R语言绘图包04--GOplot：富集分析结果可视化
2021-06-18 本文已影响0人
Hayley笔记
R语言绘图包系列：
GOplot是一个基因富集可视化的R包，提供了一些新的GO富集可视化思路。
GOplot使用了zscore概念，但其并不是指Z-score标准化，而是指每个GO term下上调(logFC>0)基因数和下调基因数的差与注释到GO term基因数平方根的商。用于表示参与某个GO Term下基因的上调或下调情况，公式：
zscore is an easy to calculate value to give you a hint if the biological process (/molecular function/cellular components) is more likely to be decreased (negative value) or increased (positive value)
1. 安装
# Installation of the latest released version
install.packages('GOplot')
# Installation of the latest development version
install_github('wencke/wencke.github.io')
2. GOplot 内置数据
来自已发表的文章: Dev Cell. 2013 Jul 29;26(2):204-19.
GEO号: GSE47067
3. GOplot用法演示
3.1 准备
加载R包，导入数据
library(GOplot)
data(EC) #内置数据集
查看基因富集结果
View(EC$david)
查看选择的基因
View(EC$genelist)
使用circle_dat()构建画图数据，生成circ对象。⚠️
circ <- circle_dat(EC$david, EC$genelist)
# category ID term count genes logFC adj_pval zscore
# 1 BP GO:0007507 heart development 54 DLC1 -0.9707875 2.17e-06 -0.8164966
# 2 BP GO:0007507 heart development 54 NRP2 -1.5153173 2.17e-06 -0.8164966
# 3 BP GO:0007507 heart development 54 NRP1 -1.1412315 2.17e-06 -0.8164966
# 4 BP GO:0007507 heart development 54 EDN1 1.3813006 2.17e-06 -0.8164966
# 5 BP GO:0007507 heart development 54 PDLIM3 -0.8876939 2.17e-06 -0.8164966
# 6 BP GO:0007507 heart development 54 GJA1 -0.8179480 2.17e-06 -0.8164966
3.2 绘图
3.2.1 条形图GOBar()
# 画一张简单的条形图
GOBar(subset(circ, category == 'BP'))
绘制分面图，添加标题，更改颜色
GOBar(circ, display = 'multiple', title = 'Z-score coloured barplot', zsc.col = c('yellow', 'black', 'cyan'))
3.2.2气泡图GOBubble()
气泡图是另外一种全局查看富集通路的方法
GOBubble(circ, labels = 3)
X轴是z-score； Y轴是多重矫正后p值的负对数，值越大padj值越小；圈大小展示GO Term下的基因数。
分面同时展示BP, CC, MF的气泡图
GOBubble(circ, title = 'Bubble plot', colour = c('orange', 'darkred', 'gold'), display = 'multiple', labels = 3)
更改背景颜色
GOBubble(circ, title = 'Bubble plot with background colour', display = 'multiple', bg.col = T, labels = 3)
3.2.3 圈图展示基因富集分析结果GOCircle()
GOCircle(circ)
GOCircle()默认展示circ 数据前10个GO Term，可以通过参数nsub参数调整需要展示的GO Term。
IDs <- c('GO:0007507', 'GO:0001568', 'GO:0001944', 'GO:0048729', 'GO:0048514', 'GO:0005886', 'GO:0008092', 'GO:0008047')
GOCircle(circ, nsub = IDs)
GOCircle(circ, nsub = 13)
3.2.4 展示基因与GO Terms关系的圈图 GOChord()
在绘制圈图 之前，首先需要使用chord_dat ()函数将绘图数据整理成GOChord() 要求的输入格式：一个二进制的关系矩阵，1表示基因属于该GO Term，0与之相反。
# 选择感兴趣的基因
head(EC$genes)
## ID logFC
## 1 PTK2 -0.6527904
## 2 GNA13 0.3711599
## 3 LEPR 2.6539788
## 4 APOE 0.8698346
## 5 CXCR4 -2.5647537
## 6 RECK 3.6926860
# 选择感兴趣的GO Term
EC$process
## [1] "heart development" "phosphorylation"
## [3] "vasculature development" "blood vessel development"
## [5] "tissue morphogenesis" "cell adhesion"
## [7] "plasma membrane"
使用chord_dat ()构建画图数据
# chord_dat(data, genes, process)
# genes和process参数如果不指定，将默认使用对应的全部数据
chord <- chord_dat(circ, EC$genes, EC$process)
View(chord)
画图
GOChord(chord, space = 0.02, gene.order = 'logFC', gene.space = 0.25, gene.size = 5)
GOChord() 参数
GOChord(data, title, space, gene.order, gene.size, gene.space, nlfc = 1,
lfc.col, lfc.min, lfc.max, ribbon.col, border.size, process.label, limit)
| 参数 | 含义 |
|---|---|
| data | 二进制矩阵 |
| title | 标题 |
| space | 基因对应方块之间的距离 |
| gene.order | 基因排列顺序 |
| gene.size | 基因标签大小 |
| nlfc | logFC 列的数目 |
| lfc.col | LFC颜色，定义模式：c(color for low values, color for the mid point, color for the high values) |
| lfc.min | LFC最小值 |
| lfc.max | LFC最大值 |
| ribbon.col | 向量定义基因与GO Term间条带颜色 |
| border.size | 基因与GO Term间条带边框粗细 |
| process.label | GO Term 图例文字大小 |
| limit | c(3, 2)，两个数字；第一个参数筛选基因(保留至少存在于3个GO Term的基因),第二个参数筛选GO Term(保留至少包含2个基因的GO Term ) |
3.2.5 基因与GO Term的热图GOHeat()
GOHeat(chord[,-8], nlfc = 0)
nlfc = 1：颜色对应logFC nlfc = 0：颜色对应每个基因注释了到了几个GO Term
GOHeat(chord, nlfc = 1, fill.col = c('red', 'yellow', 'green'))
GOCluster(circ, EC$process, clust.by = 'logFC', term.width = 2)
3.2.6 韦恩图GOVenn()
l1 <- subset(circ, term == 'heart development', c(genes,logFC))
l2 <- subset(circ, term == 'plasma membrane', c(genes,logFC))
l3 <- subset(circ, term == 'tissue morphogenesis', c(genes,logFC))
GOVenn(l1,l2,l3, label = c('heart development', 'plasma membrane', 'tissue morphogenesis'))
