该R包对应的文献为：GOplot: an R package for visually combining expression data with functional analysis
可以绘制以下3种GO富集图：
我们直接使用该R包自带的数据：
library(clusterProfiler)
library(org.Dr.eg.db)
library(ggplot2)
library(stringr)
library(GOplot)
data(EC)
#这里EC貌似会显示是空白的，但是点击查看就刷出来了，或是直接运行后面代码也会出来
可以看出，EC包含多个数据，我们接下来使用其中的david（GO富集结果）和genes（用来GO富集的基因以及fold change值、p值等）。
terms <- EC$david
genes <- EC$genelist
1）GOCircle：
circ <- circle_dat(terms, genes) #先利用terms文件和genes文件生成circ文件
GOCircle(circ) #出图
重要的来了，如果我希望自选一些terms进行可视化怎么办？（关于自选term的问题，如果是选择前多少个term当然没问题，其他情况可能会涉及能不能这样做的问题：一般来说GO富集的terms之间存在很高的重复度或是包含关系，跳过重复的term、选择可视化那些功能上差异较大的term也让结果图更有意义；从另一个角度讲，每个term的上下调情况在图中都有显示，并不存在假的信息，只是说term的排名信息有变动，如果这算变动的话。。。）
#补充：如果是自己GO富集的结果，可以对富集结果ego进行简化，参考大佬教程 生信分析11：如何简化GO富集结果
我们选择第1,2,4,6,7,9,10,11,13,14个term进行可视化（至少选择10个，不然画图不够，会报错）：
terms_select <- terms[c(1,2,4,6,7,9,10,11,13,14),]
然后这里又有一个问题，我们后续使用的gene应该是这些 term中包含的基因而非genes表格的全部基因（这应该是大部分人报错的地方），于是我们应该从terms_select 的Genes列提取这些基因：
genes_select0 <- NULL
for (i in c(1,2,4,6,7,9,10,11,13,14))
{
genelist <- as.vector(c(terms[i,4]))
temp <- strsplit(genelist, ", ")[[1]]
genes_select0 <- append(genes_select0, temp, after = length(genes_select0))
}
genes_select0 <- genes_select0[-which(duplicated(genes_select0))]#删除重复的基因
genes_select0
我们这里得到的genes_select0只包含基因名，还要fold change值，需要到genes文件里面用merge函数去取。但是这里又有一个坑，从term表格中提取的基因是全大写，而genes表格里的基因名绝大部分为首字母大写，需要同步一下，我们将genes表格里的基因名改为全大写：
genes$ID <- toupper(genes$ID) #改为全大写
genes_select0 <- data.frame(genes_select0)
colnames(genes_select0) <- "ID"
genes_select0 <- merge(genes_select0, genes, by = "ID")
head(genes_select0)
整合terms_select和genes_select0生成circ文件即可：
circ <- circle_dat(terms_select, genes_select0)
GOCircle(circ)
2）GOChord
弦图的term数目不能多，我们这里选择4个term，然后找包含的基因：
terms_select <- terms[c(1,2,4,6),]
genes_select0 <- NULL
for (i in c(1,2,4,6))
{
genelist <- as.vector(c(terms[i,4]))
temp <- strsplit(genelist, ", ")[[1]]
genes_select0 <- append(genes_select0, temp, after = length(genes_select0))
}
genes_select0 <- genes_select0[-which(duplicated(genes_select0))]#删除重复的基因
genes_select0
genes$ID <- toupper(genes$ID) #改为全大写
genes_select0 <- data.frame(genes_select0)
colnames(genes_select0) <- "ID"
genes_select0 <- merge(genes_select0, genes, by = "ID")
head(genes_select0)
得到的基因列表及其变化情况，包含有100+基因，显然是不行的，弦图里面基因数目需要控制：
于是我们根据logFC和p值进行筛选：
genes_select <- subset(genes_select0, abs(logFC)>1.5 & adj.P.Val<0.05)
#只有30+基因数了，比较合适
合并：先将gene和term列表合并生成circ，再将这三者合并生成chord，然后作图：
circ <- circle_dat(terms_select, genes_select)
chord <- chord_dat(data = circ, genes = genes_select, process = terms_select$Term)
GOChord(chord, space = 0.02, gene.order = 'logFC', gene.space = 0.25, gene.size = 4)
该图建议拿到adobe AI里面做一下去黑边、调色，会非常好看。
3）GOCluster
这一部分从图的特点可以看出，该部分要求的基因数不能太少，然后term数不宜太多，其实就是第二步的和弦图的genes_select0不要筛选，全部画图即可。
于是和上一步一样，先得到terms_select和genes_select0：
head(terms_select)
head(genes_select0)
合并，依次生成circ和chord：
circ <- circle_dat(terms_select, genes_select0)
chord <- chord_dat(data = circ, genes = genes_select0, process = terms_select$Term)
这里又有一个坑，需要一个把所选term的名称文件生成一个terms_list：
terms_list <- as.vector(terms_select$Term)
作图：cluster可以根据term聚类或是根据logFC聚类：
GOCluster(circ, terms_list, clust.by = 'term', lfc.col = c('darkgoldenrod1', 'black', 'cyan1'))
GOCluster(circ, terms_list, clust.by = 'logFC',lfc.col=c('darkgoldenrod1','black','cyan1'))
注意：GOCluster函数里参数显示其实并没有用到chord，但是没有chord的话会报错，肯定是用到了这个只是不显示。
