1、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。
成都创新互联是一家专业提供辽阳企业网站建设,专注与网站设计制作、成都网站建设、H5网站设计、小程序制作等业务。10年已为辽阳众多企业、政府机构等服务。创新互联专业网站建设公司优惠进行中。
2、但是该方法存在一个很大的问题，那就是当x轴标签数量很多时，那么就无法通过这样的方法进行解决了。方法二是方法一的逆向思路，既然可以调大画布，那么反过来，我们也可以调小x轴标签字体。
3、最近小Q在做自然选择分析，分析完之后简单粗暴的对候选基因做了富集分析，并做了展示，比起气泡图，我模仿了另一种作图方式，显示效果更佳。所以想在此分享一下如何用R语言画富集分析示意图（非气泡图）。
GO分析有三个过程，GO_CC细胞组分，GO_BP生物过程， GO_MP分析功能，首先转换成 ENTREZID ，然后利用 clusterProfiler 函数。
很明显，这些差异的基因必然与功能改变密切相关，例如，比较患病个体与正常个体的组织表达谱，不难想到这些表达显著改变的基因参与了疾病或免疫相关的生物学过程、信号通路等，基因表达水平的失调与疾病肯定密不可分。
进行GO分析时，需要考虑的一个基础因素就是基因的GO注释信息从何处获取。
1、3 GO富集分析 加载了注释库之后，读取基因列表文件，并使用clusterProfiler的内部函数enrichGO()即可完成GO富集分析。读取基因列表文件，并使用clusterProfiler的内部函数enrichKEGG()即可完成KEGG富集分析。
2、前景基因：指的是我们所要进行富集的基因，一般是基因的ID 背景基因：指的是前景基因在某个基因集合进行富集，这个基因集合就是背景基因 描述信息：每个GO的Term的属性，或者是每个KO号或者map号的属性。
3、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。
4、安装clusterProfiler：对于没有转换的gene ID，clusterProfiler也提供了 bitr 方法进行转换ID：可以看到，这里转换ID的对应文件来源于org.Hs.eg.db这个包。
5、scale_y_discrete则调节label过长的情况，让图片看起来 更美观。3)检查结果，可见geneID展示为gene symbol。（1）在enrichGO函数中，设置readable = TRUE；(2)用setReadable函数，对GO或者KEGG结果进行转化即可。
6、例如，讨论这些差异基因主要映射到哪些GO或KEGG分类条目中，以说明基因表达的改变会导致哪些调控途径原有功能失调，进而与表型联系起来。通常称这种分析为GO、KEGG富集分析。
