R语言基因功能富集分析气泡图

---

前言

大家好✨，这里是bio🦖。有一位粉丝询问我如何绘制基因功能富集分析图，简单了解过后发现这是gene ontology（基因本体论）有关的知识，之前从未了解过。于是想写篇博客记录一下新知识以及第一次教粉丝绘图。
看完本篇博客，你将学习到：
1. 什么是基因本体论
2. 如何绘制基因功能富集分析图

---

一、基因本体论介绍

基因本体论 (Gene Ontology, GO)是生物信息学主要的项目，旨在是统一所有物种的基因和基因产物属性的代表。具体而言，这个项目的目的是（1）维持和发展在控制下基因及基因产物属性的词汇；（2）注释基因及基因产物属性，同化或传播注释数据；（3）提供工具，方便访问项目提供的数据的各个方面，并使用GO实现实验数据的功能解释^[1]。

GO包含生物学的三个方面^[1]：
细胞组分（cellular component）：细胞的组成部分或细胞外环境
分子功能（molecular function）：基因产物在分子水平的活性，如结合或催化活性
生物过程（biological process）：有明确开始和结束的操作或一组分子事件，与整合的生命单位的功能有关。

哔哩哔哩有个讲解视频，个人觉得很不错，感兴趣的读者可以去看看哔哩哔哩讲解视频

二、数据获得

数据是粉丝提供的，感兴趣的读者可以下载：
百度网盘下载链接
提取码：svwx

图一，数据图

Category：种类
CategoryID：种类id
GO:GO编码
Description:描述
PARENT_GO：上一级的GO（这个可能没理解对）
LogP：P值的负对数
Enrichment：富集
Z-score：
GeneInHitList：基因在自己列表中的数量
GeneInGOAndHitList：基因在自己列表中且在GO中的数量

Z-score 的意思没有查到，如果有读者知道，可以告知一下，谢谢！

三、气泡图绘制

因为它的数据只需要简单的处理就可以使用了，所以话不多说直接上代码：

library(openxlsx)
library(ggplot2)

setwd('YOUR_WORKWAY')

# import data
data <- read.xlsx('1021_csdn.xlsx', sheet = 2)

# data processing

## calculate gene ratio
data$GeneRatio <- data$`#GeneInGOAndHitList` / data$`#GeneInHitList`

## transfer negative PV to positive
data$positive_Pvalue <- -(data$LogP)


draw_data <- data.frame(Description = data$Description, LogP = data$positive_Pvalue,
                        GeneRatio = data$GeneRatio,Enrichment = data$Enrichment)


# visualize data
ggplot(draw_data, aes(x=GeneRatio, y=Description))+
  geom_point(aes(size=Enrichment, color=LogP))+
  scale_colour_continuous(name="LogP", low='orange', high='red')

图二，气泡图

绘制出的散点图有部分点偏移了，可以对数据进行缩放（不等缩放，类似于y=ax+b）

library(openxlsx)
library(ggplot2)

setwd('YOUR_WORKWAY')

# import data
data <- read.xlsx('1021_csdn.xlsx', sheet = 2)

# data processing

## calculate gene ratio
data$GeneRatio <- data$`#GeneInGOAndHitList` / data$`#GeneInHitList`

## transfer negative PV to positive
data$positive_Pvalue <- -(data$LogP)

## scale the gene ratio
data$percentage <- ceiling(rep(1,15) / data$GeneRatio)
data$GeneRatio <- data$percentage * data$GeneRatio


draw_data <- data.frame(Description = data$Description, LogP = data$positive_Pvalue,
                        GeneRatio = data$GeneRatio,percentage = data$percentage * 10)


# visualize data
ggplot(draw_data, aes(x=GeneRatio, y=Description))+
  geom_point(aes(size=percentage, color=LogP))+
  scale_colour_continuous(name="LogP", low='pink', high='red')+
  labs(size="10*percentage")

图三，数据处理气泡图

---

四、参考

[1]. wikipedia Gene Ontology
[2]. 哔哩哔哩视频讲解

---