该R包对应的文献为：GOplot: an R package for visually combining expression data with functional analysis

可以绘制以下3种GO富集图：

(a) GOCircle plot  (b) GOChord plot  (c) GOCluster

我们直接使用该R包自带的数据：

library(clusterProfiler) 

library(org.Dr.eg.db)

library(ggplot2) 

library(stringr) 

library(GOplot)

data(EC)

#这里EC貌似会显示是空白的，但是点击查看就刷出来了，或是直接运行后面代码也会出来 

EC文件结构

可以看出，EC包含多个数据，我们接下来使用其中的david（GO富集结果）和genes（用来GO富集的基因以及fold change值、p值等）。

terms <- EC$david

genes <- EC$genelist

terms数据结构 genes数据结构

---

1）GOCircle：

circ <- circle_dat(terms, genes)     #先利用terms文件和genes文件生成circ文件

GOCircle(circ)   #出图

GOCircle

重要的来了，如果我希望自选一些terms进行可视化怎么办？（关于自选term的问题，如果是选择前多少个term当然没问题，其他情况可能会涉及能不能这样做的问题：一般来说GO富集的terms之间存在很高的重复度或是包含关系，跳过重复的term、选择可视化那些功能上差异较大的term也让结果图更有意义；从另一个角度讲，每个term的上下调情况在图中都有显示，并不存在假的信息，只是说term的排名信息有变动，如果这算变动的话。。。）

#补充：如果是自己GO富集的结果，可以对富集结果ego进行简化，参考大佬教程 生信分析11：如何简化GO富集结果

我们选择第1,2,4,6,7,9,10,11,13,14个term进行可视化（至少选择10个，不然画图不够，会报错）：

terms_select <- terms[c(1,2,4,6,7,9,10,11,13,14),]

terms_select 结构

然后这里又有一个问题，我们后续使用的gene应该是这些 term中包含的基因而非genes表格的全部基因（这应该是大部分人报错的地方），于是我们应该从terms_select 的Genes列提取这些基因：

genes_select0 <- NULL

for (i in c(1,2,4,6,7,9,10,11,13,14))

{

genelist <- as.vector(c(terms[i,4]))

temp <- strsplit(genelist, ", ")[[1]]

genes_select0 <- append(genes_select0, temp, after = length(genes_select0))

}

genes_select0 <- genes_select0[-which(duplicated(genes_select0))]#删除重复的基因

genes_select0

我们这里得到的genes_select0只包含基因名，还要fold change值，需要到genes文件里面用merge函数去取。但是这里又有一个坑，从term表格中提取的基因是全大写，而genes表格里的基因名绝大部分为首字母大写，需要同步一下，我们将genes表格里的基因名改为全大写：

genes$ID <- toupper(genes$ID)   #改为全大写

genes_select0 <- data.frame(genes_select0)

colnames(genes_select0) <- "ID"

genes_select0 <- merge(genes_select0, genes, by = "ID")

head(genes_select0)

整合terms_select和genes_select0生成circ文件即可：

circ <- circle_dat(terms_select, genes_select0)

GOCircle(circ)

自选term可视化

---

2）GOChord

弦图的term数目不能多，我们这里选择4个term，然后找包含的基因：

terms_select <- terms[c(1,2,4,6),]

genes_select0 <- NULL 

for (i in c(1,2,4,6))

{

genelist <- as.vector(c(terms[i,4]))

temp <- strsplit(genelist, ", ")[[1]]

genes_select0 <- append(genes_select0, temp, after = length(genes_select0))

}

genes_select0 <- genes_select0[-which(duplicated(genes_select0))]#删除重复的基因

genes_select0

genes$ID <- toupper(genes$ID) #改为全大写

genes_select0 <- data.frame(genes_select0)

colnames(genes_select0) <- "ID"

genes_select0 <- merge(genes_select0, genes, by = "ID")

head(genes_select0)

得到的基因列表及其变化情况，包含有100+基因，显然是不行的，弦图里面基因数目需要控制：

genes_select

于是我们根据logFC和p值进行筛选：

genes_select <- subset(genes_select0, abs(logFC)>1.5 & adj.P.Val<0.05)

#只有30+基因数了，比较合适

合并：先将gene和term列表合并生成circ，再将这三者合并生成chord，然后作图：

circ <- circle_dat(terms_select, genes_select)

chord <- chord_dat(data = circ, genes = genes_select, process = terms_select$Term)

GOChord(chord, space = 0.02, gene.order = 'logFC', gene.space = 0.25, gene.size = 4)

GOChord

该图建议拿到adobe AI里面做一下去黑边、调色，会非常好看。

---

3）GOCluster

这一部分从图的特点可以看出，该部分要求的基因数不能太少，然后term数不宜太多，其实就是第二步的和弦图的genes_select0不要筛选，全部画图即可。

于是和上一步一样，先得到terms_select和genes_select0：

head(terms_select)

head(genes_select0)

合并，依次生成circ和chord：

circ <- circle_dat(terms_select, genes_select0)

chord <- chord_dat(data = circ, genes = genes_select0, process = terms_select$Term)

这里又有一个坑，需要一个把所选term的名称文件生成一个terms_list：

terms_list <- as.vector(terms_select$Term)

作图：cluster可以根据term聚类或是根据logFC聚类：

GOCluster(circ, terms_list, clust.by = 'term', lfc.col = c('darkgoldenrod1', 'black', 'cyan1'))

GOCluster; cluster by term

GOCluster(circ, terms_list, clust.by = 'logFC',lfc.col=c('darkgoldenrod1','black','cyan1'))

GOCluster; cluster by logFC

注意：GOCluster函数里参数显示其实并没有用到chord，但是没有chord的话会报错，肯定是用到了这个只是不显示。