【R语言】解决GO富集分析绘图，标签重叠问题

Posted 2023-03-24

参考技术A

前面我给大家详细介绍过

☞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

用topGO进行GO富集分析

参考技术A topGO是一个半自动的GO富集包，该包的主要优势是集中了好几种统计检验的方法，目前支持的统计方法如下：

BiocManager::install('topGO')
需要R的版本为>=2.10，但biocmanager安装需要的R版本更高，现在应该是3.6。

富集工作主要包括3个步骤：
1、准备相关数据；
2、进行富集统计检验；
3、分析结果。
所以最重要的工作就是数据的准备。需要的数据包括包含全部geneID（背景基因名，一般是研究物种的全部基因）的文件，需要进行富集分析的geneID（差异表达基因或感兴趣的基因）文件，还有gene-to-GO的注释文件。

物种全部的geneID和差异基因ID比较容易获得，比较费劲的是gene-to-GO文件。
topGO提供了一些函数来帮助我们自动获取注释信息：
annFUN.db ：用于Bioconductor上有注释包的物种的芯片数据；
annFUN.org ：用于Bioconductor上有“org.XX.XX”注释包的数据；
annFUN.gene2GO ：用户自己提供gene-to-GO文件；
annFUN.GO2gene ：用户提供的GO-to-gene文件也可以；
annFUN.file ：读取有gene2GO或GO2gene的txt文件。
一般Bioconductor提供的注释物种并不多，我的方法主要是用AnnotationHub的select函数或biomaRt的getBM函数来获取，具体操作见: https://github.com/xianyu426/gene_annotation

自己提供gene2GO文件时，格式应该为：
gene_ID<TAB>GO_ID1, GO_ID2, GO_ID3, ....

这样就定义了一个topGOdata对象。

结果可以作气泡富集图。

showSigOfNodes(GOdata, score(resultWeight), firstSigNodes = 10, useInfo = "all")