美化clusterProfiler富集分析结果：enrichplot包中的cnetplot

原创

生信小博士

发布于 2024-03-30 18:26:54

7100

发布于 2024-03-30 18:26:54

文章被收录于专栏：单细胞单细胞

写在开头

相信大家对富集分析都很熟悉，但是对富集分析结果的美化却永无止境。

今天我们介绍Y叔系列中enrichplot包的cnetplot函数。

cnetplot函数介绍

Y叔为啥要开发cnetplot函数来画图呢，需要我们先理解一个概念：基因-概念网络 (Gene-Concept Network) GCN

barplot() 和 dotplot() 函数通常只显示最重要的或选定的富集术语，这些术语代表基因表达或功能上的富集。然而，使用者可能想知道哪些基因参与了这些关键的富集术语。
为了更全面地考虑基因的生物学复杂性，例如一个基因可能属于多个功能类别并可能存在表达量的变化，研究人员开发了 cnetplot() 函数来提取基因与相关概念之间的复杂关联信息。
cnetplot() 函数将基因和生物学概念（例如 Gene Ontology 条目或 KEGG 通路）之间的关联描绘成一个网络，从而直观地展示基因与功能术语之间的关系。
除了标准的富集分析结果，cnetplot() 函数也支持基因集富集分析 (GSEA) 的结果展示，并仅显示核心富集基因。

cnetplot函数所需要的输入内容：

library(DOSE)data(geneList);head(geneList)de <- names(geneList)[abs(geneList) > 2]edo <- enrichDGN(de);head(edo)

cnetplot函数小试牛刀，先画barplot看看

barplot，此函数只能对接enrichResult对象，所以GSEA的结果它是画不出来的，barplot用于展示最重要的或者你感兴趣的条目的富集结果，比如富集到的基因个数、条目名字，P值等信息。

library(enrichplot)barplot(edo, showCategory=20) ;head(edo)
library(enrichplot)
p1 <- barplot(ora_res,         showCategory=10 # 展示多少条目        ,x = "Count" # X轴展示那个变量，默认Count,也可以是GeneRatio        ,label_format = 30 # 默认对名字超过30个字符的进行折叠        ,font.size = 12 # 字体大小        ,title = "Bar plot for ORA"        ) 
p2 <- barplot(ora_res,         showCategory=10         ,x = "GeneRatio"         ) 
cowplot::plot_grid(p1,p2)barplot(ora_res, showCategory=10        ,split = "ONTOLOGY" # 分面，GO ORA特有        ) +  facet_grid(ONTOLOGY~., scale="free") # ggplot2的分面语法

cnetplot可以给基因加上foldchange信息，让图更好看

#3 readable--  edox <- setReadable(edo, 'org.Hs.eg.db', 'ENTREZID')
  cnetplot(edox, foldChange=geneList)  ## categorySize can be scaled by 'pvalue' or 'geneNum'  
  cnetplot(edox, categorySize="pvalue", foldChange=geneList)

下面这张有点像弦图

  cnetplot(edox, foldChange=geneList, circular = TRUE, colorEdge = TRUE)

富集分析结果也可画成热图形式

p1 <- cnetplot(edox, node_label="category") 
 p2 <- cnetplot(edox, node_label="gene")  
 p3 <- cnetplot(edox, node_label="all")  
 p4 <- cnetplot(edox, node_label="none")  
 cowplot::plot_grid(p1, p2, p3, p4, ncol=2, labels=LETTERS[1:4])  
 heatplot(edox, foldChange=geneList)

下面这段代码有助于理解cnetplot画图原理

 #8理解cnetplot画图原理  ------  set.seed(123)  x <- list(A = letters[1:10], B=letters[5:12], C=letters[sample(1:26, 15)]);x  p1 <- cnetplot(x)  set.seed(123)  d <- setNames(rnorm(26), letters);d  p2 <- cnetplot(x, foldChange=d) +    scale_color_gradient2(name='associated data', low='darkgreen', high='firebrick');p2  cowplot::plot_grid(p1, p2, ncol=2, labels=LETTERS[1:2])

展示kegg图

 library("pathview")  
 hsa04110 <- pathview(gene.data  = geneList,  pathway.id = "hsa04110",  
                      species    = "hsa", 
                    limit      = list(gene=max(abs(geneList)), cpd=1))

最后，我们复习一下cnetplot函数的用法：

函数简介：

cnetplot 函数用于可视化基因与生物学概念之间关联的函数，它可以将基因和生物学概念（例如 Gene Ontology 条目或 KEGG 通路）之间的关联描绘成一个网络，从而直观地展示基因与功能术语之间的关系。

参数：

x：包含富集分析结果的 R 对象。
foldChange：基因的表达量变化值。
colorEdge：是否根据富集术语对边进行着色。
category：类别节点的颜色。
color_gene：基因节点的颜色。
node_label="category" #节点标签 “category”, “gene”, “all” and “none” cex_label_category = 1.2 #节点标签字体大小

输出结果：

cnetplot 函数输出一个基因-概念网络，其中：

节点代表基因或生物学概念。
边代表基因与生物学概念之间的关联。
节点的颜色代表基因的表达量变化值或生物学概念的类型。

## convert gene ID to Symboledox <- setReadable(edo, 'org.Hs.eg.db', 'ENTREZID')
p1 <- cnetplot(edox, foldChange=geneList)## categorySize can be scaled by 'pvalue' or 'geneNum'
p2 <- cnetplot(edox, categorySize="pvalue", foldChange=geneList)
p3 <- cnetplot(edox, foldChange=geneList, circular = TRUE, colorEdge = TRUE) 
cowplot::plot_grid(p1, p2, p3, ncol=3, labels=LETTERS[1:3], rel_widths=c(.8, .8, 1.2))

参考：https://yulab-smu.top/biomedical-knowledge-mining-book/index.html#可视化：https://yulab-smu.top/biomedical-knowledge-mining-book/enrichplot.html

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

r 语言

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

r 语言

登录后参与评论

0 条评论

热度