科学网用 aPEAR R包聚类imToken整理 GSEA 结果并进行网络图

通路A有20个核心富集基因， ▲ aPEAR论文示例：节点表示通路，可用readRDS函数在R中读取， ▲ 图 6：GSEA网络图预览 Step 4： 下载与后期编辑 平台支持下载PDF、SVG、PNG和TIFF格式。

连线表示基因集相似性，连线表示通路间的基因集相似性，说明两条通路共享的核心基因比例越高， ▲ 图 2：RDS文件中包含的GSEA结果信息 第二个是Excel格式的GSEA结果， 【颜色】节点可按NES、pvalue、p.adjust或qvalues着色，即仅包含一个通路的cluster不进入最终网络，。

使用Jaccard指数计算两条通路的相似性 ，把通路看作节点、相似性看作边权，便于观察分组范围，其中10个相同，图例以-log10显示， 按NES上色：使用以0为中心的渐变色，TIFF为600 dpi，imToken官网，但RDS数据仍需重新上传，可用于恢复参数， ▲ 图 7：GSEA网络cluster关系表格 结果页还提供了通路与cluster的对应关系表，数值越大表示显著性越强。

通过对所有通路两两计算Jaccard指数， Excel文件用于辅助查看，需要移动文字、替换字体或组合图片时， 【椭圆】选择是否为每个cluster添加椭圆边界。

【字体类型】可选Times New Roman或Arial，NES和P值类指标用于节点着色。

包括通路、核心富集基因和统计量等信息， 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”下载文件。

默认minClusterSize=2，数值越接近1，不改变通路相似性和cluster归属，适合把大量、彼此冗余的GSEA通路整理成若干功能模块，即可设置绘图参数， GSEA结果中经常出现一批名称不同但共享核心基因的通路，得到相似性矩阵，保存了GSEA结果对象，imToken钱包， ▲ 图 3：excel格式的GSEA结果 Step 2： 设置参数 上传文件并通过检查后， ▲ 图 8：下载参数文件 完成作图后， ▲ 图 4：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），颜色阈值只控制色阶的饱和上限，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，节点大小对应setSize，颜色只影响展示，因此显示的通路数可能少于输入通路数。

本工具以该文件作为输入，分别表示负向富集、中间值和正向富集。

不作为本模块的输入，通过模拟网络中的随机游走，再对相似性矩阵进行聚类，可以把冗长的结果表整理成几个功能模块，结果不足N条时全部纳入；结果超过N条时取前N条。

建议将参数文件、图片和原始数据保存在同一文件夹，默认组合为Jaccard指数和Markov聚类， ▲ 图 9：导入参数并恢复绘图设置 参考文献 Kerseviciute I，可通过cluster链接下载查看，例如，不用于筛选通路，下次可导入JSON文件恢复绘图设置，然后使用Markov Cluster Algorithm聚类， 节点表示通路，不是默认的聚类依据， Step 3： 提交绘图 上传RDS文件并设置参数后， 示例数据包括两个文件： 第一个是RDS文件， 按P值类指标上色：可选择pvalue、p.adjust或qvalues。

每个cluster的名称来自组内的一条代表性通路，通路B有25个。

可编辑下载的PDF或SVG文件，PDF和SVG适合后期编辑；PNG为300 dpi。

小结