生物信息学富集分析：双向条形图绘制指南

1. 为什么需要双向条形图展示富集结果

在生物信息学分析中，富集分析是解读高通量实验数据的关键步骤。当我们拿到一组差异表达基因后，通常会用GO、KEGG等数据库进行功能富集分析，找出这些基因显著富集的生物学通路或功能模块。但传统的柱状图或气泡图在展示富集结果时存在明显局限：

1. 信息密度不足：普通柱状图只能展示p值或富集分数等单一维度信息
2. 对比困难：当需要比较上下调基因的富集差异时，需要分别绘制两个图表
3. 视觉干扰：多组数据并列展示时容易造成视觉混乱

Cancer Cell等顶级期刊常用的双向条形图（也称为旋风图、蝴蝶图）完美解决了这些问题。这种图表的核心优势在于：

• 将上下调基因的富集结果对称展示在同一坐标系中
• 用左右方向区分调控方向（左为下调，右为上调）
• 用条形长度表示富集显著性（通常取-log10(p-value)）
• 允许同时展示多个比较组的结果

2. 数据准备与预处理

2.1 富集分析结果的标准格式

一个典型的富集分析结果应包含以下字段（以GO富集为例）：

text复制Term           Description   p.adjust   Count   GeneRatio   Direction
GO:0006915     apoptosis     1.23E-08   35      35/200      Up
GO:0043067     regulation    3.45E-05   28      28/200      Down

关键字段说明：

• Term：功能术语ID
• Description：功能描述
• p.adjust：校正后的p值
• Count：富集到的基因数
• GeneRatio：富集基因比例
• Direction：调控方向（Up/Down）

2.2 数据清洗与转换

在R中我们可以用以下代码处理数据：

r复制library(tidyverse)

# 读取富集结果
enrich_data <- read_csv("enrichment_results.csv") 

# 数据转换
plot_data <- enrich_data %>%
  mutate(
    log_p = -log10(p.adjust),
    Direction = factor(Direction, levels = c("Up", "Down"))
  ) %>%
  arrange(Direction, desc(log_p)) %>%
  slice_max(n = 10, order_by = log_p, by = Direction)

这段代码完成了：

1. 计算-log10(p.adjust)作为条形长度指标
2. 确保Direction因子水平顺序正确
3. 筛选每个方向top10最显著的条目

3. 使用ggplot2绘制基础双向条形图

3.1 基本绘图代码

r复制library(ggplot2)

base_plot <- ggplot(plot_data, 
       aes(x = ifelse(Direction == "Up", log_p, -log_p),
           y = reorder(Description, log_p),
           fill = Direction)) +
  geom_col(width = 0.7) +
  scale_x_continuous(
    labels = abs,
    expand = expansion(mult = c(0.05, 0.05))
  ) +
  labs(x = "-log10(adjusted p-value)", 
       y = NULL,
       title = "GO Enrichment Analysis") +
  theme_minimal(base_size = 12)

print(base_plot)

关键参数解析：

• ifelse(Direction == "Up", log_p, -log_p)：这是实现双向展示的核心技巧
• reorder(Description, log_p)：按显著性排序描述文本
• scale_x_continuous(labels = abs)：确保坐标轴标签显示为正值

3.2 颜色与主题优化

Cancer Cell风格的典型配色方案：

r复制cancer_cell_palette <- c("Up" = "#E64B35", "Down" = "#3182bd")

enhanced_plot <- base_plot +
  scale_fill_manual(values = cancer_cell_palette) +
  theme(
    panel.grid.major.y = element_blank(),
    panel.grid.minor = element_blank(),
    axis.line.y = element_line(color = "black"),
    plot.title = element_text(face = "bold", hjust = 0.5),
    legend.position = "top"
  )

4. 高级定制技巧

4.1 添加富集基因数标签

在条形末端添加基因数量信息：

r复制enhanced_plot + 
  geom_text(
    aes(label = Count, 
        x = ifelse(Direction == "Up", log_p + 0.5, -log_p - 0.5)),
    size = 3.5,
    color = "black"
  )

4.2 多组比较展示

当有多个比较组（如不同时间点）时，可以使用分面：

r复制multi_group_plot <- ggplot(multi_data, 
       aes(x = ifelse(Direction == "Up", log_p, -log_p),
           y = reorder(Description, log_p),
           fill = Direction)) +
  geom_col(width = 0.7) +
  facet_grid(~ Group, scales = "free_x") +
  # 其他样式设置...

4.3 交互式可视化

使用plotly创建可交互版本：

r复制library(plotly)

interactive_plot <- ggplotly(enhanced_plot, tooltip = c("y", "x", "fill"))
htmlwidgets::saveWidget(interactive_plot, "enrichment_plot.html")

5. 常见问题与解决方案

5.1 文本重叠问题

当条目描述过长时，可以：

1. 手动换行：stringr::str_wrap(Description, width = 30)
2. 调整绘图区域比例：coord_fixed(ratio = 0.5)
3. 减小字体：theme(axis.text.y = element_text(size = 10))

5.2 显著性差异过大导致比例失衡

解决方案：

1. 设置对称坐标限：xlim = c(-max_p, max_p)
2. 对p值进行winsorize处理：

r复制max_p <- 10  # 设置最大显示范围
plot_data <- plot_data %>%
  mutate(log_p = pmin(log_p, max_p))

5.3 导出高质量图片

期刊通常要求300dpi以上的TIFF或PDF：

r复制ggsave("enrichment_plot.tiff", 
       plot = enhanced_plot,
       device = "tiff",
       dpi = 300,
       width = 8,
       height = 6,
       units = "in")

6. 完整代码示例

r复制library(tidyverse)
library(ggplot2)

# 数据准备
enrich_data <- read_csv("enrichment_results.csv") 

plot_data <- enrich_data %>%
  mutate(
    log_p = -log10(p.adjust),
    Direction = factor(Direction, levels = c("Up", "Down"))
  ) %>%
  group_by(Direction) %>%
  slice_max(n = 10, order_by = log_p) %>%
  ungroup() %>%
  arrange(Direction, log_p) %>%
  mutate(Description = str_wrap(Description, width = 30))

# 颜色设置
cancer_cell_palette <- c("Up" = "#E64B35", "Down" = "#3182bd")

# 绘图
ggplot(plot_data, 
       aes(x = ifelse(Direction == "Up", log_p, -log_p),
           y = reorder(Description, log_p),
           fill = Direction)) +
  geom_col(width = 0.7) +
  geom_text(
    aes(label = Count, 
        x = ifelse(Direction == "Up", log_p + 0.5, -log_p - 0.5)),
    size = 3.5,
    color = "black"
  ) +
  scale_x_continuous(
    labels = abs,
    limits = c(-max(plot_data$log_p) * 1.1, max(plot_data$log_p) * 1.1),
    expand = expansion(mult = c(0.05, 0.05))
  ) +
  scale_fill_manual(values = cancer_cell_palette) +
  labs(x = "-log10(adjusted p-value)", 
       y = NULL,
       title = "GO Enrichment Analysis") +
  theme_minimal(base_size = 12) +
  theme(
    panel.grid.major.y = element_blank(),
    panel.grid.minor = element_blank(),
    axis.line.y = element_line(color = "black"),
    plot.title = element_text(face = "bold", hjust = 0.5),
    legend.position = "top"
  )