前面我给大家详细介绍过
☞GO简介及GO富集结果解读
☞四种GO富集柱形图、气泡图解读
☞GO富集分析四种风格展示结果—柱形图，气泡图
☞KEGG富集分析—柱形图，气泡图，通路图
☞ DAVID GO和KEGG富集分析及结果可视化
也用视频给大家介绍过
☞ GO和KEGG富集分析视频讲解
最近有粉丝反映说，利用clusterProfiler这个包绘制GO富集分析气泡图和柱形图的时候，发现GO条目的名字都重叠在一起了。
气泡图
柱形图
这个图别说美观了，简直不忍直视。经过我的认真研究，发现跟R版本有关。前面我给大家展示的基本都是R 3.6.3做出来的图。很多粉丝可能用的都是最新版本的R 4.1.2。
我们知道R的版本在不停的更新，相应的R包也在不停的更新。我把绘制气泡图和柱形图相关的函数拿出来认真的研究了一下，终于发现的症结所在。
dotplot这个函数，多了个 label_format 参数
我们来看看这个参数究竟是干什么用的，看看参数说明
label_format :
a numeric value sets wrap length, alternatively a custom function to format axis labels. by default wraps names longer that 30 characters
原来这个参数默认值是30，当标签的长度大于30个字符就会被折叠，用多行来展示。既然问题找到了，我们就来调节一下这个参数，把他设置成100，让我们的标签可以一行展示。
是不是还是原来的配方，还是熟悉的味道
同样的柱形图，我们也能让他恢复原来的容貌。
关于如何使用R做GO和KEGG富集分析，可参考下文
GO和KEGG富集分析视频讲解
查看GOplot内示例数据的格式，对自己的数据做处理
观察结论：
观察自己的两个数据表：
table.legend 设置为T时会显示表格
本图中表格和图例是出图后剪切拼合而成，没有用R中的拼图包
“差异基因kegg注释图”是转录组分析结果的重要组成部分，能够帮助大家了解差异基因分属于哪些代谢通路，文章中如果能够插入下面这类图来说明样品间的差异，一定会为你的文章增色不少。
下面给大家介绍一下如何在Windows下对差异基因进行kegg注释。
一、输入数据准备：
首先要准备的是各比较组（比如CK1比上Treat1）的差异基因列表，一般公司做完的标准分析结果里已经包含这部分内容了，通常在“DEG_Analysis”文件夹里，我们用到的信息是“ 基因ID ”和“ regulated ”（up代表上调，down代表下调）两列，如下图所示的第一列和最后一列：
接下来需要添加一列，将“regulated”里的“up”标记成“red”，“down”标记成“green”，这样后面做出来的kegg注释图里上调基因就会显示为红色，下调基因显示为绿色。具体方法是在第三列插入一个“ if ”函数，当第二列值为“up”时输出“red”，否则输出“green”，参数设置详见下图：
这样C2单元格就会显示为“red”，双击该单元格右下角，这样C列就都按上面的规则填充好了，如下图所示：
二、在作图网站填入数据：
打开网站：https://www.genome.jp/kegg/tool/map_pathway2.html
按照下方设置好参数，并将第一步准备好的Excel表里的第一和第三列数据粘贴进去（注意：Excel表的 第一行 和 第二列 都不用粘贴），点击左下角的“exec”按钮开始运算。根据您提交的基因数量，等待一小段时间结果就出来了：
注释到的代谢通路结果，按数量排序：
点击其中的代谢通路链接，就能够看出该代谢通路中哪些基因上调、哪些基因下调了。
好的，这样差异基因的kegg注释就完成了。掌握之后，便可在几分钟之内做任意差异基因列表的kegg注释图而不用找公司了！
1. 文章越来越难发？是你没发现新思路，基因家族分析发2-4分文章简单快速，学习链接： 基因家族分析实操课程 、 基因家族文献思路解读
2. 转录组数据理解不深入？图表看不懂？点击链接学习深入解读数据结果文件，学习链接： 转录组（有参）结果解读 ； 转录组（无参）结果解读
3. 转录组数据深入挖掘技能-WGCNA，提升你的文章档次，学习链接： WGCNA-加权基因共表达网络分析
4. 转录组数据怎么挖掘？学习链接： 转录组标准分析后的数据挖掘 、 转录组文献解读
5. 微生物16S/ITS/18S分析原理及结果解读 、 OTU网络图绘制 、 cytoscape与网络图绘制课程
6. 生物信息入门到精通必修基础课，学习链接： linux系统使用 、 perl入门到精通 、 perl语言高级 、 R语言画图
7. 医学相关数据挖掘课程，不用做实验也能发文章，学习链接： TCGA-差异基因分析 、 GEO芯片数据挖掘 、 GSEA富集分析课程 、 TCGA临床数据生存分析 、 TCGA-转录因子分析 、 TCGA-ceRNA调控网络分析
8.其他课程链接： 二代测序转录组数据自主分析 、 NCBI数据上传 、 二代测序数据解读 。
