利用DAIVD网页进行富集分析，以及结果的可视化展示

summary.jsp

2、下面实战开始

①，点击“Upload”，准备上传所感兴趣的基因集

②，复制粘贴所感兴趣的gene set，，也可以选择文件

③，这个一般都是官方标准的gene symbol

④，选择Gene list

⑤，点击Submit List

点完提交基因之后，弹出这个页面，我这里选的是人类的

这一步我个人认为应该是和上一步的list差不多，都是选择自己实验对象的物种

接下来就可以开始看富集的结果了

GO结果：BP CC MF；和KEGG结果

点击每个结果的后面的Chart，然后会弹出一个页面框，如下，，接着点击Download File下载富集结果，把这几个结果都下载好

接下就是结果展示了，我这里用到的是R软件，代码现成，直接复制粘贴就可行

只要是DAVID下载下来的格式就都直接复制代码

####装包
install.packages('stringi')

install.packages('ggplot2')

install.packages('dplyr')

library(stringi)

library(ggplot2)

library(dplyr)

##读取和整理KEGG的结果

downgokegg<-read.delim('./DEG_KEGG.txt')

enrich<-downgokegg

enrich_signif=enrich[which(enrich$PValue<0.05),]

enrich_signif=enrich_signif[,c(1:3,5)]

head(enrich_signif)

enrich_signif=data.frame(enrich_signif)

KEGG=enrich_signif

KEGG$Term<-stri_sub(KEGG$Term,10,100)

ggplot(KEGG,aes(x=Count,y=Term))+geom_point(aes(color=PValue,size=Count))+scale_color_gradient(low='green',high='red')+theme_bw()+theme(panel.grid.minor = element_blank(),panel.grid.major = element_blank())

###读取和整理GO富集的结果

GO_CC<-read.delim('./DEG_CC.txt')

GO_CC_signif=GO_CC[which(GO_CC$PValue<0.05),]

GO_CC_signif=GO_CC[,c(1:3,5)]

head(GO_CC_signif)

GO_CC_signif=data.frame(GO_CC_signif)

GO_CC_signif$Term<-stri_sub(GO_CC_signif$Term,12,100)

GO_BP<-read.delim('./DEG_BP.txt')

GO_BP_signif=GO_BP[which(GO_BP$PValue<0.05),]

GO_BP_signif=GO_BP_signif[,c(1:3,5)]

head(GO_BP_signif)

GO_BP_signif=data.frame(GO_BP_signif)

GO_BP_signif$Term<-stri_sub(GO_BP_signif$Term,12,100)

GO_MF<-read.delim('./DEG_MF.txt')

GO_MF_signif=GO_MF[which(GO_MF$PValue<0.05),]

GO_MF_signif=GO_MF_signif[,c(1:3,5)]

head(GO_MF_signif)

GO_MF_signif=data.frame(GO_MF_signif)

GO_MF_signif$Term<-stri_sub(GO_MF_signif$Term,12,100)

enrich_signif=rbind(GO_BP_signif,rbind(GO_CC_signif,GO_MF_signif))

go=enrich_signif

go=arrange(go,go$Category,go$PValue)

##图例名称设置

m=go$Category

m=gsub("TERM","",m)

m=gsub("_DIRECT","",m)

go$Category=m

GO_term_order=factor(as.integer(rownames(go)),labels = go$Term)

COLS<-c("#66C3A5","#8DA1CB","#FD8D62")

###开始画图

ggplot(data=go,aes(x=GO_term_order,y=Count,fill=Category))+

geom_bar(stat = "identity",width = 0.8)+

scale_fill_manual(values = COLS)+

theme_bw()+

xlab("Terms")+

ylab("Gene_counts")+

labs()+

theme(axis.text.x = element_text(face = "bold",color = "black",angle = 90,vjust = 1,hjust = 1))

感谢大家！如有错误多多指出