从一组差异基因到SCI图表：Python自动化绘制富集分析气泡图/柱状图实战

从差异基因到SCI图表：Python自动化绘制富集分析气泡图与柱状图全流程

深夜的实验室里，电脑屏幕映出一张张未经修饰的富集分析结果表——这是生物信息分析中常见的场景。许多研究者耗费数周获得的差异基因列表，最终却卡在数据可视化这一"临门一脚"。本文将彻底解决这个痛点，手把手教你用Python实现从原始基因列表到出版级图表的全流程自动化。

1. 环境配置与数据准备

工欲善其事，必先利其器。我们推荐使用conda创建独立环境以避免依赖冲突：

conda create -n bio_vis python=3.8 conda activate bio_vis pip install gseapy matplotlib seaborn pandas adjustText

准备输入数据只需一个简单的CSV文件，结构如下：

提示：差异基因列表建议包含至少50个基因，当基因数过少时富集结果可能不显著

2. 富集分析核心引擎实现

gseapy库支持多种基因集数据库，以下是常用数据库对比：

实际分析代码示例：

import gseapy as gp # 读取差异基因 diff_genes = pd.read_csv('diff_genes.csv') gene_list = diff_genes[diff_genes['p_adjust'] < 0.05]['Gene_Name'].tolist() # 并行执行多种富集分析 enr_results = {} for db in ['KEGG_2021', 'GO_Biological_Process_2021']: enr = gp.enrichr( gene_list=gene_list, gene_sets=db, organism='Human', cutoff=0.25 # 更宽松的初始阈值 ) enr_results[db] = enr

3. 出版级图表定制技巧

3.1 气泡图深度优化

气泡图是展示富集结果最直观的方式，通过以下参数实现专业级效果：

from gseapy.plot import dotplot import matplotlib.pyplot as plt plt.rcParams.update({ 'font.family': 'Arial', 'axes.unicode_minus': False }) dotplot( enr_results['KEGG_2021'].results, title='', cmap='viridis_r', size_range=(50, 200), # 气泡大小范围 top_term=15, figsize=(8, 6), cutoff=0.05, # FDR阈值 ofname='kegg_dotplot.pdf', xticklabels_rot=45 # X轴标签旋转 )

关键优化点：

• 使用CMYK颜色模式确保印刷效果
• 调整气泡大小与颜色梯度形成双重编码
• 隐藏默认标题以便在AI/PS中添加期刊指定字体

3.2 柱状图高级配置

当需要强调Top通路时，柱状图更为合适：

# 自定义颜色映射 custom_palette = ['#1f77b4', '#ff7f0e', '#2ca02c'] barplot( enr_results['GO_Biological_Process_2021'].res2d, title='', top_term=10, color=custom_palette, figsize=(10, 8), ofname='go_barplot.tiff', dpi=600 # 满足期刊高分辨率要求 )

4. 自动化报告生成实战

将上述流程封装为自动化脚本：

def generate_report(gene_file, output_dir): """一键生成富集分析报告 Args: gene_file: 差异基因CSV路径 output_dir: 结果输出目录 Returns: 生成PDF报告和TIFF格式图表 """ # [完整实现包含异常处理与日志记录] pass

典型目录结构：

/output ├── figures │ ├── kegg_dotplot.tiff │ └── go_barplot.tiff ├── tables │ └── enrichment_results.xlsx └── report.pdf

5. 期刊投稿特别注意事项

不同期刊对图表有特定要求，常见规范如下：

• Nature系列：

  • 分辨率≥300dpi
  • 字体使用Arial或Helvetica
  • 避免使用红色/绿色对比

• Cell Press：

  • 矢量图优先
  • 图注使用8pt字号
  • 坐标轴需带刻度线

• PLOS ONE：

  • 接受PDF格式
  • 灰度图需保证足够对比度
  • 图中所有缩写需在图注说明

在项目实践中，我们通常会准备三套输出配置应对不同期刊要求。例如针对Cell Research的图表导出设置：

plt.style.use({ 'axes.linewidth': 0.5, 'xtick.major.width': 0.5, 'font.size': 7, 'figure.dpi': 600 })

6. 性能优化与大规模数据处理

当处理单细胞数据等大规模基因集时，需要特殊优化：

# 内存优化模式 enr = gp.enrichr( gene_list=large_gene_list, gene_sets='GO_Biological_Process', no_plot=True, # 禁用临时绘图 background=20000 # 自定义背景基因数 ) # 多进程加速 from concurrent.futures import ProcessPoolExecutor with ProcessPoolExecutor() as executor: futures = { db: executor.submit(gp.enrichr, gene_list, db) for db in ['KEGG', 'GO'] }

处理10万+基因时的性能对比：

7. 常见问题解决方案

Q1: 气泡图重叠标签如何处理？

from adjustText import adjust_text ax = dotplot(...) texts = [ax.text(...) for ...] # 获取所有标签对象 adjust_text(texts, arrowprops=dict(arrowstyle='-', color='gray', lw=0.5))

Q2: 结果不显著怎么办？

• 尝试放宽p值阈值（0.05→0.1）
• 使用更宽松的基因筛选标准
• 考虑换用GSEA方法而非ORA

Q3: 如何添加自定义基因集？

创建GMT格式文件：

自定义基因集1<TAB>描述<TAB>基因1<TAB>基因2 自定义基因集2<TAB>描述<TAB>基因1<TAB>基因3

调用时指定路径：

enr = gp.enrichr(..., gene_sets='./custom.gmt')

8. 扩展应用：交互式可视化

虽然期刊要求静态图，但探索性分析可使用Plotly：

import plotly.express as px fig = px.scatter( enr_df, x='Odds Ratio', y='-log10(padj)', size='Gene_number', color='Database', hover_name='Term' ) fig.write_html('interactive_plot.html')

这种动态可视化特别适合组会汇报和补充材料展示。