桑基(ggalluvial) + 气泡图五维可视化
飞高高啦
2025-10-11
1 1. 背景与目标
传统富集气泡图通常同时表达 4 个维度：
Description(y 轴)、GeneRatio/count(x 轴)、Input.number(气泡大小)、P.adjust/FDR(颜色)。 本文在气泡图左侧加入两层 桑基/Alluvial（layer2 -> layer3），把每个 pathway 中的 命中基因数(Input.number) 映射为流的宽度，从而实现第 5 个维度（“基因-通路归属的流量”）的直观呈现。
- 右图：x =
count = Input/Background，size =Input.number，color =FDR。 - 左图：
layer2 → layer3的 alluvial，流宽 =Input.number；节点标签显示两端层级。 - 两图 y 轴/节点顺序严格对齐，读图时左侧每个
layer3的位置与右侧气泡的行一一对应。
2 2. 环境准备
# 如缺包会自动安装（可按需注释）
need <- c("tidyverse","ggalluvial","RColorBrewer","cowplot")
for (p in need) if (!requireNamespace(p, quietly = TRUE)) install.packages(p)
invisible(lapply(need, library, character.only = TRUE))
set.seed(2025)笔记：
ggsankey在部分 R 版本不可用，因此本文统一采用 CRAN 上更稳的ggalluvial。关键几何对象： -geom_alluvium()：画流（可映射y为权重/宽度） -geom_stratum()：画节点 -geom_text(stat="stratum")：给节点自动加标签
3 3. 数据与字段说明
3.1 3.1 示例数据（可替换为你的富集结果）
grp <- list(
"1.0 Biosynthesis" =
c("Prodigiosin biosynthesis","Benzoxazinoid biosynthesis","Zeatin biosynthesis"),
"1.1 Carbohydrate" =
c("Glyoxylate and dicarboxylate metabolism","Polyketide sugar unit biosynthesis","Pentose phosphate pathway"),
"1.2 Energy metabolism" =
c("Nitrogen metabolism","Sulfur metabolism"),
"1.3 Lipid metabolism" =
c("Glycerolipid metabolism","Arachidonic acid metabolism","Linoleic acid metabolism"),
"1.5 Metabolism" =
c("Cyanamino acid metabolism","Fluorobenzoate degradation","Naphthalene degradation"),
"1.7 Glycan" =
c("Glycosaminoglycan degradation","Glycan biosynthesis (general)"),
"1.9 Metabolism" =
c("Limonene and pinene degradation","Polyketide backbone biosynthesis"),
"1.11 Xenobiotics" =
c("Metabolism of xenobiotics by cytochrome P450","Chloroalkane and chloroalkene degradation","Toluene degradation")
)
enrich_demo <- purrr::imap_dfr(grp, ~ tibble(layer2 = .y, layer3 = .x)) %>%
mutate(
Background.number = sample(seq(160, 420, by = 10), n(), replace = TRUE),
Input.number = pmax(3L, round(Background.number * runif(n(), 0.08, 0.30))),
FDR = pmin(1, stats::rbeta(n(), 0.8, 3.2))
)
enrich_demo %>% dplyr::sample_n(5)字段要求（如换成你自己的数据）： -
layer2：上层类目（如 KEGG 2 级） -layer3：pathway 名称（右图 y 轴 & 左图右侧节点） -Input.number：命中基因数（控制气泡大小 & 流宽） -Background.number：背景数（用于计算count = Input/Background） -FDR：校正后的 p 值（控制气泡颜色）
读取你自己的文件示例（制表符分隔）：
library(readr) raw <- readr::read_tsv("DEG.Ko.enrich.xls") # 选取并重命名为本文所需字段名 df0 <- raw %>% dplyr::select(layer2, layer3, Input.number, Background.number, FDR)
3.2 3.2 指标计算与 TopN 选择
# 计算 count，选前 20 个 pathway（可改 n）
df <- enrich_demo %>%
mutate(count = Input.number / Background.number) %>%
arrange(desc(count)) %>%
slice_head(n = 20)
# 为了让左、右两图对齐：把 layer3 设为“反向因子”（上到下与气泡行一致）
df$layer3 <- factor(df$layer3, levels = df$layer3 %>% unique() %>% rev())
df$layer2 <- factor(df$layer2, levels = df$layer2 %>% unique())
# 预览（前 10 行）
df %>% select(layer2, layer3, Input.number, Background.number, count, FDR) %>% head(10)4 4. 可视化：气泡图 + Alluvial
4.1 4.1 右侧：富集气泡图
p_bubble <- df %>%
ggplot(aes(x = count, y = layer3)) +
geom_point(aes(size = Input.number, color = FDR, fill = FDR), shape = 19) +
scale_color_gradientn(colours = RColorBrewer::brewer.pal(6, "RdBu")) +
scale_fill_gradientn(colours = RColorBrewer::brewer.pal(6, "RdBu")) +
guides(size = guide_legend(title = "Count")) +
theme_bw() +
theme(
axis.title = element_blank(),
axis.text.y = element_blank(), # y 轴文字交给左侧节点
axis.ticks.y = element_blank(),
legend.key = element_blank(),
legend.title = element_text(size = 10),
legend.text = element_text(size = 8),
plot.margin = margin(5.5, 5.5, 5.5, 0)
)
p_bubble
右：富集气泡图。x=count=Input/Background；气泡大小=Input.number；颜色=FDR (RdBu 渐变)。
笔记：如果想让 FDR 越小越“蓝”（而不是越红），可用
rev(RColorBrewer::brewer.pal(6, 'RdBu'))反转配色。
4.2 4.2 左侧：两层
Alluvial（layer2 -> layer3）
df_alluv <- df %>%
group_by(layer3) %>%
mutate(weight = Input.number / sum(Input.number)) %>%
ungroup() %>%
select(layer2, layer3, weight)
p_alluvial <- ggplot(
df_alluv,
aes(y = weight, axis1 = layer2, axis2 = layer3)
) +
geom_alluvium(aes(fill = layer2), width = 0.18, alpha = 0.85) +
geom_stratum(width = 0.18, fill = "grey95", color = "grey60") +
geom_text(stat = "stratum", aes(label = after_stat(stratum)), size = 3, color = "black") +
scale_fill_manual(values = colorRampPalette(RColorBrewer::brewer.pal(11, "Paired"))(nlevels(df$layer2))) +
theme_void() +
theme(legend.position = "none", plot.margin = margin(5.5, 10, 5.5, 5.5))
p_alluvial
左：Alluvial（桑基）图。流宽映射 Input.number；两端节点显示 layer2 与 layer3。
笔记：
y=weight决定“流宽”；这里直接用Input.number，与右侧气泡大小保持一致语义。
4.3 4.3 拼接为一张图
p_final <- cowplot::plot_grid(p_alluvial, p_bubble, ncol = 2, rel_widths = c(1.9, 1))
p_final
左：Alluvial；右：气泡图。两侧行顺序严格对齐，但存在一定误差，需要借助AI作图工具调节，便于对读。
# 可选保存
# ggsave("sankey_bubble_combo.png", p_final, width = 12, height = 6, dpi = 300)
# ggsave("sankey_bubble_combo.pdf", p_final, width = 12, height = 6)5 5. 结果描述
library(dplyr)
# Top 5 按 count
sum_top <- df %>% arrange(desc(count)) %>%
transmute(layer2, layer3, Input.number, Background.number,
count = round(count, 3), FDR = signif(FDR, 3)) %>%
head(5)
knitr::kable(sum_top, caption = '按 count 排序的前 5 个 pathway（示例数据）。')| layer2 | layer3 | Input.number | Background.number | count | FDR |
|---|---|---|---|---|---|
| 1.7 Glycan | Glycan biosynthesis (general) | 107 | 360 | 0.297 | 0.3400 |
| 1.11 Xenobiotics | Metabolism of xenobiotics by cytochrome P450 | 74 | 260 | 0.285 | 0.0827 |
| 1.0 Biosynthesis | Zeatin biosynthesis | 54 | 190 | 0.284 | 0.6260 |
| 1.9 Metabolism | Limonene and pinene degradation | 106 | 380 | 0.279 | 0.1620 |
| 1.1 Carbohydrate | Pentose phosphate pathway | 102 | 380 | 0.268 | 0.0541 |
# 哪些上层类目贡献的基因最多？
by_l2 <- df %>% group_by(layer2) %>% summarise(total_input = sum(Input.number), .groups='drop') %>% arrange(desc(total_input))
knitr::kable(by_l2, caption = '各 layer2 的命中基因总数 (Top20 子集内)。')| layer2 | total_input |
|---|---|
| 1.1 Carbohydrate | 225 |
| 1.11 Xenobiotics | 198 |
| 1.9 Metabolism | 177 |
| 1.0 Biosynthesis | 162 |
| 1.7 Glycan | 157 |
| 1.3 Lipid metabolism | 144 |
| 1.2 Energy metabolism | 101 |
| 1.5 Metabolism | 87 |
解读要点：
- 在本随机示例中，Glycan biosynthesis (general) 的
count最高（0.297），对应的命中基因数为 107 个、FDR ≈ 0.34。 - 从左图看，1.1 Carbohydrate 类目对 Top20 子集的总命中基因数贡献最大（225）。
- 阅读方法：先在右图找到感兴趣的
pathway（某一行的气泡），再回看左图同一水平位置的右端节点及其来向，就能看到它主要来源于哪些上层类目（
layer2），以及流宽代表的基因量级。
提示：真实项目中，可把
df的slice_head(n=20)改成阈值（如 FDR < 0.05）或其它排序逻辑（如取Input.number最大的 TopN），以适配你的论文或报告需求。
6 6. 教程与常见改动
- 替换为你的数据：按 3.1 中的读取示例，保证字段名对应。
- TopN/筛选：在 3.2 调整
slice_head(n = 20)或加过滤条件（如filter(FDR < 0.05)）。 - 颜色：
- FDR
渐变：
scale_color_gradientn(colours = rev(brewer.pal(6, 'RdBu')))可反转。 - Alluvial 填充：
scale_fill_manual(values = ...)可换调色板或指定少量命名色。
- FDR
渐变：
- 顺序对齐（关键）：
- 先在气泡图数据里确定
layer3的因子顺序； - 再把 alluvial 的
axis2 = layer3使用同一个因子，确保左右严格对齐。
- 先在气泡图数据里确定
- 导出：用
ggsave()分别导出 PNG/PDF；期刊排版建议 PDF（矢量）。 - 可读性：可调
geom_alluvium(..., alpha)、geom_stratum(width=...)、标签size等参数，或给右图加网格线增强对齐。
7 7. Session info（可用于复现）
sessionInfo()## R version 4.4.2 (2024-10-31)
## Platform: aarch64-apple-darwin20
## Running under: macOS Sequoia 15.1
##
## Matrix products: default
## BLAS: /Library/Frameworks/R.framework/Versions/4.4-arm64/Resources/lib/libRblas.0.dylib
## LAPACK: /Library/Frameworks/R.framework/Versions/4.4-arm64/Resources/lib/libRlapack.dylib; LAPACK version 3.12.0
##
## locale:
## [1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
##
## time zone: Asia/Shanghai
## tzcode source: internal
##
## attached base packages:
## [1] stats graphics grDevices utils datasets methods base
##
## other attached packages:
## [1] cowplot_1.2.0 RColorBrewer_1.1-3 ggalluvial_0.12.5 lubridate_1.9.4
## [5] forcats_1.0.0 stringr_1.5.2 dplyr_1.1.4 purrr_1.1.0
## [9] readr_2.1.5 tidyr_1.3.1 tibble_3.3.0 ggplot2_4.0.0
## [13] tidyverse_2.0.0
##
## loaded via a namespace (and not attached):
## [1] gtable_0.3.6 jsonlite_2.0.0 compiler_4.4.2 tidyselect_1.2.1
## [5] jquerylib_0.1.4 scales_1.4.0 yaml_2.3.10 fastmap_1.2.0
## [9] R6_2.6.1 labeling_0.4.3 generics_0.1.4 knitr_1.50
## [13] bslib_0.9.0 pillar_1.11.1 tzdb_0.5.0 rlang_1.1.6
## [17] stringi_1.8.7 cachem_1.1.0 xfun_0.53 sass_0.4.10
## [21] S7_0.2.0 timechange_0.3.0 cli_3.6.5 withr_3.0.2
## [25] magrittr_2.0.4 digest_0.6.37 grid_4.4.2 rstudioapi_0.17.1
## [29] hms_1.1.3 lifecycle_1.0.4 vctrs_0.6.5 evaluate_1.0.5
## [33] glue_1.8.0 farver_2.1.2 rmarkdown_2.29 tools_4.4.2
## [37] pkgconfig_2.0.3 htmltools_0.5.8.1