<span style=”font-size:18px;”>library(ggplot2)
pathway = read.table(“C://Users//Desktop//path.richFactor.head20.tsv”,header=T,sep=” “)
# 画图
p = ggplot(pathway,aes(richFactor,Pathway))
p=p + geom_point()
# 改变点的大小
p=p + geom_point(aes(size=R0vsR3))
# 四维数据的展示
pbubble = p + geom_point(aes(size=R0vsR3,color=-1*log10(Qvalue)))
# 自定义渐变颜色
pbubble =pbubble+ scale_colour_gradient(low=”green”,high=”red”)
# 绘制pathway富集散点图
pr = pbubble + scale_colour_gradient(low=”green”,high=”red”) +
labs(color=expression(-log[10](Qvalue)),size=”Gene number”,
x=”Rich factor”,y=”Pathway name”,title=”Top20 of pathway enrichment”)
# 改变图片的样式(主题)
pr=pr + theme_bw()
pr</span>
备注,绘图数据的说明:
1)Pathway : 通路的名称
2)R0vsR3 :差异表达基因中,属于这个通路的基因的数量
3)All_Unigene:所有基因中属于这个通路的基因的数量
4)Pvalue :富集分析p值
5)Qvalue :富集分析的Q值
6)richFactor :在我们分析报告中,没有提供这一列,但很容易计算。是 第二列 除以 第三列得到;
7)Pathway ID :通路ID
8)Genes :通路中基因的ID
9)KOs:通路中基因的KO号