富集分析DotPlot，可以服

原创 2017-07-29 陈同生信宝典

R语言学习 - 富集分析泡泡图刚一出品，Y叔就说有硬伤。Y叔是著名富集分析软件clusterprofiler的原创，而且软件内集成dotplot, enrichmap,cnetmap (后续也实现这两个的一步出图)等画图方法，具体看这个教程http://guangchuangyu.github.io/2016/01/go-analysis-using-clusterprofiler/ 或 Biobabble公众号。

这个意见得重视，不过大夏天的，锅还是不能背着，回应下Y叔的回应。具体回应见听说你也在画dotplot，但是我不服！

一个command出图，小白上点心可以的

图是ggplot2画的 (散点图)，在脚本功能描述里有写。只需要在终端输入脚本的名字sp_enrichmentPlot.sh (脚本需在环境变量中) 就可以看到脚本功能描述、输入文件样例、参数列表和使用例子。

目前脚本的输入是不支持Windows的Excel格式的，只支持TAB分割的文本文件。之前一直在Linux下工作，文件名都不写后缀的。后来跟Windows用户打交道多，为了方便他们打开，强行加了xls后缀，这一点有误导。

脚本依赖R，这是应该做一个判断和提示的。但有R却提示ggplot2包或其它包不存在，是可以用-i TRUE来自动安装包的。(最近在跟德春合作，完善包的自动检测和安装，最后一起整合在分发包。)

Y叔的这两点确实戳中了当前文档信息不完善的弱点，也希望大家多反映使用过程中的问题，帮助我们改进文档。

不过话说回来，如果仔细看了当前脚本的功能描述和参数提示，上点心的小白不只可以一步画图，还可以随意调整样式。

不只clusterprofiler的用户需要

如果用clusterprofiler做富集分析，write.table输出结果，那么输入文件、R、ggplot2都有了，一步出图没有问题。(Windows下没bash？看这里)

Y叔说既然有了clusterprofiler，一步步在R里面做不是很好，为啥要把数据导出来？

首先，转换数据、存储数据这一步是独立于作图的。图只能显示部分数据 (这点Y叔也有提到，用了simplify会好些，但也还会有不少通路)，所有富集条目导出作为文章附表，以显示信息的全面和真实。

其次，即便可以画出所有富集数据 (用一副大图)，也会先对结果做下筛选，一些特别基础的、极父层的生物富集通路也会选择不展示，优先展示样品属性更相关的。毕竟是看在哪些通路里面富集，不是看在哪些通路里面最富集。所以需要导出数据，做下筛选，然后一步绘图。

再次，如果拿到的是已经做好的富集分析结果 (可能是clusterprofiler的，也可能是其它软件的)，总不能再导入clusterprofiler绘图吧，可以有简单的方式的。

最后，一个图做出来，需要反复修改。今天用clusterprofiler做了富集分析，运用dotplot配合不同参数出了图；过几天心情一变，想换个风格了，怎么办？再运行一次clusterprofiler还是加载之前存储的.Rdata。好像都不太方便，还是用导出的文本一步出图吧。

关于硬伤

示例图中没有overlap不是绘图脚本的问题，是数据筛选的问题。脚本如实反映筛选出的数据。如果选择的通路在一个基因集合富集，另外一个不富集，就不显示；如果选择的通路是在多个基因集中都富集的，但富集程度不同，是可以显示的; 而且这些通路会优先显示在图的上部，下面我会给出例子。

一步出图也可以定制

说到互动，一步出图不只可以，而且还可以记录互动 (给每个输出文件加个唯一的字符串做为文件名的一部分就可以了，不过这个没用到，之前就没写这个参数)。

拿Y叔的数据做个例子

library(clusterProfiler)
library(dplyr)
data(gcSample)
x <- compareCluster(gcSample, 'enrichDO')
# 获取数据，取出每个组最富集的10个条目，存储起来
# 不麻烦的吧
x <- x@compareClusterResult
y = x %>% group_by(Cluster) %>% top_n(-10, pvalue)
y = x[x$Description %in% y$Description,]

在样品名中包含差异基因的数目

# 这个不解释了，前面绘图教程中提到过
y$Sample <- paste0(y$Cluster, "(",unlist(lapply(strsplit(y$GeneRatio, '/'), function(x) x[2])),")")
# 这次存成tsv，省得误会了
write.table(y, file="enrichment.tsv", sep="\t", col.names=T, row.names=F, quote=F)

首先出第一个图，很简单，一个命令，设置下颜色。

更正下，我这里作弊了一下，之前点的大小都是Gene Count这样的纯数字列来显示的，不支持GeneRatio这样的分数形式的列 (上一版本，如果GeneRatio出现在横轴是支持的)，做了下修改，也支持了。如果想用之前的代码重复，把-s GeneRatio改为-s Count。

# 具体参数解释看上一篇公众号文章
# -C: 指定颜色，默认是红绿，可以是任何两个R支持的颜色名字
sp_enrichmentPlot.sh -f enrichment.tsv -o Sample -T string -v Description -c p.adjust -s GeneRatio -C "'red','blue'" -w 16

图略有不同，是因为排序的方式不同。sp_enrichmentPlot.sh设置的是先按照出现在不同样品最多的条目优先的策略，可以清晰的看到哪些是不同基因集共同富集的，哪些是不同基因集特异富集的。其它的都一样。当然没有设置字体参数，字体略小了些。(Y叔是左边，我的是右边)

说还想要个紫绿的，也可以，只需改两个单词，而不是加一段代码scale_color_continuous(low='purple', high='green')。

sp_enrichmentPlot.sh -f enrichment.tsv -o Sample -T string -v Description -c p.adjust -s GeneRatio -C "'purple','green'" -w 16

改变下形状，也可以啊。程序中都留有一个参数可以写入ggplot2语句，就是下面的-z。那么，ggplot2能修改的样式也都可以。常用的修改会做成一个参数，不常用的就只能直接写命令了。能在Rstudio里面敲，那么也能在命令行敲。

#-z: 后跟任何合法的ggplot2语句
sp_enrichmentPlot.sh -f enrichment.tsv -o Sample -T string -v Description -c p.adjust -s GeneRatio -C "'purple','green'" -w 16 -z "+aes(shape=GeneRatio>0.1)"

当然这一步也可以不通过增加ggplot2语句来实现，在数据中加一列就好了，通过-S指定参数。

不加ggplot2语句, 只修改命令行参数，sp_enrichmentPlot.sh也可以调整图例的位置、输出文件的格式、是否对p.adj取log、是否分面等。