送不少，而且导出时表格格式有点乱，需要自己清理。

2.4 Metascape：集大成的自动报告机

Metascape 是我做过大项目时最常用的工具。

它最吸引我的一点是：能自动生成一份 PPT 级别的研究报告，图表、统计、基因列表全排好。做完分析直接拿图写论文，省了大把时间。

多基因列表比较： 可以一次上传多组基因（比如对照 vs 处理、不同时间点），它会自动对比每组富集的异同。
内置通路网络分析： 自动把富集到的通路画成互作网络图，能一眼看出哪些通路共享基因。
统一后台： 背后整合了 GO、KEGG、Reactome、CORUM、TRRUST 等 40 多个数据库。

但 Metascape 不是万能的。

避坑指南： 我曾经用 Metascape 分析 5000 个基因的列表，结果生成了一份 80 页的报告，里面一半是冗余通路。建议上传后先调高 Q-value cutoff（比如 0.01），否则结果多到你看不完。另外，它的页面加载很慢，特别是分析大列表时，可能等上三五分钟才出结果，要有耐心。

对比表格：一句话总结四个工具

为方便你快速对比，我把它们的核心区别整理成表格。

维度	DAVID	clusterProfiler	Enrichr	Metascape
形式	网页端	R 包	网页 + API	网页端
上手难度	★☆☆☆☆（最简单）	★★★★☆（需 R 基础）	★★☆☆☆（简单）	★★★☆☆（中等）
数据库	较少、更新慢	中（可扩展）	极多（200+）	多（40+）
可视化	基础柱状图/热图	极强（dot/cnet/emapplot）	交互式条形图	自动生成报告+网络图
批量处理	手动点	代码循环	API 批量	网页表单
稳定性	一般（常挂）	高（本地运行）	高	中等（服务器慢）
收费	商业用需付费	完全免费	完全免费	完全免费
适合场景	快速验证、小白上手	定制化分析、R 用户	快速初筛、调控网络	多组比较、自动出报告

2.5 我的使用经验和选型建议

说了这么多，你会问我：那你平时到底怎么选？

我个人习惯分场景来处理。

如果是探索性分析： 先扔到 Enrichr 里看几眼，确认大概通路方向。
如果是正式论文分析： 我肯定用 clusterProfiler。代码可复现、可控性高，出图质量也够发文章。
如果是多组比较： 首选 Metascape，省心，报告直接发给合作者看。
如果是紧急汇报： 快速用 DAVID 跑一下，但事后会再用其他工具验证一遍。

一个实用技巧： 我的建议是你至少熟悉两个工具——一个本地化的（clusterProfiler）和一个网页端的（Metascape 或 Enrichr）。这样你无论在办公室还是在家里，掏出电脑就能干活。我出差时经常用 Enrichr 连 API 远程跑分析，不依赖 R 环境。

嗯，这四种工具没有绝对的好坏，关键看你手头的工作流和团队背景。

等下节课，我会详细讲讲怎么用 clusterProfiler 做一套完整的 GO 富集分析，并生成你想要的 dotplot 和 cnetplot。到时候我会带上真实项目的数据，一步步演示。

你自己先试着上手玩玩这几个工具，有问题随时联系我。