微生物群落基于KEGG预测功能的丰度分布图绘制

来源：宏基因组

在基于16S rRNA扩增子的研究中，因为了解微生物群落功能的需要，我们经常会使用一些软件工具对16S rRNA扩增子数据进行功能预测，比如PICRUSt2。

这些功能预测的结果大多是基于KEGG数据库，KEGG是一个整合了基因组、化学和系统功能信息的数据库。

把从已经完整测序的基因组中得到的基因与更高级别的细胞、物种和生态系统水平的系统功能关联起来是KEGG数据库的特色之一。

与其他数据库相比，KEGG 的一个显著特点就是具有强大的图形功能，它利用图形而不是繁缛的文字来介绍众多的代谢途径以及各途径之间的关系，这样可以使研究者能够对其关注的代谢途径有更直观全面的了解。

KEGG GENES数据库提供关于在基因组计划中发现的基因和蛋白质的序列信息。

KEGG PATHWAY数据库包括各种代谢通路、合成通路、膜转运、信号传递、细胞周期以及疾病相关通路等，此外还收集了各种化学分子、酶及以及酶促反应等相关信息。

KEGG Module数据库是 KEGG 收集的一系列的功能单元，用于基因组注释和生物学解释。

KEGG Orthology (KO)系统通过把分子网络的相关信息连接到基因组中，提供了跨物种注释流程。

ko：表示通路，这个通路是不分物种的，相当于所有物种某一功能步骤的并集。

KEGG 数据库包含 8 类生物代谢通路的分析：

Global Map

Metabolism, Genetic Information Processing

Environmental Information Processing

Cellular Processes

Organismal Systems

Human Diseases

Drug Development

在每一个大类的代谢通路中，被系统分类为二、三、四层。

第二层目前包括有 39 种子功能；第三层即为其代谢通路图；第四层为每个代谢通路图的具体注释信息。

使用PICRUSt2等功能预测工具得到的KEGG路径预测结果同样是有层级的，当我们想要知道样本中微生物群落的功能主要涉及哪些路径时，就需要对这些具有层级的功能预测结果进行绘图。

一般情况下在图像中会展示第一和第二层级，因为三、四层级条目过多，在一幅图中进行展示也看不清，通常会挑选感兴趣的特定功能单独呈现。

绘图数据是一个简单的三列表格，包括第二层级的39个代谢路径及其对应的第一层级信息，还有就是每个代谢路径在所有样本中的平均相对丰度。

⚠️因为目的是获得所有样本中的主要功能，因此绘图数据需要提前计算一下每一个代谢路径在所有样本中的平均丰度。

使用ggplot2的分面模式来展示不同代谢路径所属的第一层KEGG信息，应用条形图表示每一个代谢路径的相对丰度。

首先导入分析数据。

这里有一点需要说明，因为KEGG第一层分类中有几个分类的名字特别长，因此需要处理一下，使其能够实现自动换行。

接下来就可以画图了。

保存图片就OK了。

ggsave("L2.pdf", p, width = 183, height = 240, units = "mm")

PS：有些朋友可能想要把分面的文字放在图像的左侧，使其与代谢路径的名称放在一起，但是这个直接用ggplot2可能不行，因此把分面名称放在左侧之后，对其进行文字调整的参数就失效了，之前在群里也讨论过这个问题，据说是ggplot2的一个小bug，以后的更新中可能会修复。