GO和KEGG富集分析结果的可视化

### 步骤总结：
1. **提取差异表达基因**：将目标基因列表准备好。
2. **在DAVID网站进行基因注释**：DAVID Functional Annotation Tools (ncifcrf.gov)
   - **Start Analysis**：开始分析。

   - **Upload**：上传基因列表。

   - **Step 1: Enter Gene List**：输入基因列表。

   - **Step 2: Select Identifier**：选择基因的标识符（如Ensembl、Entrez ID等）。
   - **Step 3: List Type: Gene List**：确认列表类型为基因列表。
   - **Step 4: Submit List**：提交基因列表。
3. **功能注释分析**：
   - **Clear All**：清除所有默认勾选的富集分析选项。
   - **Gene_Ontology**：查看GO分析的富集结果，包括BB（生物过程）、MF（分子功能）和BP（细胞成分）三个富集分析。
   - **Pathways**：查看通路分析的富集结果，特别是KEGG通路分析。

4. **下载注释数据**：分别下载GO和KEGG的富集分析结果。

5. **使用R语言进行可视化**：
   - 代码用于将GO和KEGG的富集分析结果可视化，生成柱状图。
   - 使用`ggplot2`包进行图形绘制，生成的图表将基因富集结果按FDR（矫正后的p值）排序，并在X轴显示Term名称，Y轴显示富集基因数目。

### 代码优化：
```r
# 必要的包
library(ggplot2)

# 输入输出文件路径
inputFile <- "input.txt"
outFile <- "barplot.pdf"

# 设置工作目录
setwd("D:\\biowolf\\bioR\\03.barplotPval")

# 读取数据
rt <- read.table(inputFile, header = TRUE, sep = "\t", check.names = FALSE)

# 按FDR升序排序
labels <- rt[order(rt$FDR), "Term"]
rt$Term <- factor(rt$Term, levels = labels)

# 绘制柱状图
p <- ggplot(data = rt) +
  geom_bar(aes(x = Term, y = Count, fill = FDR), stat = 'identity') +
  coord_flip() +
  scale_fill_gradient(low = "red", high = "blue") + 
  xlab("Term") + 
  ylab("Gene count") + 
  theme(axis.text.x = element_text(color = "black", size = 10),
        axis.text.y = element_text(color = "black", size = 10)) + 
  scale_y_continuous(expand = c(0, 0)) + 
  scale_x_discrete(expand = c(0, 0)) + 
  theme_bw()

# 保存图片
ggsave(outFile, plot = p, width = 7, height = 5)
```

参考学习基因富集工具DAVID(2)_david富集分析-CSDN博客