❝1、《KS科研分享与服务》公众号有QQ交流群,进入门槛是20元(完全是为了防止白嫖党,请理解),请考虑清楚。群里有免费推文的注释代码和示例数据(终身拥有),没有付费内容,群成员福利是购买单个付费内容半价! 2、《KS科研分享与服务》微信VIP群只针对购买打包代码的小伙伴(公众号所有付费内容合集)!微信群不是单独的,是对于打包的人答疑解惑和交流的平台、群成员专享视频教程,帖子提前发布,以及其他更多福利! 点击:→ 加入微信vip群:2024-2025《KS科研分享与服务》付费内容打包集合
3、需进QQ群或者打包代码入微信VIP的小伙伴请添加作者微信了解,请备注目的,除此之外请勿添加,谢谢! 详情请联系作者: ❞ 最近很多博主捅了这篇Nature文章的窝了,它的富集分析展示很好,我们这里也复现一下(群主真容像彭于晏)。这个图展示的很有特色,不仅展示了通路,就和我们之前展示的一样(富集分析柱状图大集合:通路展示在柱子上)。重要的一点是还展示了通路基因,那么在实际应用中,可以展示自己关注的通路,基因可以展示那些重要的基因即可。不仅仅是单细胞数据富集分析的展示,其他的富集分析也是可以这样展示的,只需要整理成相应的作图数据格式即可!(reference:CHIT1-positive microglia drive motor
neuron ageing in the primate spinal cord) 完整版代码已发布2024年微信VIP,微信群_聊天记录_文件,自行下载! 我们这里使用上下调基因进行演示,首先构建一下富集分析的数据:
Macrophage <- subset(human_data, celltype=='Macrophage') diff <- FindMarkers(Macrophage, ident.1 = "GM", ident.2 = "BM", group.by = "group", logfc.threshold = 0.25,min.pct = 0.25)
diff$gene <- rownames(diff) diff$group <- "" diff$group <- ifelse(diff$avg_log2FC>0,"up",'down') 使用clusterProfiler进行富集分析,其他工具或者网站富集分析的,整理数据作图即可:这里我们挑选上下调前几个terms展示,实际中可展示自己需要的terms。#富集分析,我们这里就以KEGG为例子 group <- data.frame(gene=diff$gene,group=diff$group)#分组情况 #gene转化为ID Gene_ID <- bitr(diff$gene, fromType="SYMBOL", toType="ENTREZID", OrgDb="org.Hs.eg.db") #构建文件并分析 data <- merge(Gene_ID,group,by.x='SYMBOL',by.y='gene') diff_KEGG <- compareCluster(ENTREZID~group, data=data, fun = "enrichKEGG",#函数选择什么定义什么分析 pAdjustMethod = "BH", pvalueCutoff = 0.01, qvalueCutoff = 0.01, organism= "hsa")#物种
#将gene ID转化为gene symbol diff_KEGG = setReadable(diff_KEGG,OrgDb = "org.Hs.eg.db", keyType = "ENTREZID") #获取富集分析表格文件 diff_KEGG <- diff_KEGG@compareClusterResult
diff_KEGG <- diff_KEGG %>% group_by(group) %>% top_n(n = 5, wt = -qvalue)
#排序 diff_KEGG$group <- factor(diff_KEGG$group, levels = c("up","down")) # 使用排序索引重新排列数据框 diff_KEGG <- diff_KEGG[order(diff_KEGG$group), ] #terms因子顺序 diff_KEGG$Description <- factor(diff_KEGG$Description, levels = diff_KEGG$Description)
#展示的基因,我们选择每个terms展示5个基因,实际情况可以展示自己关注的基因 diff_KEGG$geneID <- sapply(strsplit(diff_KEGG$geneID , "/"), function(x) paste(x[1:5], collapse = "/"))
ggplot(diff_KEGG, aes(x = -log10(qvalue), y = rev(Description), fill = group))+ geom_bar(stat = "identity", width = 0.5)+ geom_text(aes(x=0.1,y=rev(Description),label = Description),size=3.5, hjust =0)+ theme_classic()+ theme(axis.text.y = element_blank(), axis.ticks.y = element_blank(), axis.title.y = element_text(colour = 'black', size = 12), axis.line = element_line(colour = 'black', linewidth =0.5), axis.text.x = element_text(colour = 'black', size = 10), axis.ticks.x = element_line(colour = 'black'), axis.title.x = element_text(colour = 'black', size = 12), legend.position = "none")+ scale_x_continuous(expand = c(0,0))+ scale_fill_manual(values = c("#CB5640","#65B0C6"))+ geom_text(data = diff_KEGG, aes(x = 0.1, y = rev(Description), label = geneID, color = group), size = 4, fontface = 'italic', hjust = 0, vjust = 2.3)+ scale_color_manual(values = c("#CB5640","#65B0C6"))+ scale_y_discrete(expand = c(0.1,0))+ labs(title = "Enrichment of genes", y=c("Down Up"))
这个图还是非常nice的,可以用到自己文章中,希望分享对你有用!
|