速绘 丨 GO富集气泡图
本期分享一个疾速绘制GO富集后果图的办法，次要应用R语言tidyverse包，只需导入数据即可一步出图，能够自定义显示的数目、色彩、筛选参数，从此以后绘制GO富集图只需1秒。
前言介绍
上面是一个GO富集剖析的后果数据表：
- ID：示意具体的GO条目
- Description：GO条目标形容
-
RatioF：分子是富集到这个GO条目上的gene的数目，
分母是所有输出的做富集剖析的gene的数目 - RatioB：分母是所有编码蛋白的基因中有GO正文的gene的数目，分子是正文到这个GO条目下面的gene数目
- pvalue：富集的p值
-
p.adjust：校对之后的p值
通过以上数据能够绘制如下的气泡图，还能够进一步依据后果分成三类：
- BP: biological process, 生物学过程
- MF: molecular function, 分子性能
-
CC: cellular component, 细胞成分
上面开始正式的绘图办法原理介绍
绘图办法
加载数据与参数
# 本脚本用于对TGT生成的GO后果作图
library(tidyverse)
rm(list=ls())
# 设置我的项目根本信息
file <- "GO-Table20230629105106.csv" #数据文件名
job <- "20230629" #项目名称
out_info_num <- 30 #最大显示条目数
my_pvalue <- 1 #p值筛选条件
my_number <- 0 #数量筛选条件
color_1 <- c("blue","red") #色彩将数据导入df变量中，而后批改colnames，应用管道操作符%>%对数据框进行筛选。首先，依据”Pvalue”列的值小于my_pvalue变量的值，保留满足条件的行。而后，持续筛选，仅保留”Number”列的值大于my_number变量的值的行。最终，通过筛选后的后果会存储回df数据框中。
df <- read.csv(file,header = T)
colnames(df) <- c("ID",
"Description",
"RatioF",
"RatioB",
"Pvalue",
"FDR",
"Number",
"Group",
"Gene")
df$Description <- factor(df$Description)
df <- df %>% filter(Pvalue < my_pvalue) %>%
filter(Number > my_number)数据转换
调用分数转小数的函数，mixedToFloat相干介绍请见上一篇文章。
df$RatioF <- mixedToFloat(df$RatioF)
df$RatioB <- mixedToFloat(df$RatioB)首先，依据”RatioF”列的值对df进行升序排序，并将后果存储在df_plot中。
而后，从df_plot中提取”Description”列的惟一值，并将其存储在leve_des变量中。
接下来，将df_plot中的”Description”列转换为因子类型，并依照leve_des中的程序设置程度值（levels）。
随后，从df_plot中保留前out_info_num行的数据，并将后果从新赋值给df_plot。这样就实现了对df_plot的行数限度。
最初，应用管道操作符%>%对df_plot进行操作，将所有含有缺失值的行删除，并将后果从新赋值给df_plot。
df_plot <- df[order(df$RatioF),]
leve_des <- unique(df_plot$Description)
df_plot$Description <- factor(df_plot$Description,levels = leve_des)
df_plot <- df_plot[1:out_info_num,]
df_plot <- df_plot %>% drop_na()另外，须要对Group列进行替换，生成新的分类标注信息“MF”，“CC”，“BP”
# 应用mutate函数替换Group列的值
df_plot <- df_plot %>%
mutate(Group = case_when(
Group == "molecular_function" ~ "MF",
Group == "cellular_component" ~ "CC",
Group == "biological_process" ~ "BP",
TRUE ~ Group
))绘制图像
接下来，应用ggplot2绘制气泡图：
ggplot(df_plot)+
geom_point(aes(RatioF,Description,
color = Pvalue,
size = Number))+
labs(x="GeneRatio",y="GO description") +
labs(title="")+
scale_color_gradient(low = color_1[1],high=color_1[2],name="Pvalue")+
theme_bw()+
facet_grid("Group",scales = "free_y",space = "free_y")
ggsave(str_c("Fig_GO_plot_",job,".pdf"),
width = 8,height = 8)首先，应用geom_point函数在散点图中绘制数据点。散点的x轴示意RatioF，y轴示意Description。点的色彩基于Pvalue列的值，大小基于Number列的值。
接下来，应用labs函数设置x轴和y轴的标签文本，以及图表的题目。
而后，应用scale_color_gradient函数设置Pvalue色彩的突变范畴，并命名为”Pvalue”。
调用theme_bw函数将图表的主题款式设置为黑白。
最初，应用facet_grid函数创立一个分面图，依据”Group”列的值将图表分为多个子图。scales参数设置y轴的刻度尺和标签自在缩放，space参数设置y轴的间距。
最终，应用ggsave函数将生成的图表保留为PDF文件，文件名由”Fig_GO_plot_”、job和”.pdf”拼接而成，指定了输入文件的宽度和高度。
参考资料：
https://zhuanlan.zhihu.com/p/383654316
http://wheat.cau.edu.cn/TGT/m.html?navbar=GOEnrichment“速绘”系列专一于分享便捷实用的作图脚本，低代码实现精美科研作图。主打的就是可重复使用，换套数据一行代码即可出图！本篇文章的绘图脚本已上传至后盾，回复“GO29”即可取得。
本文由mdnice多平台公布
发表回复