『R画图脚本进阶』TBtools两个富集分析结果合并一键可视化

为啥搞这个

之前写过一个用ggplot2画TBtools富集分析结果的代码,用ggplot2做富集分析气泡图, 发现大家确实喜欢花里胡哨的东西.... 其实我感觉柱状图就已经挺能说明问题的,当然一张花里胡哨的图小概率可以成为论文的加分项,这里就仿照Y叔 clusterProfiler里面两个富集合并出图的结果用ggplot2实现了下。

代码如下

最近比较懒,没有打getopt,打开Rstudio跑下吧,或者保存成.R文件,到时候source一下也可以

godotplot = function(left,right,lname,rname,name){
  ## top 15 terms
  x = left[order(left$P_value)[1:15],]
  y = right[order(right$P_value)[1:15],]
  ## Gene ratio calculate
  x$GeneRatio = x$HitsGenesCountsInSelectedSet/x$AllGenesCountsInSelectedSet
  y$GeneRatio = y$HitsGenesCountsInSelectedSet/y$AllGenesCountsInSelectedSet
  ## ordered the GO name for plot
  x = x[order(x$GeneRatio),]
  y = y[order(y$GeneRatio,decreasing = T),]
  ## data cleanning
  leftdata = data.frame(GO_Name = factor(x$GO_Name,levels = x$GO_Name),
                        P_value = -log10(x$P_value),
                        GeneRatio = x$GeneRatio,
                        Cultivar = rname)
  rightdata = data.frame(GO_Name = factor(y$GO_Name,levels = y$GO_Name),
                         P_value = -log10(y$P_value),
                         GeneRatio = y$GeneRatio,
                         Cultivar = lname)
  ## merge
  z = rbind(leftdata,rightdata)
  ## plot
  p = ggplot(data = z, mapping = aes(x = Cultivar,y = GO_Name))+
    geom_point(aes(size = GeneRatio,color = P_value))+
    scale_color_gradient(low = "blue", high = "red", guide=guide_colorbar(reverse=TRUE))+
    scale_y_discrete(labels=function(y) stringr::str_wrap(y,width=50)) +
    theme_bw() +
    theme(axis.text.x = element_text(colour = "black",
                                     size = 16, vjust =1 ),
          axis.text.y = element_text(colour = "black",
                                     size = 16, hjust =1 ),
          axis.title = element_text(margin=margin(10, 5, 0, 0),
                                    color = "black",size = 18),
          axis.title.y = element_text(angle=90))+ 
    labs(color=expression(-log[10](Qvalue)),
         size="Gene Ratio",
         x = "",
         y = "")
  return(p)
 # ggsave(p,filename = paste("~/yourpath",name,".pdf",sep = ""),width = 9,height = 10,dpi = 300)
}

说明

  • 我设置了按照P_value排序的前15个,如果要改规则,在function里面改一下
  • Y轴排序是按照GeneRatio排的,想改规则也对应着修改一下
  • 如果要直接保存的话把return(p)注释掉,去掉ggsave前面的#
  • 其实你读懂代码的话可以合并无限个.....

用法

这个就比较简单了,
先用TBtools撸两个富集分析的结果出来,然后保存好。

## step1 import TBtools enrichment result
left = read.table("left.xls", header = T, sep ="\t")
right = read.table("right.xls", header = T, sep = "\t")
## if return(p) was comment but ggsave(...) not
godotplot(left = left,right = right,lname = "left",rname = "right",name = "testGOdotplot")
## if ggsave(...) was comment but return(p) not
p = godotplot(left = left,right = right,lname = "left",rname = "right",name = "testGOdotplot")
p
ggsave(p,"filepath/filename", width = 9, height = 10,dpi = 300)

完了 最后看下效果图吧:goterm被截掉了哈..


testGOdotplot.png
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,591评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,448评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,823评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,204评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,228评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,190评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,078评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,923评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,334评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,550评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,727评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,428评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,022评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,672评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,826评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,734评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,619评论 2 354

推荐阅读更多精彩内容