2024-01-16 | 个性化的富集分析图

标新立异而已,打破常规

library(ggplot2)
library(openxlsx)
library(RColorBrewer)
library(ggthemes)

kegginput <- read.xlsx("kegg.xlsx")
x=kegginput$logp
y=factor(kegginput$Term, levels=kegginput$Term)

p1 = ggplot(kegginput,aes(x=x,y=y))+ 
     geom_point(aes(size=Count,color=-0.5*log(pvalue)))+
     geom_text(aes(x=0, y=y,label=y, color=-0.5*log(pvalue)), 
               hjust=(0))+
     scale_color_gradient(low = "BLUE", high = "OrangeRed")  + 
     theme_few()+
     labs(size="Count", color=expression(-log[10](pvalue)), title="KEGG pathway", x=expression(-log[10](pvalue)), y="")+
     theme(axis.text.x=element_text(face="bold"),
           axis.ticks = element_blank(),
           axis.text.y=element_blank())
p1
图片2.png
library(ggplot2)
library(openxlsx)
library(RColorBrewer)
library(ggthemes)

goinput <- read.xlsx("go.xlsx")
x1=goinput$logp
y1=factor(goinput$Term, levels=goinput$Term)

p2 = ggplot(goinput, aes(x=x1,y=y1))+ 
     geom_bar(stat="identity",width = 0.4,position = position_dodge(0.7),
              aes(fill=-0.5*log(pvalue)))+
     geom_point(aes(size=Count,color=-0.5*log(pvalue)), color="gray")+
     geom_text(aes(x=0, y=y1, label=y1), color="black",
               hjust=(0))+
     scale_color_gradient(low="SpringGreen", high="OrangeRed")+ 
     scale_fill_gradient(low="SpringGreen", high="OrangeRed")+ 
     theme_few()+ 
     labs(size="Count", fill=expression(-log[10](pvalue)), title="GO terms", x=expression(-log[10](pvalue)), y="")+
     theme(axis.text.x = element_text(face="bold"),
           axis.ticks = element_blank(),
           axis.text.y = element_blank())
p2
图片1.png
library(ggplot2)
library(openxlsx)
library(RColorBrewer)
library(ggthemes)
library(patchwork)
goinput <- read.xlsx("KEGG.xlsx")
x3=goinput$logp
y3=factor(goinput$Term, levels=goinput$Term)

p3 = ggplot(goinput, aes(x=x3,y=y3))+ 
  geom_bar(stat="identity",width = 0.5,position = position_dodge(0.7),
           aes(fill=-0.5*log(pvalue)), color="black")+
  geom_point(aes(size=Count,color=-0.5*log(pvalue)), color="gray")+
  coord_flip()+
  scale_color_gradient(low =  "#00BFC4", high = "#F8766D")+ 
  scale_fill_gradient(low =  "#00BFC4", high = "#FCA311")+ 
  theme_bw()+ 
  labs(size="Count", fill=expression(-log[10](pvalue)), 
       title="KEGG pathway", x=expression(-log[10](pvalue)), y="")+
  theme(axis.text.y = element_text(size=10, face="bold", color="black"),
        axis.ticks = element_blank(),
        axis.text.x = element_text(size=10, face="bold", color="black", 
                                   angle=90,  hjust = 1, vjust = 1))
p3
2.3-KEGG富集.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 212,080评论 6 493
  • 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 90,422评论 3 385
  • 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 157,630评论 0 348
  • 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 56,554评论 1 284
  • 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 65,662评论 6 386
  • 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 49,856评论 1 290
  • 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 39,014评论 3 408
  • 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 37,752评论 0 268
  • 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 44,212评论 1 303
  • 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 36,541评论 2 327
  • 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 38,687评论 1 341
  • 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 34,347评论 4 331
  • 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 39,973评论 3 315
  • 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 30,777评论 0 21
  • 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 32,006评论 1 266
  • 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 46,406评论 2 360
  • 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 43,576评论 2 349

推荐阅读更多精彩内容