系列文章目录

文章目录

单细胞测序流程（一）简介与数据下载

单细胞测序流程（二）数据整理

单细胞测序流程（三）质控和数据过滤——Seurat包分析，小提琴图和基因离差散点图

单细胞测序流程（四）主成分分析——PCA

单细胞测序流程（五）t-sne聚类分析和寻找marker基因

单细胞测序流程（六）单细胞的细胞类型的注释

单细胞测序流程（七）单细胞的细胞类型轨迹分析

本期主讲内容——单细胞的GO圈图

咱们在上一个课程中进行了GO富集分析，但是我们无法看到基因在GOterm的富集情况，也无法看到GOterm之间的关系

提示：以下是本篇文章正文内容，下面案例可供参考

一、课前准备

之前所使用的数据（上个课程中运行结果这就是在所需的数据：id.txt与go.txt）

R语言的IDE

二、过程

将准备数据和脚本放在一起，直接运行R的脚本即可，

#install.packages("digest")
#install.packages("GOplot")library(GOplot)
setwd("文件所在的目录")              #设置工作目录ego=read.table("GO.txt", header = T,sep="\t",check.names=F)      #读取GO富集结果文件
go=data.frame(Category = "All",ID = ego$ID,Term = ego$Description, Genes = gsub("/", ", ", ego$geneID), adj_pval = ego$p.adjust)#读取基因的logFC文件
id.fc <- read.table("id.txt", header = T,sep="\t",check.names=F)
genelist <- data.frame(ID = id.fc$gene, logFC = id.fc$avg_logFC)
row.names(genelist)=genelist[,1]circ <- circle_dat(go, genelist)
termNum = 3                                     #限定term数目
geneNum = nrow(genelist)                        #限定基因数目chord <- chord_dat(circ, genelist[1:geneNum,], go$Term[1:termNum])
pdf(file="circ.pdf",width = 11,height = 10.5)
GOChord(chord, space = 0.001,           #基因之间的间距gene.order = 'logFC',    #按照logFC值对基因排序gene.space = 0.25,       #基因名跟圆圈的相对距离gene.size = 5,           #基因名字体大小 border.size = 0.1,       #线条粗细process.label = 6)       #term字体大小
dev.off()termCol <- c("#223D6C","#D20A13","#FFD121","#088247","#58CDD9","#7A142C","#5D90BA","#431A3D","#91612D","#6E568C","#E0367A","#D8D155","#64495D","#7CC767")
pdf(file="cluster.pdf",width = 15,height = 10)
GOCluster(circ.gsym, go$Term[1:termNum], lfc.space = 0.2,                   #倍数跟树间的空隙大小lfc.width = 1,                     #变化倍数的圆圈宽度term.col = termCol[1:termNum],     #自定义term的颜色term.space = 0.2,                  #倍数跟term间的空隙大小term.width = 1)                    #富集term的圆圈宽度
dev.off()

三、结果

从图就可以看出，基因和各个GO之间的关系，图的下方可以看到每个GO的颜色，logFC的值代表基因的表达程度，颜色越深代表富集程度越高，表达成都越高越显著。

图的下方可以看到每个GO的颜色，里面的环为基因，基因在哪里就代表那个GO里有这个基因，比如说有一个基因在三个颜色的环下面，则代表在三个GO中都有，logFC的值代表表达程度，颜色越深代表富集程度越高，表达越显著。

四、结尾

因为这次的结果很多取决于之前的数据，所以必须要把上一节课的内容也要用到，所以要保证之前所得到结果无误才可以。
单细胞测序流程（九）单细胞的GO圈图到这里就已结束了
下一章会讲解kegg富集分析和kegg的圈图的绘画（最后一个课程了）
我所做的所有分析与教程的代码都会在我的个人公众号中，请打开微信搜索“生信学徒”进行关注，欢迎生信的研究人员和同学前来讨论分析。
ps：公众号刚刚建立比较简陋，但是该有的内容都不会少。

单细胞测序流程（九）单细胞的GO圈图相关推荐

单细胞测序流程（八）单细胞的marker基因转化和GO富集分析
系列文章目录单细胞测序流程(一)简介与数据下载单细胞测序流程(二)数据整理单细胞测序流程(三)质控和数据过滤--Seurat包分析,小提琴图和基因离差散点图单细胞测序流程(四)主成分分析--P ...
单细胞测序流程（四）主成分分析——PCA
PCA PCA:线性降维,主要用于数据少的时候使用.看结果的时候,看打分的绝对值大小,而不是单独的看数据的大小,PCA 是最常用的降维方法,通过某种线性投影,将高维的数据映射到低维的空间中表示,并期望 ...
单细胞测序流程（三）质控和数据过滤——Seurat包分析，小提琴图和基因离差散点图
质控和数据过滤准备工具:R. 准备数据:上期经过整理的数据geneMatrix. 注意事项:R的安装目录和文件所在位置都不可有英文. R 语言所需安装的包: #if (!requireNamespa ...
单细胞测序流程（五）t-sne聚类分析和寻找marker基因
系列文章目录单细胞测序流程(一)简介与数据下载单细胞测序流程(二)数据整理单细胞测序流程(三)质控和数据过滤--Seurat包分析,小提琴图和基因离差散点图单细胞测序流程(四)主成分分析--P ...
单细胞测序流程（六）单细胞的细胞类型的注释
系列文章目录单细胞测序流程(一)简介与数据下载单细胞测序流程(二)数据整理单细胞测序流程(三)质控和数据过滤--Seurat包分析,小提琴图和基因离差散点图单细胞测序流程(四)主成分分析--P ...
单细胞测序流程（七）单细胞的细胞类型轨迹分析
系列文章目录单细胞测序流程(一)简介与数据下载单细胞测序流程(二)数据整理单细胞测序流程(三)质控和数据过滤--Seurat包分析,小提琴图和基因离差散点图单细胞测序流程(四)主成分分析--P ...
单细胞测序流程（一）简介与数据下载
** 简介 ** 单细胞测序:单细胞测序从宏观来讲是指在单个细胞水平上进行测序. 单细胞转录组测序是指对于单个细胞水平上将mRNA反转录扩增后进行高通量测序的技术.单细胞测序通过在单个细胞水平上进行测 ...
单细胞测序分析及单细胞转录组
单细胞测序技术的应用与数据分析.单细胞转录组为主题,精心设计了具有前沿性.实用性和针对性强的理论课程和上机课程.培训邀请的主讲人均是有理论和实际研究经验的人员.学员通过与专家直接交流,能够分享到这些顶 ...
单细胞测序之基本的数据处理基本流程
参考文献: Armand EJ, Li J, Xie F, Luo C, Mukamel EA. Single-Cell Sequencing of Brain Cell Transcriptomes ...

单细胞测序流程（九）单细胞的GO圈图