VennDiagram是进行Venn图绘制的 R包，最多能够绘制五组数据，其中一个主要的绘图函数为venn.diagram()

针对该参数相关的参数调整，可以直接对Venn图的颜色字体等多主题进行修改。而其绘图数据，也就是venn.diagram() 对应的数据是一个list向量，

数据的读取和整理可以参考：

R语言绘制维恩图空值NA处理：https://www.omicsclass.com/article/259 数据读取方式，

1、譬如经相似读取数据和处理之后，获取一个向量xList，数据基本情况如下：

summary(xList)
        Length Class  Mode     
AT_4000 4000   -none- character
AT_3892 3892   -none- character
AT_3593 3593   -none- character
AT_3000 3000   -none- character
AT_2987 2987   -none- character

一共五组数据，各组数据如上所示，venn.diagram()绘图：

venn.plot =venn.diagram(xList,filename = NULL)

grid.newpage()
grid.draw(venn.plot)

之后基于相关代码调整即可。

2 如何获取各区域信息是绘制Venn图的一个关键问题

可以基于VennDiagram提供的计算函数 calculate.overlap 或者get.venn.partitions

以前者为例：

area=calculate.overlap(xList)
> typeof(area)
[1] "list"
> summary(area)
    Length Class  Mode     
a31 220    -none- character
a30 286    -none- character
a29 285    -none- character
a28 175    -none- character
a27 178    -none- character
a26 149    -none- character
a25 136    -none- character
a24 206    -none- character
a23 232    -none- character
a22 356    -none- character
a21 217    -none- character
a20 284    -none- character
a19 255    -none- character
a18 147    -none- character
a17 204    -none- character
a16 131    -none- character
a15 123    -none- character
a14 213    -none- character
a13 187    -none- character
a12 300    -none- character
a11 278    -none- character
a10 216    -none- character
a9  392    -none- character
a8  209    -none- character
a7  204    -none- character
a6  153    -none- character
a5  165    -none- character
a4  153    -none- character
a3  211    -none- character
a2  224    -none- character
a1  273    -none- character

如上结果显示 五组一共获得31各区域的数据，可以利用返回的list提取每一个区域的结果，譬如取出a1区域（共273）的前10个：

> area$a1[1:10]
 [1] "AT3G27960" "AT4G12170" "AT1G58270" "AT3G55290" "AT1G27360" "AT2G02790" "AT1G42990" "AT3G25011"
 [9] "AT2G24617" "AT5G55910"

后者get.venn.partitions使用方法可以参考：

如果想提升自己的绘图技能，我们推荐：R语言绘图基础（ggplot2)

更多生物信息课程：

1. 文章越来越难发？是你没发现新思路，基因家族分析发2-4分文章简单快速，学习链接：基因家族分析实操课程、基因家族文献思路解读

2. 转录组数据理解不深入？图表看不懂？点击链接学习深入解读数据结果文件，学习链接：转录组（有参）结果解读；转录组（无参）结果解读

3. 转录组数据深入挖掘技能-WGCNA，提升你的文章档次，学习链接：WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘？学习链接：转录组标准分析后的数据挖掘、转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读、OTU网络图绘制、cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课：linux系统使用、perl入门到精通、perl语言高级、R语言入门、R语言画图

7. 医学相关数据挖掘课程，不用做实验也能发文章：TCGA-差异基因分析、GEO芯片数据挖掘、GEO芯片数据标准化、GSEA富集分析课程、TCGA临床数据生存分析、TCGA-转录因子分析、TCGA-ceRNA调控网络分析

8.其他，二代测序转录组数据自主分析、NCBI数据上传、二代测序数据解读