R语言绘制GO富集分析图，r语言富集分析气泡图

R语言:clusterProfiler进行GO富集分析和Gene_ID转换

对于没有转换的gene ID，clusterProfiler也提供了 bitr 方法进行转换ID：可以看到，这里转换ID的对应文件来源于org.Hs.eg.db这个包。

（1）在enrichGO函数中，设置readable = TRUE；(2)用setReadable函数，对GO或者KEGG结果进行转化即可。

最近有粉丝反映说，利用clusterProfiler这个包绘制GO富集分析气泡图和柱形图的时候，发现GO条目的名字都重叠在一起了。气泡图 柱形图 这个图别说美观了，简直不忍直视。经过我的认真研究，发现跟R版本有关。

你可以直接导入基因号和GO/KEGG编号的对应关系到R里面，然后用clusterProfiler进行数据分析” 。在如何构建的问题上，网上也有许多文章进行了介绍。构建 OrgDb 时，需要 gene_info 和 gene2go 。

这样做能避免得出的结论不全面，对于事先没有预想的term或者是事先预想的term不全面这些情况有帮助。

相关问答

Q1: 用topGO进行GO富集分析

基因本体论富集分析(Gene 0ntology Enrichment Analysis) ： 这是最常用的富集分析类型，用于验基因集合中基因本体论(GO)目的富集情况。这可以帮助研究者了解基因集合中的基因在生物学过程、分子功能和细胞组成方面的共同特征。

GO富集的根本问题在于一个基因对应的GO term有多个，一个term对应多个gene，同时还有层级关系。这样导致如果一个term显著富集，那和它共享很多基因的term也会显著富集。

具体如何做物种所有基因的背景注释，请参考前述推文《零基础快速完成基因功能注释 / GO / KEGG / PFAM...》。首先，打开 TBtools GO 富集分析界面 整体如上，一共三个文件：具体示例如下 点击 Start ，随后等待即可。

有一个大概的认识，就是，自己的基因集中某种功能基因的占比要高于这种功能的基因在所有基因中的占比。

Q2: GSEA基因富集分析R语言版

1、GSEA（Gene Set Enrichment Analysis）基因集合富集分析是一种计算方法，能够判定一个预先定义的基因集合（比如一个GO term或者一条通路）在两种生物学状态间是否呈现统计学上的显著的一致的差别。

2、实际操作一般是取KEGG， REACTOME， GO等信号通路去检验。在示意图中基因集S大部分集中在基因列表头部，所以现在这个基因集富集在A组。 基因排序列表有多种方法，像GSEA默认是S2N(Signal-to-Noise Ratio)。

3、而且，clusterProfiler还支持GSEA的GO、KEGG富集。

4、GSEA结果讲解 GSEA分析结果最常见的是下图：图最上面部分展示的是富集分数（ES， enrichment score）值计算过程，从左至右每到一个基因，计算出一个ES值，连成线。

Q3: 【R语言】解决GO富集分析绘图,标签重叠问题

最近有粉丝反映说，利用clusterProfiler这个包绘制GO富集分析气泡图和柱形图的时候，发现GO条目的名字都重叠在一起了。气泡图 柱形图 这个图别说美观了，简直不忍直视。经过我的认真研究，发现跟R版本有关。

单细胞富集分析我最常用的是 分组GSVA ，但最近用到了GO分析，就复习一下GO和KEGG富集分析及绘图。载入无比熟悉的pbmc.3k数据集 (已注释好，数据准备见 monocle )pbmc3k数据集只有1个样本，没办法区分HC和病例组。

GO富集的根本问题在于一个基因对应的GO term有多个，一个term对应多个gene，同时还有层级关系。这样导致如果一个term显著富集，那和它共享很多基因的term也会显著富集。

其中2个与生长素信号转导相关，而另外8个则没注释到生长素信号转导相关，简单画一下，即 好，剩下的两个就不替换了。整体上，ORA模式的富集分析，本身就是经典的抽球案例，感兴趣的自行替换就可以了。

R语言绘制GO富集分析图的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于r语言富集分析气泡图、R语言绘制GO富集分析图的信息别忘了在本站进行查找喔。