r语言做go和kegg图 什么是GO和KEGG

【R语言】解决GO富集分析绘图，标签重叠问题

前面我给大家详细介绍过

创新互联专注于磴口网站建设服务及定制，我们拥有丰富的企业做网站经验。 热诚为您提供磴口营销型网站建设，磴口网站制作、磴口网页设计、磴口网站官网定制、微信小程序服务，打造磴口网络公司原创品牌,更为您提供磴口网站排名全网营销落地服务。

☞GO简介及GO富集结果解读

☞四种GO富集柱形图、气泡图解读

☞GO富集分析四种风格展示结果—柱形图，气泡图

☞KEGG富集分析—柱形图，气泡图，通路图

☞ DAVID GO和KEGG富集分析及结果可视化

也用视频给大家介绍过

☞ GO和KEGG富集分析视频讲解

最近有粉丝反映说，利用clusterProfiler这个包绘制GO富集分析气泡图和柱形图的时候，发现GO条目的名字都重叠在一起了。

气泡图

柱形图

这个图别说美观了，简直不忍直视。经过我的认真研究，发现跟R版本有关。前面我给大家展示的基本都是R 3.6.3做出来的图。很多粉丝可能用的都是最新版本的R 4.1.2。

我们知道R的版本在不停的更新，相应的R包也在不停的更新。我把绘制气泡图和柱形图相关的函数拿出来认真的研究了一下，终于发现的症结所在。

dotplot这个函数，多了个 label_format 参数

我们来看看这个参数究竟是干什么用的，看看参数说明

label_format :

a numeric value sets wrap length, alternatively a custom function to format axis labels. by default wraps names longer that 30 characters

原来这个参数默认值是30，当标签的长度大于30个字符就会被折叠，用多行来展示。既然问题找到了，我们就来调节一下这个参数，把他设置成100，让我们的标签可以一行展示。

是不是还是原来的配方，还是熟悉的味道

同样的柱形图，我们也能让他恢复原来的容貌。

关于如何使用R做GO和KEGG富集分析，可参考下文

GO和KEGG富集分析视频讲解

转录组不求人系列(十三): GO、KEGG富集个性化作图

当富集分析完成，拿到如下的分析结果后，就可以进行作图了。

富集分析结果的可视化无非就是柱状图和气泡图，但是公司默认出图实在是太丑，所以还是自己动手修改修改。

一、常规柱状图（ggplot2）

横轴为gene counts，或者用-logP也行，填充相应的用P值或者gene counts。ggplot画图的好处就是可以进行很多调整。

二、常规气泡图（ggplot2）

气泡图与柱状图如出一辙，只是在展示方式上出现了差别。一个用geom_bar()函数，气泡图类似于散点图用geom_point()函数。

三、上下调同时展示（ggplot2）

很多时候研究者拿到差异基因后，上下调基因是分别富集的，在展示上需要同时体现二者，我们之前提到metascape可以做到： 转录组不求人系列(十二): Cell文章最喜欢用的差异基因GO、KEGG富集分析工具 ，除此之外，之前讲过的气泡图也可以展现多组的结果： 复现《nature communications》图表（四）：ggplot画多组富集气泡图 。这里我们继续提供一种bar图的展示方式。将down的数值调整为负，做一列分组，就可以展示了。

当然了，以上所说的可视化还是比较常规，在基础上可以自己做调整。也有一些文章总是标新立意，有很多奇特的展现方式，我们会在之后的系列中讲解。

单细胞之富集分析-3：GO和KEGG富集分析及绘图

单细胞富集分析系列：

单细胞富集分析我最常用的是 分组GSVA ，但最近用到了GO分析，就复习一下GO和KEGG富集分析及绘图。

载入无比熟悉的pbmc.3k数据集 (已注释好，数据准备见 monocle )

pbmc3k数据集只有1个样本，没办法区分HC和病例组。

若有分组，可以使用subset函数将某种细胞取出，来做这种细胞病例组和对照组相比的差异基因和富集分析

之所以长短不齐不按顺序是因为没有排序

排完续之后再画p值就是按顺序的了

附： 单细胞测序数据的差异表达分析方法总结

R语言绘制KEGG富集分析气泡图

2018年SCI论文--整合GEO数据挖掘完整复现 七 ：DAVID在线工具进行KEGG富集分析_bioprogrammer-CSDN博客

绘制差异基因kegg注释图

“差异基因kegg注释图”是转录组分析结果的重要组成部分，能够帮助大家了解差异基因分属于哪些代谢通路，文章中如果能够插入下面这类图来说明样品间的差异，一定会为你的文章增色不少。

下面给大家介绍一下如何在Windows下对差异基因进行kegg注释。

一、输入数据准备：

首先要准备的是各比较组（比如CK1比上Treat1）的差异基因列表，一般公司做完的标准分析结果里已经包含这部分内容了，通常在“DEG_Analysis”文件夹里，我们用到的信息是“ 基因ID ”和“ regulated ”（up代表上调，down代表下调）两列，如下图所示的第一列和最后一列：

接下来需要添加一列，将“regulated”里的“up”标记成“red”，“down”标记成“green”，这样后面做出来的kegg注释图里上调基因就会显示为红色，下调基因显示为绿色。具体方法是在第三列插入一个“ if ”函数，当第二列值为“up”时输出“red”，否则输出“green”，参数设置详见下图：

这样C2单元格就会显示为“red”，双击该单元格右下角，这样C列就都按上面的规则填充好了，如下图所示：

二、在作图网站填入数据：

打开网站：

按照下方设置好参数，并将第一步准备好的Excel表里的第一和第三列数据粘贴进去（注意：Excel表的 第一行 和 第二列 都不用粘贴），点击左下角的“exec”按钮开始运算。根据您提交的基因数量，等待一小段时间结果就出来了：

注释到的代谢通路结果，按数量排序：

点击其中的代谢通路链接，就能够看出该代谢通路中哪些基因上调、哪些基因下调了。

好的，这样差异基因的kegg注释就完成了。掌握之后，便可在几分钟之内做任意差异基因列表的kegg注释图而不用找公司了！

1. 文章越来越难发？是你没发现新思路，基因家族分析发2-4分文章简单快速，学习链接： 基因家族分析实操课程 、 基因家族文献思路解读

2. 转录组数据理解不深入？图表看不懂？点击链接学习深入解读数据结果文件，学习链接： 转录组（有参）结果解读 ； 转录组（无参）结果解读

3. 转录组数据深入挖掘技能-WGCNA，提升你的文章档次，学习链接： WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘？学习链接： 转录组标准分析后的数据挖掘 、 转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读 、 OTU网络图绘制 、 cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课，学习链接： linux系统使用 、 perl入门到精通 、 perl语言高级 、 R语言画图

7. 医学相关数据挖掘课程，不用做实验也能发文章，学习链接： TCGA-差异基因分析 、 GEO芯片数据挖掘 、 GSEA富集分析课程 、 TCGA临床数据生存分析 、 TCGA-转录因子分析 、 TCGA-ceRNA调控网络分析

8.其他课程链接： 二代测序转录组数据自主分析 、 NCBI数据上传 、 二代测序数据解读 。

R语言可视化之ggplot2——KEGG通路富集分析

之前分享了如何用ggplot2可视化GO分析的结果。既然做了GO，当然少不了KEGG了。

同样的，我们从 DAVID 获取KEGG pathway的结果。

对于KEGG，我比较喜欢做气泡图，这样用两种形式的图结合在一起，效果更丰富更好看一点。