告别单调气泡图！用桑吉气泡图在KEGG富集分析中同时展示通路与基因（附clusterProfiler数据实操）

桑吉气泡图：解锁KEGG富集分析的基因-通路关联可视化新维度

在基因功能富集分析领域，KEGG和GO气泡图已经成为标准化的结果展示方式。然而，传统气泡图在信息传递效率上存在明显局限——当我们发现"MAPK信号通路"显著富集时，却无法直观看到究竟是哪些关键基因驱动了这一结果。这种信息断层常常迫使研究者在图表和基因列表之间反复切换，既降低了阅读效率，也模糊了生物学故事的连贯性。

桑吉气泡图（Sankey-bubble hybrid plot）的创新之处在于，它巧妙融合了桑吉图的流向表达能力和气泡图的多维展示优势。这种混合可视化方案不仅保留了富集倍数、P值、基因数等核心指标，更通过流向连接线清晰呈现基因与通路的隶属关系，使"哪些基因主导了通路富集"这一关键问题一目了然。对于需要深入挖掘调控机制的研究者而言，这种一体化展示方式能够显著提升数据解读深度和论文图表的信息密度。

1. 传统气泡图与桑吉气泡图的核心差异解析

传统KEGG富集气泡图通常展示四个维度的信息：

• Y轴：富集通路名称
• X轴：富集倍数或基因比例
• 点颜色：显著性P值（通常以-log10转换）
• 点大小：通路中差异基因的数量

这种展示方式存在三个典型痛点：

1. 基因列表信息完全缺失，需要额外表格补充
2. 无法直观判断通路富集是由少数核心基因驱动还是广泛基因参与
3. 多个通路共享关键基因时，这种关联性无法可视化

桑吉气泡图通过左侧添加基因列表和流向连接线，新增了第五个关键维度：

• 基因-通路关联：清晰展示每个通路包含的具体基因及其相对贡献

表：两种可视化方案的信息承载对比

# 传统气泡图数据格式示例 data.frame( Pathway = c("MAPK signaling", "p53 pathway"), Enrichment = c(3.2, 4.1), Pvalue = c(1e-5, 2e-6), Count = c(15, 8) ) # 桑吉气泡图数据格式示例 data.frame( Pathway = c("MAPK signaling", "p53 pathway"), GeneRatio = c("15/300", "8/300"), Pvalue = c(1e-5, 2e-6), GeneID = c("MAPK1/MAPK3/EGFR", "TP53/MDM2/CDKN1A"), Count = c(15, 8) )

2. 桑吉气泡图的数据准备与结构优化

使用clusterProfiler进行KEGG富集分析时，默认结果已经包含生成桑吉气泡图所需的全部字段。关键步骤在于对结果对象的适当处理和字段选择：

library(clusterProfiler) # 标准富集分析流程 kegg_result <- enrichKEGG( gene = diff_genes, organism = "hsa", pvalueCutoff = 0.05, qvalueCutoff = 0.1 ) # 结果转换为数据框时保留geneID列 result_df <- as.data.frame(kegg_result)[, c("Description", "GeneRatio", "pvalue", "geneID", "Count")]

注意：某些在线工具要求基因列表使用特定分隔符（如斜杠"/"或分号";"），上传前需确认格式要求。对于包含大量基因的通路，建议设置显示阈值避免图形过于拥挤。

数据优化策略包括：

• 基因数量过滤：剔除Count<5的通路，确保可视化清晰度
• 名称缩写：对长通路名进行适当缩写（如"NF-kappa B"代替全称）
• 显著性排序：按P值排序保证重要通路位于图形上部
• 共享基因高亮：标记被多个通路共享的关键基因

表：数据预处理常见问题与解决方案

3. 微生信平台桑吉气泡图实操指南

微生信平台（www.bioinformatics.com.cn）提供了用户友好的桑吉气泡图在线生成工具，其操作流程可分为三个关键阶段：

1. 数据上传与参数设置

   • 进入"高级可视化→桑吉气泡图"模块
   • 上传预处理好的CSV文件（含Description, GeneRatio, pvalue, geneID, Count五列）
   • 设置显示阈值：通常建议P值<0.05，Count≥5

2. 视觉元素定制

   • 颜色映射：将P值映射为红色（显著）到蓝色（边缘显著）渐变
   • 尺寸调整：设置气泡大小范围为5-20mm对应基因数量
   • 布局优化：调整左右面板比例（建议基因:通路=4:6）
   • 标签控制：开启自适应旋转避免Y轴标签重叠

3. 输出与后期处理

   • 选择矢量图格式（PDF/SVG）便于论文投稿时编辑
   • 添加图例说明各视觉元素的对应关系
   • 对共享基因添加特殊标记（如加粗或星号）

# 示例数据生成代码（供本地测试） test_data <- data.frame( Description = c("Circadian rhythm", "PPAR signaling", "Huntington's disease"), GeneRatio = c("2/150", "4/150", "8/150"), pvalue = c(0.010, 0.008, 0.001), geneID = c("RORA/RORB", "CD36/AQP7/LPL", "TBPL1/CASP8/VDAC3"), Count = c(2, 4, 8) ) write.csv(test_data, "kegg_sankey_input.csv", row.names = FALSE)

提示：当分析大量通路时（>20条），建议先用气泡图筛选关键通路（Top10），再用桑吉气泡图详细展示，避免信息过载。对于高频出现的核心基因（如TP53、STAT3等），可在图表旁添加简要功能注释。

4. 桑吉气泡图在科研论文中的创新应用

超越基础展示功能，桑吉气泡图在科研叙事中可发挥更深入的作用：

多维数据整合案例：

• 添加基因表达变化方向（上调/下调）作为附加视觉编码，使用▲/▼符号标记基因
• 整合蛋白互作网络信息，用连线粗细表示基因间的相互作用强度
• 叠加临床关联数据，以基因标注颜色表示药物靶点或疾病关联

跨组学分析场景：

• 甲基化组与转录组联合分析：用不同颜色区分表观遗传调控基因和差异表达基因
• 单细胞测序应用：展示细胞类型特异性通路及其标记基因
• 时间序列实验：通过多面板桑吉图展示动态调控网络演变

表：桑吉气泡图在不同研究场景中的价值

在论文图表排版中，桑吉气泡图通常占据单栏宽度（约8cm），需要确保：

1. 字体大小不小于6pt（印刷要求）
2. 图例完整说明颜色、大小和连线的含义
3. 在Figure Legend中注明使用的工具和参数设置
4. 对关键基因-通路关联用星号或箭头标注

5. 进阶技巧：使用R ggplot2创建自定义桑吉气泡图

对于需要高度定制化的场景，可使用R语言的ggplot2和ggalluvial扩展包本地创建桑吉气泡图。以下为关键步骤框架：

1. 数据重塑：将geneID列展开为长格式，建立基因-通路对应关系

library(tidyr) sankey_data <- result_df %>% separate_rows(geneID, sep = "/") %>% mutate(Pathway = Description)

2. 基础气泡图构建：使用ggplot2绘制传统气泡图组件

base_plot <- ggplot(result_df, aes(x = GeneRatio, y = reorder(Description, pvalue))) + geom_point(aes(size = Count, color = -log10(pvalue))) + scale_color_gradient(low = "blue", high = "red")

3. 桑吉图层叠加：用ggalluvial添加基因流向元素

library(ggalluvial) sankey_layer <- geom_alluvium( data = sankey_data, aes(x = "gene", y = geneID, alluvium = geneID, stratum = Pathway), alpha = 0.5, width = 0.1 )

4. 视觉元素整合：调整主题和坐标轴实现无缝拼接

final_plot <- base_plot + sankey_layer + theme_minimal() + theme( axis.text.y = element_text(size = 8), legend.position = "right" )

提示：本地绘制时，使用ggrepel包处理基因标签重叠问题，通过ggforce包优化桑吉曲线的平滑度。对于复杂图形，建议分步构建并保存中间结果，便于单独调整每个组件。

在肿瘤异质性研究中，我们曾用桑吉气泡图同时展示EMT通路富集情况和关键调控基因的空间分布模式。这种可视化方式不仅帮助审稿人快速抓住核心发现，还意外促成了与计算生物学家的合作——他们从图中识别出了值得深入分析的基因调控模式。