參考1：http://www.lxweimin.com/p/68f7b663c5ff
參考2：https://www.dzbioinformatics.com/2019/09/21/%e6%9e%84%e5%bb%ba%e8%87%aa%e5%ae%9a%e4%b9%89%e6%b3%a8%e9%87%8a%e5%8c%85make-annotation-package/
寫在前面的話：
最近在使用clusterProfiler進行GO或者KEGG富集分析時，找不到自己需要的org..eg.db包。這個包會提供每個基因與GO/KEGG的對應關系。
現在R語言找到的org..eg.db包很少。只能自己想辦法自定義構建了。
下面的內容是在參考引用網頁的基礎上做的內容。
參考1雖然很詳細了，但自己真照做的時候，有些細節會出問題。因此這里再梳理一下。為后續人避坑。
測試環境：
windows10-64位系統，
R4.0.5
rtools40-x86_64
RstudioVersion 1.2.1335
第一步：通過eggNOG-mapper-5.0網站注釋：可以直接提交蛋白序列、核酸序列等，url: http://eggnog-mapper.embl.de/
這里如果提交蛋白序列或核酸序列一定要注意格式。
>a
TTTTTAAAGGG
>b
TTTTTTTTTTTT
避免多余的信息,如果不信，就測試測試吧。
>a keyword I'm here
TTTTTAAAGGG
>b keyword I'm here
TTTTTTTTTTTT
提交了7萬條蛋白序列，注釋時間僅用20分鐘就完成了，相當厲害。
完成之后，會提供5種格式（csv/xlsx/gff/Orthologs/seeds）的數據下載。都下載下來更好，省的落下了信息。 csv與xlsx中的存儲信息是一致的
在后續構建的內容中，使用了csv格式的數據。
在構建之前，需對csv數據做一下簡單處理：
（1）去掉文件前幾行“##”注釋行，
（2）去掉表頭最前面的“#”-保留表頭；
（3）去掉文件最后面的注釋行；
（4）將文件內的空數據“-”，替換為NA。這一步在參考1里沒有提及的細節，一定要注意，非常重要。
做好以上的準備工作，就可以就開始構建orgDB的具體操作了。
第一步：讀取數據
setwd("D:/")
##名稱由makeOrgPackage函數規定請不要更改
emapper <- read.delim("D:/MM_xbmdxk2v.emapper.annotations.xls") %>%
dplyr::select(GID=query,Gene_Symbol=Preferred_name,
GO=GOs,KO=KEGG_ko,Pathway =KEGG_Pathway,
OG=eggNOG_OGs,Gene_Name =seed_ortholog)
#GID=query,這里的query就是csv文件中的表頭信息
第二步：從矩陣中提取各種信息，為建庫做準備。
#這里共提取了gene_info, gene2go,gene2ko,gene2pathway,gene2symbol
#你用哪些信息就可以進行相應的增減。
#如果你只是做go富集分析，其實gene_info和gene2go就足夠了
#gene2symbol在這里感覺純粹是湊數，這是參考引文2弄的。
#gene2ko，gene2pathway是用來做kegg富集分析的。
#提取GID與Gene_Name信息，參考1是將X.4作為Gene_Name，應該是自己定義的信息，這里將seed_ortholog作為Gene_Name信息，你可以根據實際再調整。
gene_info <- dplyr::select(emapper,GID,Gene_Name) %>%
dplyr::filter(!is.na(Gene_Name))
#提取GID與GO信息，組成goTable，建庫時的goTable需要三列（GID, GO和EVIDENCE），少一列，就會出錯.
gene2go <- dplyr::select(emapper,GID,GO) %>%
separate_rows(GO, sep = ',', convert = F) %>%
dplyr::filter(GO!="",!is.na(GO))%>% #這是只提取有GO注釋信息的行，判斷的標準時GO信息不是NA，這也就是為什么前面必須將“-”替換為NA，不替換就無法進行有效過濾。
mutate(EVIDENCE = 'A') #硬生生加了1列EVIDENCE，全部賦值A,湊數的。
dim(gene2go) #查看數據維度。
#[1] 1523399 3
#提取GID與KO信息，這里只有2列信息
gene2ko<- dplyr::select(emapper,GID,KO) %>%
separate_rows(KO, sep = ',', convert = F) %>%
dplyr::filter(!is.na(KO))
dim(gene2ko)
#[1] 30530 2
#提取GID與Pathway信息，這里只有2列信息
gene2pathway<- dplyr::select(emapper,GID,Pathway) %>%
separate_rows(Pathway, sep = ',', convert = F) %>%
dplyr::filter(!is.na(Pathway))
dim(gene2pathway)
#[1] 143056 2
#提取GID與Gene_Symbol信息，Gene_Symbol是Preferred_name信息，這里只有2列信息
gene2symbol<- dplyr::select(emapper,GID,Gene_Symbol) %>%
dplyr::filter(!is.na(Gene_Symbol))
dim(gene2symbol)
#[1] 4561 2
第三步：如果提取信息沒有任何輸出錯誤信息。就可以建庫了。
library(AnnotationForge) #如果沒有就安裝一下。
AnnotationForge::makeOrgPackage(gene_info=gene_info,
go=gene2go,
ko=gene2ko,
pathway=gene2pathway,
symbol=gene2symbol,
maintainer='CJT<chaojiangtao@caas.cn>',
author='CJT',
version="0.1" ,
outputDir=".",
tax_id="4097",
genus="N",
species="t",
goTable="go")
#下面輸出的過程信息，如有問題就會報錯~~~~~~~~~~~~~~~~~~
Populating genes table:
genes table filled
Populating gene_info table:
gene_info table filled
Populating go table:
go table filled
Populating ko table:
ko table filled
Populating pathway table:
pathway table filled
Populating symbol table:
symbol table filled
table metadata filled
'select()' returned many:1 mapping between keys
and columns
Dropping GO IDs that are too new for the current GO.db
Populating go table:
go table filled
Populating go_bp table:
go_bp table filled
Populating go_cc table:
go_cc table filled
Populating go_mf table:
go_mf table filled
'select()' returned many:1 mapping between keys
and columns
Populating go_bp_all table:
go_bp_all table filled
Populating go_cc_all table:
go_cc_all table filled
Populating go_mf_all table:
go_mf_all table filled
Populating go_all table:
go_all table filled
Creating package in ./org.Nt.eg.db
Now deleting temporary database file
[1] "./org.Nt.eg.db"
There were 50 or more warnings (use warnings() to see the first 50)
#雖然有警告信息，但還好不影響后續建庫。
第四步：對生成的org.MA.eg.db進行封裝。
這一步是在DOS命令窗口下運行，運行命令時，轉到org.Nt.eg.db所在的目錄下運行，或者提供準確而路徑也行。
D:\>R CMD build org.Nt.eg.db
###輸出的過程信息如下：
* checking for file 'org.Nt.eg.db/DESCRIPTION' ... OK
* preparing 'org.Nt.eg.db':
* checking DESCRIPTION meta-information ... OK
* checking for LF line-endings in source and make files and shell scripts
* checking for empty or unneeded directories
* building 'org.Nt.eg.db_0.1.tar.gz'
到這里就完成建庫了。
第五步：將此庫導入R運行環境中。
##過程信息如下：
* installing *source* package 'org.Nt.eg.db' ...
** using staged installation
** R
** inst
** byte-compile and prepare package for lazy loading
** help
*** installing help indices
converting help for package 'org.Nt.eg.db'
finding HTML links ... 好了
org.Nt.egBASE html
org.Nt.egORGANISM html
org.Nt.eg_dbconn html
** building package indices
** testing if installed package can be loaded from temporary location
*** arch - i386
*** arch - x64
** testing if installed package can be loaded from final location
*** arch - i386
*** arch - x64
** testing if installed package keeps a record of temporary installation path
* DONE (org.Nt.eg.db)
#嘗試導入該庫，如果沒錯誤信息，就可以正常使用了。
>library(org.Nt.eg.db)
>
到此，從蛋白序列注釋，到建庫就算完成了。
