首先整理好前面已經(jīng)處理好的差異基因數(shù)據(jù)，部分基因截圖如下：
1.png
打開DAVID網(wǎng)站： https://david.ncifcrf.gov/home.jsp
2.png
點擊Start Analysis進入下一頁面。
3.png
依次真好箭頭所指內容，最后點擊提交。
4.png
點擊箭頭處開始分析。
5.png
6.png
點擊Chart進入下載頁面
7.png
8.png
Ctrl+A進行全選再復制到一個TXT文件，然后用excel就可以打開了。
9.png
打開后會發(fā)現(xiàn)Term這一列前面有GO數(shù)據(jù)自己的一個編號，點擊分列
10.png
這樣就分開了，接下來畫一個氣泡圖
rm(list = ls())
options(stringsAsFactors = F)
library(ggplot2)
data=read.csv("./go_bp.csv")
data$GeneRatio <- data$Count / data$List.Total
data <- data[order(-data$PValue),]
data$pathway <- factor(data$Term,levels=data$Term)
#畫圖
p = ggplot(data,aes(GeneRatio,pathway))
p=p + geom_point()+theme(axis.text.x = element_text(colour="black",size=1))
p=p + geom_point(aes(size=Count))
pbubble = p+ geom_point(aes(color=PValue,size=Count))
pr = pbubble+scale_color_gradient(low="red",high = "green")
pr = pr+labs(color=expression(PValue),size="Count",
x="GeneRatio",y="")
pr + theme_bw()
11.png
同理也可以做出KEGG的圖，當然這里需要去除掉PValue大于0.05的Term，這里只作演示就沒有去掉了，這里可以根據(jù)自己需要去選擇自己想要展示的Term。
GEO數(shù)據(jù)挖掘
GEO數(shù)據(jù)挖掘（一）數(shù)據(jù)下載及基因ID轉換
GEO數(shù)據(jù)挖掘（三）使用DAVID數(shù)據(jù)庫進行GO、KEGG富集分析
