go kegg_TCGA|GEO可视化分析第2篇---KEGG|GO分析大全

导读：之前讲了如何用筛选出的差异基因做做相关性分析。那今天我和各位小伙伴深入的讲一下：（1）如何用clusterProfiler做KEGG|GO富集条形图，气泡图；（2）如何用enrichplot做gene-GO terms|gene-KEGG pathways网络图；（3）如何用GOplot绘制gene-GO terms|gene-KEGG pathways和弦图；（4）如何用heatplot绘制gene-GO terms|gene-KEGG pathways关系瀑布图。

正文：GO,KEGG富集分析条形图（barplot）和气泡图（dotplot）都只显示最显著的富集项，而用户如果想知道哪些基因与这些显著项有关，该怎么办呢？cnetplot就是将基因GO terms或KEGG pathways之间的联系描述为一个网络，体现gene-GO terms|gene-KEGG pathways的关系趋势。瀑布图（heatplot）与cnetplot类似，它将gene-GO terms|gene-KEGG pathways关系显示为热图。因为gene-GO terms|gene-KEGG pathway网络图可能会过于复杂，热图可以简化结果，更容易识别表达模式。

Part1:KEGG|GO富集条形图，气泡图

library(openxlsx)
library(clusterProfiler)
library(ggplot2)
library(enrichplot)
library(GOplot)
library(DOSE)
library(stringr)

#先把需要用到的包加载好，没有安装的依赖包一起安装一下。安装好所有的包之后，下面我们开始读取数据。

setwd("E:Bioinfo_analysisscriptscorrcorr_batch") #设置工作路径
fr<-read.xlsx('DEGs.xlsx',rowNames = F,colNames = T) #数据格式如下

D
GO<-enrichGO(
  gene$ENTREZID,
  OrgDb = 'org.Hs.eg.db',
  keyType = "ENTREZID",
  ont = "ALL",
  pvalueCutoff = 0.05,
  pAdjustMethod = "BH",
  qvalueCutoff = 0.05,
  minGSSize = 10,
  maxGSSize = 500,
  readable = TRUE
) #GO富集
KEGG<-enrichKEGG(
  gene$ENTREZID,
  organism = "hsa",#我用到是数据是人的组织数据，所以这里选择‘hsa’
  keyType = "kegg",
  pvalueCutoff = 0.05,
  pAdjustMethod = "BH",
  universe,
  minGSSize = 5,
  maxGSSize = 500,
  q