分析背景
火山图常用于转录组研究中，也能应用于基因组，蛋白质组，代谢组等统计数据。它归根到底是是散点图的一种，它能将统计学中的统计显著性量度（如p value，矫正后的P值）和变化幅度相结合，从而能够帮助人们识别那些变化幅度较大且具有统计学意义的数据（如基因，蛋白等），如下图所示。
图1
图形分解
- 图中每一点代表所研究的基因，灰色的点代表这些基因在实验组和对照组的表达情况不具有差异性，绿色和红色的点代表上调基因和下调基因。
- 横坐标log2FC代表差异倍数，离坐标原点越远，说明差异倍数越大
- 纵坐标-log10(PValue)代表差异结果的显著性，越往上的点，说明差异结果越显著。
- 图1B与图1A向比较，图1B将实验组和对照组中差异倍数最大的前二十个基因的名称在图中展示出来，包括十个上调基因和十个下调基因，当然在后面小编将教小伙伴们如何将感兴趣的基因（如：抑癌基因，管家基因，促癌基因）展示在图上中。
函数式编程的优势
- 与零碎的代码相比，反复调用，参数简单易学，对初学者更加友好。
- 与网页绘图小工具相比，不要要注册，不需要付费，方面经济。
- 对有经验的程序员，函数式编程能够提高程序员的编程水平，减少代码的重复使用，高效快捷
敲黑板，划重点
小编今天把小伙伴们转录组分析常用的火山图封闭成函数，并使用ggplot2，小伙伴们拿到函数以后，只需要将数据整理成固定的格式，代入函数中，即可绘制成高质量，高颜值的火山图，用AI小修一下，即可插入到自己的文章中。
分析方法
# 安装R包
if (!requireNamespace("ggplot2", quietly = TRUE))
install.packages("ggplot2",repos = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")
if (!requireNamespace("RColorBrewer", quietly = TRUE))
install.packages("RColorBrewer",repos = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")
if (!requireNamespace("data.table", quietly = TRUE))
install.packages("data.table",repos = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")
# 自定义函数
## 快速读入数据
readFlie=function(input,type,row=T,header=T){
# input 为读入文件的路径，type为读入文件的类型，格式为‘.txt’或‘.csv’,row=T,将文件的第一列设置为列名
library(data.table,quietly = TRUE)
if(type=='txt'){
dat = fread(input,header = header,sep='\t',stringsAsFactors = F,check.names = F)
if(row){
dat = as.data.frame(dat,stringsAsFactors = F)
rownames(dat) = dat[,1]
dat = dat[,-1]
}else{
dat = as.data.frame(dat,stringsAsFactors = F)
}
}else{
dat = fread(input,header = header,sep=',',stringsAsFactors = F,check.names = F)
if(row){
dat = as.data.frame(dat,stringsAsFactors = F)
rownames(dat) = dat[,1]
dat = dat[,-1]
}else{
dat = as.data.frame(dat,stringsAsFactors = F)
}
}
return(dat)
}
# 保存图片
savePlots=function(path,plot,type=c('pdf','png','tiff')[1],width=10,height=8,dpi=300){
# path表示保存图片路径,需要加上相应的文件扩展名称
library(ggplot2)
if(type=='pdf'){
ggsave(filename = path,plot = plot,width = width,height = height,device = 'pdf')
}else if(type=='png'){
ggsave(filename = path,plot = plot,width = width,height = height,device = 'png',dpi = dpi)
}else{
ggsave(filename = path,plot = plot,width = width,height = height,device = 'tiff',dpi = dpi)
}
}
实战演练
扫描关注微信公众号，后台回复火山图，获取源代码和测试数据
# 读入数据
df = readFlie('./DEGs_result.txt',type = 'txt')
# 绘图
fg=wn_volcano(Symbol = rownames(df),logFC=df$logFC,Pvalue=df$FDR)
# 展示图片
fg
# 保存图片
savePlots(path = './fg.pdf',plot = fg,type = 'pdf',width = 10,height = 8)
savePlots(path = './fg.png',plot = fg,type = 'png',width = 10,height = 8,dpi = 300)
savePlots(path = './fg.tiff',plot = fg,type = 'tiff',width = 10,height = 8,dpi = 600)
高级绘图
图2
在图1B中，小编给大家提了一下能在火山图中展示自己感兴趣的基因，说到这里，小伙伴们一定猜到了，小编肯定把这个函数写好了。小伙伴们只需要给函数传入特定的基因名称，火山图中就可以展示这个基因，绘制出来的图形如图2A和图2B所示：图2A是函数默认展示的是差异倍数最大的前二十个基因，包括十个上调基因和十个下调基因；图2B是小编想展示P值最小前十个基因。阅读原文，获取高级火山图绘制源代码。
网友评论