📚 课程目录第3章气泡图概述及其在生物信息学中的作用

第3章：气泡图概述及其在生物信息学中的作用

做组学数据分析，可视化这一步其实挺考验功力的。很多人跑完富集分析，拿到一堆p值和Rich Factor，就往图里一扔——结果呢？图是画出来了，但你看不懂它在说什么。

说白了，气泡图（Bubble Chart）是基因集富集分析里最经典的可视化方式。它把统计结果和生物意义拧在了一起，一张图塞进三四个维度的信息。我个人习惯，拿到一张新的富集结果，第一件事就是扫气泡图，而不是盯着Excel表看数字。

气泡图本质上是一种改进的散点图。普通散点图只有X轴和Y轴两个维度，每个点只能表达两个数值。气泡图不一样，它引入了第三个甚至第四个变量——气泡大小和颜色。

在KEGG富集分析的语境下，这个图传达的信息量其实挺大的。我自己做项目时遇到过这种情况：看别人文章里的气泡图，觉得挺漂亮，但真要自己去解读，完全抓不住重点。

核心认识：气泡图不是艺术创作，而是信息提炼工具。它的每个视觉元素都必须承载具体的生物学或统计学含义。

先看一个最基础的KEGG富集气泡图长什么样：

X轴（横坐标）        →  Rich Factor（富集因子）或 GeneRatio
Y轴（纵坐标）        →  通路的名称（通常按显著性排序）
气泡大小（面积）     →  富集到该通路的基因数目
气泡颜色（梯度）     →  p-value 或 q-value（显著性水平）

你看，一个气泡至少扔给你四类信息。这是火山图做不到的——火山图只能看差异基因的分布，没法同时展示通路层面的多维度信息。

我经常被学生问：做富集分析能不能就用柱状图？或者只画热图？当然可以，但效果差远了。

为什么？你想想看，富集分析的结果天然就是多维度的：

柱状图只能展示前两个维度。热图？那更多是用来展示基因表达模式的。气泡图是唯一一个能同时容纳这四个维度，而且不会让读者产生视觉疲劳的图表类型。

我记得有一次做肿瘤亚型的差异通路分析，同时比较了三条通路富集结果。如果不用气泡图，我得堆四五个图才能讲清楚。但一张气泡图就够了，审稿人看到直接说——很清楚。

我习惯把气泡图拆成四个信息层来解读。每次画图前，我都会检查这四个层是否完整、是否有误导。

嗯，这里要注意：颜色一定要用连续渐变，千万不要用离散色块。我见过有人用红黄绿三色来做，结果中间过渡区域完全看不出趋势。建议用viridis色谱或者Blue-Red渐变，视觉上更友好。

气泡图的应用不止于KEGG。我自己在这几个场景中频繁使用：

我在微生物组课题中遇到过一个问题：不同分类级别的富集结果粒度很不一样。科水平可能只有十几条通路富集，种水平突然变成上百条。这个时候你还硬要往一张气泡图里塞——结果就是密密麻麻，谁也看不清。

我的建议：通路数超过30条时，只显示Top 20最显著的通路。或者按通路分类（如代谢、信号转导）分面板展示。

还有一个比较实用的技巧：把通路名称缩写显示。KEGG通路名有些很长，比如“Neuroactive ligand-receptor interaction”——这种字串放在Y轴标签上会挤爆气泡图。我一般取前几个关键词，或者干脆用KEGG ID，然后在图注里放全称映射表。

下面这张SVG图，我把气泡图的核心组成和解读路径梳理了一遍。你可以在做富集分析时把它当作检查清单：

拿到气泡图，先别急着找最显著的通路。我建议按这个顺序扫图：

曾经遇到过的问题：有一次我分析水稻转录组数据，一条“淀粉和蔗糖代谢”通路气泡很大，颜色也深，以为是最关键的通路。结果发现这条通路把几百个管家基因都算进去了——不是真正的调控信号。从那以后，我每次都会检查富集到的基因列表，确认一下是不是特定基因在驱动富集，而不是背景噪声。

嗯，这就是气泡图的底层层。读懂了这张图，你才算真正进入了通路分析的大门。下一部分，我们直接上手R语言，把这张图从数据变成成品。