近几十年，系统生物学慢慢走近科研者的视野，主要着眼于研究细胞信号转导、基因调控网络和生物系统的组成。多组学联合分析可以由表及里，解析直接原因和根本原因，深入阐释作用机理。在多组学的联合应用中，最终都要落脚到功能注释和通路富集分析，其中基于通路富集分析的图形展示丰富多样，通过此分析可找到与研究相关的通路、关键基因/代谢物，以便进行后续的数据挖掘。

小鹿在往期文章中，向大家推荐过一个代谢组学分析工具MetaboAnalyst网站(详情请戳实用锦囊：MetaboAnalyst代谢组学分析工具实操)MetaboAnalyst网站链接: https://www.metaboanalyst.ca/ )。MetaboAnalyst网站主要用于数据筛选和数据标准化处理功能、代谢通路富集等功能。

在上期的推文中我们用MetaboAnalyst快速、简单完成了数据筛选和代谢通路富集图。但拿下图用MetaboAnalyst画出来的气泡图来看，你看出来了吗？似乎缺少点什么？

嗨~~发现了吗？这张气泡图有一个显而易见的缺点，那就是没有显示代谢通路的名称。那么，有没有什么方法可以满足我们看到代谢通路名称的需求呢？

答案是肯定的，方法也是有的。它来自贝尔实验室，它最擅长的就是用五彩斑斓的图给你好看，它是可视化的主宰……数据绘图的先锋……分析的神器——R语言！

来，先来看看我们将要完成的目标——为上面的图添加上代谢通路名称！

这张气泡图中，左侧是代谢通路的名称。横轴则表示richfactor，指富集因子，是用代谢通路富集结果中的in set除以in background。如果大家用的是MetaboAnalyst的富集结果表格，可以将这个参数替换为Impact。

然后我们用气泡大小来表示, 参与这条通路的差异代谢物数目，用气泡颜色来表示该代谢通路的超几何检验p值。

思路我们已经有了，接下来就是实际操作的部分了！

首先我们要请出我们万能的，无敌的，可视化作图绕不过去的R语言包：ggplot2！

相信ggplot2的作图逻辑，大家已经熟悉了，它的核心理念就是：将绘图与数据分离，数据相关的绘图与数据无关的绘图分离，按图层作图，保有命令式作图的调整函数以及将常见的统计变换融入到了绘图中。

有了气泡图的绘图思路，有了ggplot2的作图逻辑，那么接下来的事情就是水到渠成啦~~

数据处理

根据我们对气泡图的分析，我们用于作图的数据应该包含以下几列:

1.代谢通路名称(PathwayTerm)；

2.横轴的Richfactor或是Impact；

3.参与这条通路的差异代谢物数；

4.代谢通路的超几何检验p值；

最终完成的数据应该是这样的:

包的导入和数据的读取

library(ggplot2)

setwd("G:/R")

#这里用的是csv格式的读入文件,大家可以根据自己的实际情况替换为其他格式的读入文件

pathway = read.table("DE.csv",header=T,sep=",")

作图

#确定使用数据及坐标轴映射关系

pp=ggplot(pathway,aes(RichFactor,PathwayTerm))

#正式画图并添加size和color的参数

pbubble=pp+geom_point(aes(size=Number,color=P_value))

#添加颜色的变化

pbubble+scale_colour_gradient(low="green",high="red")

结束了,画完了,是不是超级简单!

运用ggplot2,不仅能让我们每天都能有新发现，而且可以让我们在代码的运用和变换之间感受无穷乐趣。

可是又有老师会觉得R语言不是我所追求的，我只想快速又简单的画出具有代谢通路名称的代谢图怎么办呢？小鹿还有一个好的分析平台(点击文末阅读原文即可访问)，欧易/鹿明生物云平台，极速出图体验，没有更快，只有最快~~快来访问试一试吧！

猜你还想看

◆云平台：震惊！他花了3分钟就完成了我三个周的工作!

◆云平台：欧易/鹿明云 | 免费的聚类热图不试试吗？

◆生信分析：这个R包不太冷系列——GOplot(功能富集绘图)

◆生信分析：10行代码让你的相关性图貌美如花

◆生信分析：对话百年名画--文章绘图配色高级又简单！

◆生信分析：只需3分钟Get“代谢通路分析神器”

◆生信分析：玩转生信—火山图中“亿点细节”，你会打造吗？

◆生信分析：【指南】Cytoscape之stringAPP蛋白互作分析详解

◆生信分析：【教程】组学研究，用python快速实现PCA分析和绘图

◆生信分析：组学研究，R语言实用技巧—热图，运用pheatmap包简单易懂快速汇图方法来袭~

◆生信分析：【情人节】R语言—小提琴图的浪漫邂逅

END

文章来源于鹿明生物