文末可下载示例数据和代码。
前几天，老师让我画一个这样的图。
原文链接[1]
粗略一看，似乎没有什么特别困难的地方，好像之前也看到过类似的图，但是看到老师发来的链接才发现这居然是Nature出版期刊（Horticulture Research）的配图。volume）上的配图！
该配图一共由三个图组成，不同染色体的SNP-index[2]对其位置作整图、单一染色体的SNP-index对其位置作细节图以及对应的基因结构图。
a、b两图也差不多，都是由散点图和线图构成。
1 数据读取
# 一个是SNP-index值，另一个是SNP-index滑窗值。
snp_index <- read.delim("./snp_index.tsv", header=FALSE)
sliding_window <- read.delim("./sliding_window.tsv", header=FALSE)
# 在snp_index中需要用到数据有：V1（所在的染色体位置）、V2（在某条染色体上的特定位置）、V8（SNP-index值）；
# 在sliding_window中需要用到的数据有：V1（所在的染色体位置）、V2（在某条染色体上的特定位置）、V5（滑窗区域中的SNP-index均值）；
snp_index
sliding_window
2 作整图及美化
library(ggplot2) # 加载绘图包ggplot2
library(eoffice) # 为了后续将绘制好的图保存为ppt的可编辑格式
p1 <- ggplot()+
# 散点图，设置点的颜色与大小
geom_point(data = snp_index,aes(x = V2, y = V8,color = factor(V1)),size = 2)+
scale_color_manual(values = c("#FF6A6A", "#00BFFF", "#32CD32","#FF6A6A", "#00BFFF"))+
# 线图，设置线的粗细
geom_line(data = sliding_window, aes(x = V2, y = V5), size = 1)+
# 设置纵坐标轴的刻度范围
ylim(0,1)+
# 将图按照所在的染色体位置进行分面；ncol设置列数，将五条染色体的结果水平分布；strip.position设置标签的位置；scales设置横坐标的比例尺自由变化，跟随染色的大小变化。
facet_wrap( ~ V1,ncol = 5,strip.position = "bottom",scales = "free_x")+
# 添加值为0.95的垂直于y轴的辅助线，并设置颜色，指定线的类型，改变线条的粗细
geom_hline(yintercept=0.95, colour="#CD2626", linetype="dashed", size = 0.8)+
# 修改主题
theme_classic()+
# 修改坐标，axis.text.x指定x轴的数字不显示；strip.background设置标签的背景为空白；strip.placement将坐标轴的刻度向外显示；axis.line.x设置x轴的类型、颜色以及粗细；axis.line.y设置y轴的类型、颜色以及粗细；axis.title.x、axis.title.y设置x、y轴标签字体的大小；legend.position设置图列不显示
theme(axis.text.x = element_blank(), strip.background = element_blank(), strip.placement = "outside",axis.line.x=element_line(linetype=1,color="black",size=1),axis.line.y=element_line(linetype=1,color="black",size=1),axis.title.x = element_text(size = 14),axis.title.y = element_text(size = 14), legend.position = 'none')+
# 设置横纵坐标的名字
labs(x="Chromosome ID",y="SNP_index")
# 将图片保存为ppt
topptx(p1, filename = "SNP_ALL.pptx",
width = 6, height = 4)
3 作细节图及美化
细节图即是突出显示某一条染色体上的具体情况，以2号染色体为例，与上图的绘制方法基本一致，但是需要取消分面。
library(tidyverse)
snp_index_2 <- filter(snp_index, V1 == "2")
sliding_window_2 <- filter(sliding_window, V1 == "2")
p2 <- ggplot()+
geom_point(data = snp_index_2,aes(x = V2/1000000, y = V8),size = 2,color = "#FF3030")+
ylim(0,1)+
geom_line(data = sliding_window_2, aes(x = V2/1000000, y = V5), size = 1.5)+
geom_hline(yintercept=0.95, colour="#CD2626", linetype="dashed", size = 0.8)+
geom_vline(xintercept=c(5.6,7.7), colour="#8B8989",size = 0.8)+
theme_classic()+
theme(axis.line.x=element_line(linetype=1,color="black",size=1),axis.line.y=element_line(linetype=1,color="black",size=1),axis.title.x = element_text(size = 14),axis.title.y = element_text(size = 14), legend.position = 'none')+
labs(x="Position(Mb)",y="SNP_index",title = "Chr_2")
topptx(p2, filename = "SNP_2.pptx",
width = 6, height = 4)
4 PPT处理
前面通过eoffice包将图导入ppt中，再制作基因结构图，便大功告成！
向公众号发送20220215即可获得示例数据和代码。如有问题，请多多指教!参考资料
[1]原文链接: https://www.nature.com/articles/s41438-019-0223-6
[2]什么是“SNP-index”？: https://www.sohu.com/a/396023729_769248
本文使用 文章同步助手 同步
网友评论