Gene Ontology分为分子功能,生物过程和细胞组成三个部分。蛋白质或者基因可以通过ID对应或者序列注释的方法找到与之对应的GO号,而GO号可对应到Term,即功能类别或者细胞定位。这也是GO富集的一个基础。
BiocManager::install("rrvgo")library(rrvgo)
go_analysis <- read.delim(system.file("extdata/example.txt", package="rrvgo"))simMatrix <- calculateSimMatrix(go_analysis$ID, orgdb="org.Hs.eg.db", ont="BP", method="Rel")
scores <- setNames(-log10(go_analysis$qvalue), go_analysis$ID)reducedTerms <- reduceSimMatrix(simMatrix, scores, threshold=0.7, orgdb="org.Hs.eg.db")
相似度矩阵热图
将相似性矩阵绘制为热图,默认情况下启用行列聚类
heatmapPlot(simMatrix, reducedTerms, annotateParent=TRUE, annotationLabel="parentTerm", fontsize=6)
描述组和terms之间距离的散点图
将 GO terms绘制为散点,点之间的距离表示terms之间的相似性,点的大小代表提供的分数,或者在没有分数的情况下,GO terms包含的基因数量。
scatterPlot(simMatrix, reducedTerms)
树状图
树状图是分层结构的空间填充可视化。terms根据其父项进行分组(着色),并且terms使用的空间与分数成正比。树状图可以帮助解释汇总结果并比较不同的 GO terms集。
treemapPlot(reducedTerms)
词云
词云是再现文本的可视化,强调在文本中频繁出现的词。可以帮助识别在一组丰富的 GO terms中更常见的过程和功能,以及不同组之间的比较。
wordcloudPlot(reducedTerms, min.freq=1, colors="black")
rrvgo::shiny_rrvgo()
不感兴趣
看过了
取消
人点赞
人收藏
打赏
不感兴趣
看过了
取消
您已认证成功,可享专属会员优惠,买1年送3个月!
开通会员,资料、课程、直播、报告等海量内容免费看!
打赏金额
认可我就打赏我~
1元 5元 10元 20元 50元 其它打赏作者
认可我就打赏我~
扫描二维码
立即打赏给Ta吧!
温馨提示:仅支持微信支付!
已收到您的咨询诉求 我们会尽快联系您