企业官网建设流程全解析

解锁KEGG富集分析新维度：桑吉气泡图的高效绘制与深度解读

在基因功能富集分析领域，KEGG通路和GO富集结果的可视化一直是科研人员关注的焦点。传统气泡图虽然能够展示通路名称、富集倍数、p值和基因数量四个维度的信息，但关键的基因列表数据往往被隐藏在表格中无法直观呈现。这种信息断层可能导致研究人员错过重要的生物学线索，也增加了数据复查和结果验证的复杂度。

桑吉气泡图（Sankey Bubble Plot）作为传统气泡图的升级版本，通过创新的可视化设计，在保留原有四维信息的基础上，新增了基因列表这一关键维度。这种图表不仅能够展示哪些通路显著富集，还能直观呈现每个通路中具体包含哪些基因，大大提升了数据的可读性和信息密度。对于需要深入挖掘基因功能关联或准备发表高质量论文的研究者而言，这种多维度的数据展示方式无疑提供了更强大的分析工具。

1. 传统气泡图与桑吉气泡图的核心差异

1.1 信息维度的全面升级

传统KEGG富集气泡图通常包含以下四个基本维度：

• Y轴：通路名称（Pathway）
• X轴：富集倍数（Enrichment Factor）或基因比例（Gene Ratio）
• 点颜色：p值或校正后的q值（代表统计学显著性）
• 点大小：该通路中差异基因的数量（Count）

而桑吉气泡图在此基础上增加了第五个关键维度：

• 基因列表：以桑吉图（Sankey Diagram）形式展示通路与基因的对应关系

这种设计突破性地解决了传统气泡图"只见森林不见树木"的局限。例如，在研究癌症相关通路时，研究者不仅能看到"p53信号通路"显著富集，还能立即识别出该通路中具体包含TP53、MDM2、CDKN1A等哪些关键基因，为后续实验验证提供了明确方向。

1.2 可视化效果的显著提升

从视觉传达角度看，桑吉气泡图具有三大优势：

1. 信息关联更直观：桑吉图的流线型连接线清晰展示了基因与通路的隶属关系，避免了频繁查阅表格的麻烦。

2. 模式识别更高效：当某些基因在多个通路中重复出现时（如MAPK1出现在MAPK信号通路、癌症通路和免疫相关通路中），这种交叉模式在桑吉气泡图中一目了然。

3. 结果展示更专业：相比传统气泡图，桑吉气泡图在论文或报告中更能体现数据分析的深度和专业性，有助于提升研究成果的发表质量。

下表对比了两种可视化方法的典型应用场景：

2. 微生信平台绘制桑吉气泡图的全流程指南

2.1 数据准备与格式规范

微生信平台对输入数据有明确的格式要求，确保数据准备正确是成功绘制的第一步。平台接受两种主要数据格式：

1. clusterProfiler标准输出格式：

   • 必须包含Description、GeneRatio、pvalue、geneID、Count五列
   • geneID列中的多个基因需用"/"分隔

2. 自定义表格格式：

   | Pathway | GeneRatio | pvalue | Genes | Count | |------------------|-----------|----------|---------------------------|-------| | Circadian rhythm | 0.014 | 0.0105 | RORA/RORB | 2 | | PPAR signaling | 0.028 | 0.0088 | CD36/AQP7/LPL/CYP4A11 | 4 |

注意：pvalue列建议使用科学计数法表示极小值（如1.56E-05），避免显示为0导致后续对数转换出错。

对于不熟悉R语言的研究者，可以使用Excel进行数据预处理：

1. 确保基因名列中不同基因用"/"分隔，无空格或其他符号
2. 检查p值列，确保无零值或文本型数字
3. 删除包含NA或空值的行
4. 将文件另存为制表符分隔的txt文件

2.2 平台操作七步法

微生信平台的设计理念是"零代码、全可视化"，以下是具体操作步骤：

1. 访问平台：通过浏览器打开微生信云平台（www.bioinformatics.com.cn），无需注册即可使用基础功能。

2. 选择模块：在"富集分析可视化"分类下找到"桑吉气泡图"工具。

3. 上传数据：点击上传按钮选择准备好的数据文件，系统会自动识别列名和分隔符。

4. 参数设置：

   • 颜色映射：选择p值或q值作为颜色标尺，建议使用-log10转换增强对比度
   • 尺寸映射：通常保持Count列作为气泡大小基准
   • 布局调整：可设置桑吉图宽度占比（30%-50%为宜）

5. 样式定制：

   # 伪代码示例参数设置 params = { 'color_scheme': 'viridis', # 颜色方案 'bubble_scale': 1.5, # 气泡大小缩放因子 'font_size': 12, # 标签字体大小 'link_opacity': 0.6 # 桑吉连线透明度 }

6. 预览与微调：实时查看生成效果，拖动滑块调整各种视觉参数。

7. 导出结果：支持PNG（出版级分辨率）、SVG（矢量图编辑）和PDF三种格式，满足不同场景需求。

3. 桑吉气泡图的深度解读技巧

3.1 多维度信息整合分析

一张优秀的桑吉气泡图应该能够回答以下关键问题：

• 哪些通路最显著？（通过p值和富集倍数判断）
• 哪些通路包含最多差异基因？（通过气泡大小判断）
• 关键基因参与了哪些通路？（通过桑吉图连接关系判断）

以一份实际的癌症差异表达基因分析结果为例，图中可能显示：

• 最显著通路：PI3K-Akt信号通路（p=1.2e-10）
• 最大通路：免疫系统相关通路（Count=35）
• 关键基因：STAT3同时出现在JAK-STAT信号通路、细胞因子受体相互作用和癌症微环境三个通路中

这种多维度的交叉验证能够帮助研究者快速锁定核心生物学过程和关键调控基因。

3.2 常见模式与生物学意义

桑吉气泡图中几种典型的连接模式及其潜在生物学意义：

1. 星型辐射模式：

   • 特征：单个基因连接多个通路
   • 示例：TP53连接细胞周期、凋亡、DNA修复等通路
   • 意义：提示该基因可能处于调控网络的核心位置

2. 密集型通路：

   • 特征：单个通路连接大量基因
   • 示例：代谢通路包含20+差异基因
   • 意义：可能反映样本的特定代谢状态改变

3. 孤立通路：

   • 特征：通路仅连接少量独特基因
   • 示例：某信号通路仅包含3个特有基因
   • 意义：可能是样本特异的调控事件

通过识别这些模式，研究者可以更有针对性地设计后续实验验证方案。

4. 进阶应用与问题排查

4.1 大型数据集的优化策略

当分析结果包含大量通路（>30条）时，直接可视化可能导致图形拥挤。此时可采用以下优化策略：

1. 数据筛选：

   • 按p值阈值过滤（如仅保留p<0.01）
   • 按Count过滤（如仅保留Count≥5的通路）
   • 结合富集倍数和p值计算综合评分进行排序筛选

2. 可视化调整：

   • 增加画布尺寸（导出时选择更高分辨率）
   • 减小字体大小和气泡间距
   • 使用横向布局以适应更多通路

3. 分组展示：

   1. 按通路类别分组绘制多个小图： - 代谢相关通路 - 信号转导通路 - 免疫相关通路 2. 使用相同标尺确保可比性

4.2 常见问题与解决方案

在实际使用过程中可能会遇到以下典型问题：

对于特别复杂的分析结果，建议分阶段可视化：

1. 第一轮：全数据集生成概览图，识别主要模式
2. 第二轮：聚焦关键通路子集，生成高细节图
3. 第三轮：针对特定基因-通路关系制作解释性插图

在多次项目实践中，我发现将桑吉气泡图与基因共表达网络分析结合，能够更全面地揭示基因功能模块与通路活性的关联。例如，先通过WGCNA识别基因模块，再对各模块进行富集分析并绘制桑吉气泡图，这种组合策略往往能发现传统方法容易忽略的系统性调控规律。