GSEA结果中经常出现一批名称不同但共享核心基因的通路。aPEAR先按通路相似性聚类再用网络图展示可以把冗长的结果表整理成几个功能模块。▲ aPEAR论文示例节点表示通路连线表示通路间的基因集相似性节点颜色表示NES aPEAR如何整理GSEA结果aPEAR读取clusterProfiler GSEA分析结果中的core_enrichment列使用Jaccard指数计算两条通路的相似性。例如通路A有20个核心富集基因通路B有25个其中10个相同则Jaccard指数为10/(2025-10)0.286。数值越接近1说明两条通路共享的核心基因比例越高。通过对所有通路两两计算Jaccard指数得到相似性矩阵。然后使用Markov Cluster Algorithm聚类。把通路看作节点、相似性看作边权通过模拟网络中的随机游走把连接较紧密的通路归入同一cluster。每个cluster的名称来自组内的一条代表性通路。️ 作图地址https://www.bioinformatics.com.cn/plot_network_visualization_of_gsea_results_from_clusterprofiler_by_apear_212▲ 图 1在线绘图页面 五步整理GSEA富集结果Step 1准备数据点击页面上方的“示例数据”链接下载示例数据。真实数据请使用平台的GSEA分析模块获得。示例数据包括两个文件第一个是RDS文件保存了GSEA结果对象包括通路、核心富集基因和统计量等信息。本工具以该文件作为输入可用readRDS函数在R中读取。▲ 图 2RDS文件中包含的GSEA结果信息第二个是Excel格式的GSEA结果。Excel文件用于辅助查看不作为本模块的输入。▲ 图 3excel格式的GSEA结果Step 2上传文件使用平台GSEA模块分析后会获得rds文件。浏览该文件。▲图 4必须输入rds文件Step 3 设置参数选中rds文件后可以设置绘图参数。▲ 图 5绘图参数面板【图片大小】设置图片的宽度和高度【通路文字大小】设置网络图中cluster标签的字体大小【纳入的基因集数】控制参与相似性计算、聚类和绘图的通路数量来自excel结果。结果不足N条时全部纳入结果超过N条时取前N条。【颜色】节点可按NES、pvalue、p.adjust或qvalues着色。颜色只影响展示不改变通路相似性和cluster归属。按NES上色使用以0为中心的渐变色分别表示负向富集、中间值和正向富集。按P值类指标上色可选择pvalue、p.adjust或qvalues。图例以-log10显示数值越大表示显著性越强。颜色阈值只控制色阶的饱和上限不用于筛选通路。【椭圆】选择是否为每个cluster添加椭圆边界便于观察分组范围。【字体类型】可选Times New Roman或Arial。Step 4提交绘图上传RDS文件并设置参数后点击“提交”生成预览图。▲ 图 6GSEA网络图预览Step 5下载与后期编辑平台支持下载PDF、SVG、PNG和TIFF格式。PDF和SVG适合后期编辑PNG为300 dpiTIFF为600 dpi。需要移动文字、替换字体或组合图片时可编辑下载的PDF或SVG文件。结果页还提供了通路与cluster的对应关系表可通过cluster链接下载查看。▲ 图 7GSEA网络cluster关系表格✍️ 小结aPEAR先根据核心富集基因计算通路相似性再对相似性矩阵进行聚类。默认组合为Jaccard指数和Markov聚类适合把大量、彼此冗余的GSEA通路整理成若干功能模块。节点表示通路节点大小对应setSize连线表示基因集相似性cluster表示一组基因组成相近的通路。NES和P值类指标用于节点着色不是默认的聚类依据。默认minClusterSize2即仅包含一个通路的cluster不进入最终网络因此显示的通路数可能少于输入通路数。 参数复用预览图下方提供“复现参数JSON”下载链接。JSON文件记录本次绘图设置可用于恢复参数。▲ 图 8下载参数文件完成作图后建议将参数文件、图片和原始数据保存在同一文件夹。下次可导入JSON文件恢复绘图设置但RDS数据仍需重新上传。▲ 图 9导入参数并恢复绘图设置参考文献Kerseviciute I, Gordevicius J. aPEAR: an R package for autonomous visualization of pathway enrichment networks. Bioinformatics. 2023;39(11):btad672.微生信助力高分文章谷歌学术10000