别再画普通气泡图了！用R语言ggplot2+ggsankey绘制5维桑吉气泡图（clusterProfiler结果直接出图）
用R语言打造5维桑吉气泡图：从clusterProfiler结果到高级可视化
在生物信息学研究中，KEGG和GO富集分析几乎是每个转录组项目的标配。传统的富集气泡图虽然能展示通路名称、富集程度、p值和基因数四个维度的信息，但关键的基因列表却往往被隐藏在表格中。本文将带你突破这一局限，使用ggplot2和ggsankey包，直接从clusterProfiler结果对象中提取数据，构建包含基因关联信息的5维桑吉气泡图。
1. 准备工作与环境配置
在开始之前，确保你已经安装了必要的R包。如果你使用Bioconductor管理生物信息学相关的包，可以用以下命令安装clusterProfiler：
if (!require("BiocManager", quietly = TRUE)) install.packages("BiocManager") BiocManager::install("clusterProfiler")对于可视化部分，我们需要ggplot2作为基础，以及ggsankey来创建桑吉图元素。ggsankey不是CRAN官方包，需要从GitHub安装：
install.packages("ggplot2") install.packages("remotes") remotes::install_github("davidsjoberg/ggsankey")提示：如果你遇到网络问题导致GitHub包安装失败，可以尝试先安装devtools包，然后使用
devtools::install_github()函数。
加载所有需要的包：
library(clusterProfiler) library(ggplot2) library(ggsankey) library(dplyr) library(tidyr)2. 从clusterProfiler结果中提取5维数据
clusterProfiler的富集分析结果通常存储在一个特定的对象中（如enrichResult）。我们需要从中提取五个关键维度的数据：
- Description：通路或GO term的名称
- GeneRatio：富集基因比例
- pvalue：统计显著性
- geneID：富集基因列表
- Count：富集基因数量
假设我们已经有一个名为kegg_enrich的富集结果对象，下面是提取和整理数据的代码：
# 提取富集结果数据框 enrich_df <- as.data.frame(kegg_enrich) # 处理GeneRatio为数值 enrich_df <- enrich_df %>% separate(GeneRatio, into = c("GeneInPathway", "TotalGenes"), sep = "/") %>% mutate(GeneRatio = as.numeric(GeneInPathway)/as.numeric(TotalGenes)) # 展开geneID列，为桑吉图准备数据 sankey_data <- enrich_df %>% select(Description, geneID) %>% separate_rows(geneID, sep = "/") %>% rename(gene = geneID, pathway = Description)这段代码完成了几个关键操作：
- 将GeneRatio从"a/b"格式转换为数值
- 将geneID列中的基因列表（用"/"分隔）拆分为多行
- 为桑吉图准备了pathway-gene的对应关系数据
3. 构建基础气泡图
在添加桑吉图元素之前，我们先创建传统的4维气泡图。这将成为我们5维可视化的基础：
base_plot <- ggplot(enrich_df, aes(x = GeneRatio, y = reorder(Description, GeneRatio), size = Count, color = -log10(pvalue))) + geom_point(alpha = 0.8) + scale_color_gradient(low = "blue", high = "red", name = "-log10(pvalue)") + scale_size(range = c(3, 10), name = "Gene Count") + labs(x = "Gene Ratio", y = "Pathway") + theme_minimal() + theme(axis.text.y = element_text(size = 10), legend.position = "right")这个气泡图已经包含了四个维度的信息：
- Y轴：通路名称（按GeneRatio排序）
- X轴：GeneRatio（富集程度）
- 点大小：Count（富集基因数量）
- 点颜色：-log10(pvalue)（统计显著性）
4. 添加桑吉图元素展示基因信息
现在，我们将在气泡图左侧添加桑吉图来展示第五个维度——基因列表。这需要一些数据转换和巧妙的图形组合：
# 创建桑吉图 sankey_plot <- ggplot(sankey_data, aes(x = x, next_x = next_x, node = node, next_node = next_node, fill = factor(node), label = node)) + geom_sankey(flow.alpha = 0.5, node.color = "gray30") + geom_sankey_label(size = 3, color = "black", fill = "white") + scale_fill_viridis_d(option = "D", alpha = 0.8) + theme_sankey(base_size = 12) + theme(legend.position = "none", axis.title = element_blank(), axis.text = element_blank(), axis.ticks = element_blank(), panel.grid = element_blank()) # 组合两个图形 library(patchwork) final_plot <- sankey_plot + base_plot + plot_layout(widths = c(1, 2))注意：ggsankey需要特定的数据格式，其中x表示当前阶段（如"gene"或"pathway"），next_x表示下一阶段，node和next_node表示连接的节点。
5. 高级定制与美化
为了让图形更具发表质量，我们可以进行一系列的美化调整：
# 自定义颜色和主题 final_plot <- final_plot & theme(plot.margin = margin(1, 1, 1, 1, "cm"), plot.background = element_rect(fill = "white", color = NA), panel.background = element_rect(fill = "white", color = NA)) # 调整图例和标签 final_plot[[2]] <- final_plot[[2]] + guides(size = guide_legend(override.aes = list(color = "darkgray")), color = guide_colorbar(barwidth = 1, barheight = 10)) + labs(title = "KEGG Pathway Enrichment Analysis", subtitle = "Bubble size represents gene count, color shows -log10(p-value)") # 调整桑吉图部分的宽度比例 final_plot <- final_plot + plot_layout(widths = c(0.7, 2))对于特别大的基因集，桑吉图可能会显得过于拥挤。这时可以考虑以下策略：
- 筛选显著通路：只展示p值最显著的前20个通路
enrich_df <- enrich_df %>% arrange(pvalue) %>% head(20)合并相似通路：手动或使用语义相似度方法合并冗余通路
基因缩写：对于特别长的基因列表，可以只显示部分代表性基因
6. 常见问题与调试技巧
在实际操作中，你可能会遇到以下问题：
问题1：桑吉图节点标签重叠
- 解决方案：调整图形大小或字体大小
sankey_plot <- sankey_plot + geom_sankey_label(size = 2.5)问题2：气泡图点的大小范围不合适
- 解决方案：调整scale_size的参数
scale_size(range = c(2, 8)) # 根据你的数据调整这两个数字问题3：颜色梯度不明显
- 解决方案：使用更鲜明的颜色方案或调整p值的转换方式
scale_color_gradient2(low = "blue", mid = "yellow", high = "red", midpoint = median(-log10(enrich_df$pvalue)))问题4：图形元素不对齐
- 解决方案：确保两个图形的y轴顺序一致
enrich_df <- enrich_df %>% arrange(desc(GeneRatio)) sankey_data <- sankey_data %>% mutate(pathway = factor(pathway, levels = enrich_df$Description))对于特别复杂的富集结果，我通常会先导出数据到CSV，在Excel中手动筛选和整理，然后再导入R中进行可视化：
write.csv(enrich_df, "kegg_enrichment_results.csv", row.names = FALSE) # 手动编辑后 enrich_df <- read.csv("kegg_enrichment_results_edited.csv")这种5维桑吉气泡图不仅适用于KEGG通路分析，也可以应用于GO富集分析、疾病关联分析等各种场景。关键在于理解数据的结构，并灵活调整可视化参数以适应不同的数据集。