GO和KEGG分析是最常用的生信分析方法，在SCI论文中也经常见到，那么你能想到的GO和KEGG分析结果的展示方法有哪些呢？

条形图：

饼状图：

表格：

相比于上面这些，这样的网络图展示起来是不是立马提升了几个档次：

首先讲一下如何获取这一利器，ClueGO和CluePedia是Cytoscape的APP，点开Cytoscape的Apps菜单，找到这两个APP把它们下载安装了。

然后你就能在Apps菜单里找到它们。首次打开，你需要一个license。点开网址，照网站上说的做，去申请一个就可以，总体上并不麻烦，稍微填点资料留个邮箱就OK了。

网站上说可能要几天才能收到，亲测当晚注册第二天收到了license。

搞定license之后，直接在Cytoscape中打开ClueGO即可使用。

比如说我们要展示KEGG结果。ClueGO是自带GO和KEGG分析的，只需要在Load Marker List处输入基因列表（可以是geneID，genesymbol等多种形式），然后在Ontologies/Pathways那里勾选KEGG这个条目即可。

物种选项默认的是人类和小鼠两种，不过可以自己下载其它物种信息。

画出来是这个样子的（下半部分为局部放大）：

ClueGO的网络图是基于Kappa统计量创建的，该图中每一个节点代表一个term，节点之间的连线反映了term之间的相关性，而节点的颜色则反映了该节点的富集分类情况（隶属于哪个功能组）。

接下来介绍一下如何调整绘制出来的网络图。

在ClueGO Results这个选项卡中，我们可以选择不显示小字文本、调整功能组颜色、导出ClueGO分析的结果等。

导出的EXCEL形式的分析结果：

在CluePedia这个选项卡中，我们可以选择显示/隐藏terms或者基因、选用弯曲箭头、调整线条疏密和字体大小等等功能。

以我们当前的分析结果为例，因为terms数量比较多，如果显示基因，那么整个网络就会过于复杂，无法反映有效信息。

如果再复杂点如下：

既然terms过多，我们可以进行进一步的分析筛选，ClueGO中提供了这样的分析功能，比如，我们可以通过p-value或者Kappa Score进行筛选。

这里我们以p-value为例：

此时我们选择显示基因，就能得到下面的图，图中清楚地显示了基因与通路的关系，cross-talk基因（箭头所指）一目了然，这些基因和2个以上的通路相关，起到了桥梁的作用，因此值得我们进一步研究。

ClueGO的功能非常丰富，大家可以自己上手先尝试起来！