BioF3 FigCode · SCI 绘图代码集

GO 条形图（GO Bar Plot）

导出日期：2026年6月27日

分类：功能富集｜ 依赖包：ggplot2

解决的生物学问题

差异基因在生物过程、分子功能和细胞组分三个维度分别富集了哪些功能？

应用场景

GO 三大类别全景展示
对比 BP/MF/CC 富集差异
文章 figure 综合功能注释
多组差异基因功能对比

输入数据格式

enrichGO 结果（分别跑 BP/MF/CC 后合并）

关键参数

showCategory 每类展示数（5-10）
ont 本体类型（ALL / BP / MF / CC）
pvalueCutoff 阈值
facet 是否分面展示
color 着色变量（p.adjust / Count）

快速开始

1. 直接在线运行

打开 FigCode 在线绘图，点击本工具卡片的"在线绘图"按钮即可用内置示例数据出图，零环境配置。

2. 本地复现

下载脚本和示例数据，本地 RStudio 运行：

# 下载
curl -O https://<your-site>/figcode/scripts/go-bar.R
curl -O https://<your-site>/figcode/data/go-bar.csv

3. 安装依赖

# CRAN 包
install.packages(c("ggplot2"))

# Bioconductor 包（如需）
# BiocManager::install(c())

完整代码

library(ggplot2)

# --- Demo data ---
set.seed(42)
bp_terms <- c("Cell division", "DNA repair", "Apoptotic process", "Signal transduction", "Immune response")
mf_terms <- c("Protein binding", "ATP binding", "Kinase activity", "DNA binding", "Receptor activity")
cc_terms <- c("Nucleus", "Cytoplasm", "Membrane", "Mitochondrion", "Extracellular")

go_df <- data.frame(
  Description = c(bp_terms, mf_terms, cc_terms),
  Count = sample(5:35, 15),
  p.adjust = runif(15, 0.0001, 0.04),
  ONTOLOGY = rep(c("BP", "MF", "CC"), each = 5)
)

# --- Plot ---
ggplot(go_df, aes(x = reorder(Description, Count), y = Count, fill = p.adjust)) +
  geom_col(width = 0.7) +
  coord_flip() +
  facet_grid(ONTOLOGY ~ ., scales = "free_y", space = "free_y") +
  scale_fill_gradient(low = "#dc2626", high = "#93c5fd") +
  labs(x = NULL, y = "Gene Count", title = "GO Enrichment (BP/MF/CC)", fill = "p.adjust") +
  theme_classic() +
  theme(strip.text = element_text(face = "bold"))

替换为自己的数据

脚本中以 # --- Demo data --- 标注的段落是示例数据生成代码。替换为自己的数据时，保持列名一致即可：

输入格式：enrichGO 结果（分别跑 BP/MF/CC 后合并）
使用 read.csv() / readRDS() 读取本地文件