KEGG功能富集可视化“玩出”新花样，文章档次提高的不是一点点！
组学分析是目前生物学研究中最重要的研究手段之一，而数据的可视化，发表文章也是大家所追求的。好的数据通过较好的方式呈现，能够让人眼前一亮，给文章增色不少。功能富集也是组学分析中经常用到的，而一般见到的都是柱状图的可视化方式，这样显得平平无奇。而很多高分文章都采用个性化的方式呈现结果，让文章“档次”也提高了，接下来，跟着发表在Nature Communications和Cell上的两篇高分文章的脚步，看看GO、KEGG等结果的可视化能够呈现怎样的新花样。
首先，为了方便演示，搜索GO数据库中的GSE124022芯片数据用于分析。
直接使用GEO2R分析差异基因（芯片数据的分析网上教程很多，这里不再赘述，仅仅用于寻找差异基因）
差异基因得到后，采用在线数据库DAVID进行GO分析（网上有相关教程）。
最终，得到富集的结果，包括GO term、P值，gene count等信息，这就是接下来需要可视化的原始文件。这里，介绍两种可视化的方法，以供选择。
这些可视化结果都是通过R软件实现的，不过只要数据结构按照要求整理，通过标准的代码都可以自己完成，不用担心R语言代码的问题。
参考发表在Nature Communications上的文章A spatially resolved brain region- and cell typespecific isoform atlas of the postnatal mouse brain，其对功能富集的可视化采用了Treemap.
（http://127.0.0.1:37126/help/library/treemap/help/treemap）
（文章截图）
Treemap在图形呈现上给人一种层次美感，外观是高度可自动化调配的，数据的大小、文字、颜色等信息都可以映射到图形中，最后经过微调就完成了。接下来，具体看看如何呈现。
第一步，安装软件包treemap
1. install.packages('treemap')
第二步，设置工作路径，加载软件包，并读入数据
1. library(treemap) #加载数据包
2. setwd('D:/生物信息学/GO analysis') #设置工作目录
3. a <- read.table('GO练习.txt',header = T,sep = '\t') #读入分析文件
第三步，使用treemap（）函数绘图，具体参数调整可以通过help（treemap）查看。绘图具体代码如下：
1. treemap(a,
2. index='Category', #设置分组的列,也就是要显示的GO term名称
3. vSize='Genes', #设置决定每个框面积大小的列
4. vColor='P.Value', #设置颜色
5. fontsize.labels=c(12, 10), #设置标签字体大小
6. align.labels=list(c('center', 'center')), #设置标签对齐的方式
7. border.col='black', #设置边框的颜色
8. border.lwds=c(4,2)#设置边框的线条的宽度
9. )
结果是这样的，与NC文章中一样。
如果想要呈现不同GO term富集的显著性，只需再加一行代码即可，指定数据填充的类型（标红），填充颜色根据显著性呈现渐变，如下：
1. treemap(a,
2. index='Category', #设置分组的列,也就是要显示的GO term名称
3. vSize='Genes', #设置决定每个框面积大小的列
4. vColor='P.Value', #设置颜色
5. type='value', #指定颜色填充数据的类型
6. fontsize.labels=c(12, 10), #设置标签字体大小
7. align.labels=list(c('center', 'center')), #设置标签对齐的方式
8. border.col='black', #设置边框的颜色
9. border.lwds=c(4,2)#设置边框的线条的宽度
10. )
最终结果如下：
参考发表在Cell上的文章Proteogenomics of Non-smoking Lung Cancer in East Asia Delineates Molecular Signatures of Pathogenesis and Progression，采用了气泡图的方式，但又不同于传统的气泡图呈现方式。
（文章截图）
气泡图用点的大小表示term中包含的基因数，横坐标使用-log10（P-value），所以在作图前需要计算，富集term的名称直接显示在图上。看图可以知道，这种图需要基本的画图工具ggplot2.
（https://cran.rstudio.com/bin/windows/contrib/4.0/ggplot2_3.3.3.zip）
数据结构如下：
第一步，加载数据包，设置工作路径，读物文件。
1. install.packages('ggplot2')
2. library(ggplot2)
3. setwd('D:/生物信息学/GO analysis')
4. b <- read.table('GO_气泡图.txt',header = T,sep = '\t')
第二步画图，指定x轴为数据中-log10（P-value）那一列，y周围GO terms，气泡大小用Gene counts指定。
1. p <- ggplot(b,aes(x= X.log10.P.value.,y= Category))+ #画图指定x轴与y轴
2. geom_point(aes(size=Gene.Count,color=Category),alpha=2)+ #指定气泡大小和颜色填充
3. scale_size(range=c(10,25))+ #图的大小设置
4. theme_bw()+ #设置背景为白色
5. theme(legend.position = c('none'))+ #添加文字的位置
6. geom_text_repel(aes(label = Category),size = 3,segment.color = 'black', show.legend = T )#设置标签
做出的图如下：
好像与文章中的图还有区别，去掉y轴刻度即可。最终效果如下：
1. p+theme(axis.text.y = element_blank())#去掉y轴刻度
很多时候，大家使用同样的方法，得到一样的结果，但是在可视化上面却是千差万别，首先要能将数据的完整性和意义呈现出来，其次就是在这个基础上，通过好的方法可视化，能够为我们的文章增添色彩。这也就是为什么那些高分文章不仅结果好，图片也看起来更舒适更漂亮的原因！