转录组不求人系列(十三): GO、KEGG富集个性化作图

Posted 2023-04-18

参考技术A

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。

非模式生物GO、KEGG富集分析

参考技术A GO、KEGG富集分析是我们做生信分析较为常用的部分，它可以将基因与功能相联系起来。
GO指的是Gene Ontology，是基因功能国际标准分类体系。目的在于建立一个适用于各种物种的，对基因和蛋白质功能进行限定和描述的，并能随着研究不断深入而更新的语言词汇标准。GO分为分子功能（Molecular Function)(MF)、生物过程（Biological Process）(BP)、和细胞组成（Cellular Component）(CC)三个部分。
KEGG指的是京都基因与基因组百科全书，通常我们使用KEGG中的pathway模块，将基因映射到某些通路上，了解基因参与生物体中的代谢过程等。
对于模式生物，GO和KEGG富集分析实现起来比较容易，对于非模式生物来说还是需要花点时间和精力。对于模式生物的GO和KEGG富集分析，网上教程案例挺多的。对于非模式生物，以小麦为例，进行下面一些基本的富集分析。

做富集分析，我们需要了解一下几个概念。
1、前景基因：指的是我们所要进行富集的基因，一般是基因的ID
2、背景基因：指的是前景基因在某个基因集合进行富集，这个基因集合就是背景基因

3、描述信息：每个GO的Term的属性，或者是每个KO号或者map号的属性。

我们具备前景基因，背景基因以及描述信息我们就可以做富集分析啦。

1、前景基因:这是必须的啦。有时候需要进行ID转换，但是个人觉得ID转换根据需要来就行。如果前景基因里面的基因ID是包括在背景基因里面，那就需要进行转换。如果前景基因在是新的基因或者在背景基因没有被注释到的，就不用进行ID转换。下面这个就是融合基因，在背景基因里面没有注释到的，那么我就不要转换。

2、背景基因：一个基因可能具备多个GO term，一个基因也可能参与多个通路，与之相对应的有多个map号
这个案例中背景基因文件构建思路如下图

3、描述文件

跑完之后就会得到一些结果：

生成一些简单的气泡图，条形图，GO二级分类图