g <- pathway("hsa04110") pseudo_lfc <- sample(seq(0,3,0.1), length(V(g)), replace=TRUE) names(pseudo_lfc) <- V(g)$name ggkegg("hsa04110", convert_org = c("pathway","hsa","ko"), numeric_attribute = pseudo_lfc)+ geom_edge_parallel2( aes(color=subtype_name), arrow = arr...
ggkegg主要目标之一,是使用tidygraph整齐的方式操作 KEGG 信息,并提供 KEGG 信息的定制可视化,包括KEGG PATHWAY、MODULE和NETWORK。 本教程是ggkegg图形语法第2讲——通路、模块与网络。点击回顾上一节: 玩转KEGG (一)——图形语法 ggkegg 分析和可视化 KEGG 初体验 加载R 包 # devtools::install_github("noriakis...
代码语言:javascript 代码运行次数:0 运行 AI代码解释 x <- clusterProfiler::enricher(gene = diffkeggID$ID,TERM2GENE = total,minGSSize = 1,pvalueCutoff = 1,qvalueCutoff = 1) 结果导出 代码语言:javascript 代码运行次数:0 运行 AI代码解释 write.csv(as.data.frame(x@result) %>% select(-1,...
go2name.tsv:GO term对应的功能描述文件 首先需要去GO下载GO的obo文件,这里我使用go-basic.obo然后我写了个脚本可以把obo文件解析为如下格式: http://purl.obolibrary.org/obo/go/go-basic.obo GO DESC CLASS GO:0000001 mitochondrion inheritance biological_process GO:0000007 low-affinity zinc ion transmembran...
#Pathway列最好转化成因子型,否则作图时ggplot2会将所有Pathway按字母顺序重排序 #将Pathway列转化为因子型 KEGG_dataset$Term <- factor(KEGG_dataset$Term,levels = rev(KEGG_dataset$Term)) #图片背景设定 mytheme <- theme(axis.title=element_text(face="bold", size=14,colour = 'black'), #坐标轴标题...
kegg_info=kegg_info[,c("ID","Pathway","big.annotion")] # 合并两个表格 kegg.res$ID=str_replace(kegg.res$ID,"hsa","") kegg.res=kegg.res%>%inner_join(kegg_info,by = "ID") # 画图展示的term控制在20到35个 kegg.res=kegg.res%>%arrange(p.adjust) ...
("D ")and in_keg[0]=='+D\tKO\n':# 'D K00844 HK; hexokinase [EC:2.7.1.1]'K_info=re.match(r'^D\s*(K\d+?)\s(.*)\n', line)K_id=K_info.group(1)K_desc=K_info.group(2)K_info_list=[K_desc, pathway_id, pathway_desc, level_1, level_2]ifK_id not in K_ko_map...
另一个改动是增加了kegg pathway的注释信息,我在之前的帖子中也提到了如何获取这个信息,没有这个信息是画不了这张图的。最后,将代码模块化,一行代码就能出图。 这张图如何解读: 不论是组间比较还是cluster之间的比较,在得到某组/某cluster的差异基因后,都能进行KEGG富集分析,选取20-35个term画图 圆圈从外向内看...
clusterProfiler 是业界大神Y叔写的一个R包,可以用来做各种富集分析,如GO、KEGG、DO(Disease Ontology analysis)、Reactome pathway analysis以及GSEA富集分析等。而除了富集分析,他还可以非常方便的对富集分析结果进行可视化。 这里使用clusterProfiler进行GO、KEGG以及GSEA富集分析。
# 富集分析x<-clusterProfiler::enricher(gene=diffkeggid$ID,TERM2GENE=total,minGSSize=1,pvalueCutoff=1,qvalueCutoff=1)# 结果导出write.csv(as.data.frame(x@result)%>%select(-1,-2),file=paste0(uploadfile2,"/MP_KEGG_enrichment_result.csv")) ...