KEGG，GO term功能网络，富集网络，功能网络绘制，R语言，Cytoscape

Kiavash Movahedi et al. (2020) Nat Neuroscience

工具：
simplifyEnrichment (R package)
Cytoscape
AI

前言：
GO term功能网络中，每个节点代表一个Gene ontology，点的大小代表富集得分（或者其他用于说书的得分）。网络中有相关关系的功能会形成“边”。人工绘制的边界圈出了标记为相同cluster的功能。

为什么要对GO term聚类？因为现在几乎什么实验条件都能够富集出几百个GO term，这些功能如果一一查看，最后手动挑选的话，难免会得到有偏颇的结论，以至于把实验引入一个更加错误的方向。
为了展示更加全面的生物功能的差异，一个美观的GO term网络是十分有必要的。

绘制步骤：

R语言部分

library(msigdbr)
library(simplifyEnrichment)
library(dplyr)

m_df = msigdbr(species = "Mus musculus", category = "C5",subcategory = "GO:BP")
GOIDs = m_df$gs_exact_source%>% unique() %>% sample(,size = 100) # generate GOID sets randomly

head(GOIDs)
# [1] "GO:0009256" "GO:0009256" "GO:0009256" "GO:0009256" "GO:0009256" "GO:0006103"

mat = GO_similarity(GOIDs)
df = simplifyGO(mat,method = "kmeans")

net = reshape2::melt(mat)
net = net[which(net$value > 0.6),]
net = net[which(as.character(net$Var1)> as.character(net$Var2)),]

head(net)
# Var1       Var2     value
# 402  GO:0015824 GO:0014050 0.6017792
# 511  GO:1990266 GO:0072676 0.7430274
# 1109 GO:1901224 GO:0070374 0.6283545
# 1430 GO:1900425 GO:0060331 0.7138334
# 1785 GO:1905456 GO:1902037 0.7216737
# 1834 GO:0060442 GO:0048755 0.6681442

df$size = sample(1:100,size = 100,replace = T)
head(df)
#           id                                                           term cluster size
# 1 GO:1901298 regulation of hydrogen peroxide-mediated programmed cell death       6   81
# 2 GO:0015824                                              proline transport       3   59
# 3 GO:0051703                     intraspecies interaction between organisms       5   25
# 4 GO:0038127                                         ERBB signaling pathway       6   71
# 5 GO:0014050                     negative regulation of glutamate secretion       3   75
# 6 GO:0072676                                           lymphocyte migration       3    1

write.table(net,file = "net.txt",col.names = T,row.names = F,quote = F,sep = "\t")
write.table(df,file = "df.txt",col.names = T,row.names = F,quote = F,sep = "\t")


########################
# variables annotation #
########################
# 
# net : variable stored information about edges in the network
# df : variables stored information about nodes in network
# GOIDs : seleted Go ontologys in research 
# 

得到数据之后，导入Cytoscape绘制网络
Cytoscape的具体操作步骤不在本文中赘述，这里推荐一些Cytoscape 的教学链接。

https://zhuanlan.zhihu.com/p/220527695
http://www.360doc.com/content/19/0409/20/49059453_827533578.shtml

在功能网络的绘制中并不需要多么困难复杂的操作，但依然有些设置需要注意：

1. 网络尽可能的饱满，不要太扁或者太宽
2. 网络的节点记得要size-code by df$size
3. 需要记住每一团网络节点代表了那个GO cluster。

当我们结束Cytoscape网络的绘制后，大致能得到以下的pdf（注意一定是要pdf导出网络，不然没法用AI进行更细致的修改）

之后是AI的过程，这里简单说两句，

1. 得到网络pdf后，调整边的颜色（#7FB5E5），点的颜色（#E9471E）
2. 如果边太过密集，记得设置边的透明度
3. 如果记性不好的话，用Cytoscape来标记GO term cluster的位置
4. 用椭圆标出相同cluster的node，然后人工总结该cluster的大致功能
5. 如果想要标注基因，记得要用斜体

需要生信和统计图表绘图服务，
可以加我的VX:LGR581X
主要面向学生党毕设，价格便宜哟~