不好好作图的NCS系列(一)：倾斜45°的火山图

数据分析实质和内涵是不会变化的，但是可视化却一直是百花齐放，各有各的样子。我们在读文章的时候，想必也发现过，有些文章在做图上可谓是别出心裁，换着花样。虽然这对于结果没有什么影响，但是在感官上确实更胜一筹。新的一年，我们从火山图开始（祝愿大家红红火火），看看那些不一样的可视化，学习他们的方式方法！

火山图的基本做法我们之前已经讲过了（转录组不求人系列(十): NCS级别的火山图，总有一款适合你！)，看看上图这篇Cell文章的火山图，它居然是倾斜的，其实很多NCS的文章在火山图的可视化上都采用这样的模式。接下来我们就学习下如何制作吧！

画这种火山图需要的数据还是差异分析结果，但是需要两列数据，两个分组的平均表达量。之前用DESeq分析差异基因的时候（转录组不求人系列(七)：DESeq2分析转录组测序数据），我们在最后得到两个结果，一个是dds1，一个是res，通过这两个数据我们先计算平均值并合并，然后作图。

baseA <- counts(dds1, normalized=T)[, dds1$condition=="Mcc"]
if (is.vector(baseA)){  baseMeanA <- as.data.frame(baseA)} else {  baseMeanA <- as.data.frame(rowMeans(baseA))}colnames(baseMeanA) <- "Mcc"head(baseMeanA)baseB <- counts(dds1, normalized=T)[, dds1$condition=="Pan"]
if (is.vector(baseB)){  baseMeanB <- as.data.frame(baseB)} else {  baseMeanB <- as.data.frame(rowMeans(baseB))}colnames(baseMeanB) <- "Pan"head(baseMeanB)

画图需要使用到ImageGP这个包，先安装加载需要的包：​​​​​​​

devtools::install_github("Tong-Chen/ImageGP")library(ImageGP)library(ggplot2)library(ggpubr)library(egg)library(ggrepel)

读取数据，并进行处理和定义：​​​​​​​

setwd("E:/生物信息学")diffexpr <- read.csv("df.csv",header = T)diffexpr$Mcc<- log2(diffexpr$Mcc+1)#对平均值进行标准化diffexpr$Pan<- log2(diffexpr$Pan+1)#对平均值进行标准化diffexpr$level <- ifelse(diffexpr$padj<0.05,                          ifelse(diffexpr$log2FoldChange>=2, "Up",                                 ifelse(diffexpr$log2FoldChange<=-2, "Down", "NoSig")),"NoSig")#标记差异基因head(diffexpr)

接着就可以画图了：​​​​​​​

p <- sp_scatterplot(diffexpr, xvariable = "Pan", yvariable = "Mcc", #定义横纵坐标变量，用的是前面计算的样本平均值               color_variable = "level",#颜色以分组定义               title ="Pan vs Mcc", #标题               color_variable_order = c("NoSig","Up", "Down"),               manual_color_vector = c("grey","firebrick","dodgerblue")) + #颜色定义  coord_fixed(1)+ labs(x = "Pan", y = "Mcc")  p

之后需要标记显著的基因名称，和之前画火山图一样，定义一下：​​​​​​​

diffexpr$label =""diffexpr <- diffexpr[order(diffexpr$padj),]up.genes <- head(diffexpr$X[which(diffexpr$level=="Up")],20)down.genes <- head(diffexpr$X[which(diffexpr$level=="Down")],20)top10genes <- c(as.character(up.genes), as.character(down.genes))diffexpr$label[match(top10genes,diffexpr$X)] <- top10genes

之后将基因名称添加至热图即可：​​​​​​​

p +  geom_text_repel(data=diffexpr, aes(label= label), color="black", size=4, fontface="italic",                     arrow = arrow(ends="first", length = unit(0.01, "npc")), box.padding = 0.2,                     point.padding = 0.3, segment.color = 'black', segment.size = 0.3, force = 1,                      max.iter = 3e3)

这个图就完成了，如果您也看到一些有意思的图，欢迎私信交流。想要获取示例数据，可打赏截图私信作者获得，记得附上邮箱，感谢支持！

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！