<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