作者：白介素2
相关阅读：
R语言ggplot2绘制箱线图R语言生存分析04-Cox比例风险模型诊断
R语言生存分析03-Cox比例风险模型
R语言生存分析-02-ggforest
R语言生存分析-01
ggpubr-专为学术绘图而生（二）
ggstatsplot-专为学术绘图而生(一)
生存曲线
R语言GEO数据挖掘01-数据下载及提取表达矩阵
R语言GEO数据挖掘02-解决GEO数据中的多个探针对应一个基因
R语言GEO数据挖掘03-limma分析差异基因
R语言GEO数据挖掘04-功能富集分析
如果没有时间精力学习代码，推荐了解：零代码数据挖掘课程
广而告之
说一个事，鉴于平台在信息传播方面有不足之处，应粉丝要求，白介素2的个人微信平台已经开启，继续聊临床与科研的故事，R语言，数据挖掘，文献阅读等内容。当然也不要期望过高，微信平台目前的定位是作为自己的读书笔记，如果对大家有帮助最好。如果感兴趣， 可以扫码关注下。
image
载入数据
Sys.setlocale('LC_ALL','C')
load(file = "F:/Bioinfor_project/Breast/AS_research/AS/result/hubgene.Rdata")
head(data)
require(cowplot)
require(tidyverse)
require(ggplot2)
require(ggsci)
require(ggpubr)
mydata<-data %>%
## 基因表达数据gather,gather的范围应调整
gather(key="gene",value="Expression",CCL14:TUBB3) %>%
##
dplyr::select(ID,gene,Expression,everything())
head(mydata) ## 每个基因作为一个变量的宽数据
创建带有pvalue的箱线图
- 参考资料
- 展示绘图细节控制
p <- ggboxplot(mydata, x = "group", y = "Expression",
color = "group", palette = "jama",
add = "jitter")
# Add p-value
p + stat_compare_means()
image.png
改变统计方法
# Change method
p + stat_compare_means(method = "t.test")
image.png
统计学意义标注
- label="p.signif"
- p.format等
- label.x标注位置
p + stat_compare_means( label = "p.signif")
image.png
多组比较
- 给出global pvalue
# Default method = "kruskal.test" for multiple groups
ggboxplot(mydata, x = "gene", y = "Expression",
color = "gene",add="jitter", palette = "jama")+
stat_compare_means()
# Change method to anova
ggboxplot(mydata, x = "gene", y = "Expression",
color = "gene", add="jitter", palette = "jama")+
stat_compare_means(method = "anova")
image.png
image.png
指定比较
- 配对比较:会完成各个变量的比较，默认wilcox.test法，可修改
- my_comparisions:可以指定自己想要进行的比较
- 指定参考组，进行比较
require(ggpubr)
compare_means(Expression ~ gene, data = mydata)
## 指定自己想要的比较
# Visualize: Specify the comparisons you want
my_comparisons <- list( c("CCL14", "HBA1"), c("HBA1", "CCL16"), c("CCL16", "TUBB3") )
ggboxplot(mydata, x = "gene", y = "Expression",
color = "group",add = "jitter", palette = "jama")+
stat_compare_means(comparisons = my_comparisons)#+ # Add pairwise comparisons p-value
#stat_compare_means() # Add global p-value
image.png
指定参考组
指定CCL14作为参考组与其它各组比较
ref.group
compare_means(Expression ~ gene, data = mydata, ref.group = "CCL14",
method = "t.test")
# Visualize
mydata %>%
filter(group=="TNBC") %>% # 筛选TNBC数据
ggboxplot( x = "gene", y = "Expression",
color = "gene",add = "jitter", palette = "nejm")+
stat_compare_means(method = "anova")+ # Add global p-value
stat_compare_means(label = "p.signif", method = "t.test",
ref.group = "CCL14")
image.png
多基因分面
按另外一个变量分组比较
## 比较各个基因在TNBC与Normal表达
compare_means( Expression ~ group, data = mydata,
group.by = "gene")
# Box plot facetted by "gene"
p <- ggboxplot(mydata, x = "group", y = "Expression",
color = "group", palette = "jco",
add = "jitter",
facet.by = "gene", short.panel.labs = FALSE)
# Use only p.format as label. Remove method name.
p + stat_compare_means(label = "p.format")
image.png
将pvalue换成星号
- hide.ns = TRUE.参数可隐藏ns
p + stat_compare_means(label = "p.signif", label.x = 1.5)
image.png
将各个图绘制在一张图中
p <- ggboxplot(mydata, x = "gene", y = "Expression",
color = "group", palette = "nejm",
add = "jitter")
p + stat_compare_means(aes(group = group))
image.png
修改下pvalue展示的方式
# Show only p-value
p + stat_compare_means(aes(group = group), label = "p.format")
image.png
用星号表示pvalue
# Use significance symbol as label
p + stat_compare_means(aes(group = group), label = "p.signif")
image.png
配对样本比较
要求x,y具有相同的样本数，进行一一配对比较
head(ToothGrowth)
compare_means(len ~ supp, data = ToothGrowth,
group.by = "dose", paired = TRUE)
# Box plot facetted by "dose"
p <- ggpaired(ToothGrowth, x = "supp", y = "len",
color = "supp", palette = "jama",
line.color = "gray", line.size = 0.4,
facet.by = "dose", short.panel.labs = FALSE)
# Use only p.format as label. Remove method name.
p + stat_compare_means(label = "p.format", paired = TRUE)
image.png
封装为函数命名为group_box
- 功能：已经选定的基因绘制箱线图
-
- 参数1：group分组变量，可以是自己所有感兴趣的变量
- 参数2：mydata为整理好的清洁数据,gene为长数据(gather版本)
head(mydata)
group_box<-function(group=group,data=mydata){
p <- ggboxplot(mydata, x = "gene", y = "Expression",
color = group,
palette = "nejm",
add = "jitter")
p + stat_compare_means(aes(group = group))
}
##
group_box(group="PAM50",data = mydata)
封装为函数命名为group_box
- 功能：已经选定的基因绘制箱线图
-
- 参数1：group分组变量，可以是自己所有感兴趣的变量
- 参数2：mydata为整理好的清洁数据,gene为长数据(gather版本)
head(mydata)
group_box<-function(group=group,data=mydata){
p <- ggboxplot(mydata, x = "gene", y = "Expression",
color = group,
palette = "nejm",
add = "jitter")
p + stat_compare_means(aes(group = group))
}
##
group_box(group="PAM50",data = mydata)
image.png
封装函数gene_box
- 目的功能：对感兴趣的基因绘制和分组绘制boxplot
- 注意这时使用的应该是基因的宽数据，因为涉及到单个基因作为变量
head(data)
usedata<-data
## 封装函数
gene_box<-function(gene="CCL14",group="group",data=usedata){
p <- ggboxplot(data, x = group, y = gene,
ylab = sprintf("Expression of %s",gene),
xlab = group,
color = group,
palette = "nejm",
add = "jitter")
p + stat_compare_means(aes(group = group))
}
gene_box(gene="CCL14")
image.png
牛刀小试
gene_box(gene="CCL16",group="PAM50")
image.png
批量绘制
- 目的功能：绘制任意基因，任意分组，批量绘制一气呵成了
- 封装函数+lapply批量绘制无敌
- 在lapply中的函数参数设置，不在原函数中，而是直接放置在lapply中
- do.call中参数1为函数，+c()包含原函数的参数设置，同样参数设置不在原函数中
require(gridExtra)
head(data)
## 需要批量绘制的基因名
name<-colnames(data)[3:6]
## 批量绘图
p<-lapply(name,gene_box,group = "T_stage")
## 组图
do.call(grid.arrange,c(p,ncol=2))
image.png
本期的内容就到这里，我是老朋友白介素2，下期再见。