Posted on

<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

发表评论

邮箱地址不会被公开。 必填项已用*标注