差异基因展示方式除了热图、火山图，还有传说中的“瀑布图”（不确定是不是叫瀑布图，我感觉更像S型图），近两天我在浏览的时候发现了一篇好文，来自作者ZZZZZZ_XX的一篇：测序结果概览：基因表达量rank瀑布图，高密度表达相关性散点图，注释特定基因及errorbar的表达相关性散点图绘制，觉得里面有一张图很有意思，于是就想试试。所以就随便找了一个差异基因列表操练起来：
NOTE:这里的代码和原作者并不完全一样，我在下图中的注释里也注明了哪里做了改动，所以图的效果和原作者的效果也会有所差别。这个都是取决于个人喜好了~
#调用R包
> library('ggplot2')
> library('DESeq2')
> library('ggrepel')
> library('dplyr')
> library('IDPmisc')
#读取原始数据（这里的数据是别人已经用DESeq2分析好了的，而且不是全部基因的数据，只有差异显著的基因，大概是6千多个基因，并且有log2foldchange、p value、q value值了）
#如果是自己的数据的话，不提取显著差异的也行
> P_vs_Q <- read.csv("P_Q.csv",sep = ",")
#按照log2foldchange排列，升序排列dataframe
> P_vs_Q <- P_vs_Q[order(P_vs_Q$log2_fold_change,decreasing = F),]
#把log2 fold change的值分类，大于0的是up，小于0的是down
> up_or_down <- sapply(P_vs_Q$log2_fold_change,function(x){if(x>0) 'up' else 'down'})
#在原来的dataframe里加一列，列名是trend；然后再加一列，列名是rank，把矩阵里的基因按照log2 fold change的排列分别加上编号“1,2,3......”；最后再加一列，列名是hits，这一列先都赋值为“medium”
> P_vs_Q <- data.frame(P_vs_Q,'trend'=up_or_down,'rank'=1:nrow(P_vs_Q),'hits'='medium',stringsAsFactors = F)
#把前5行对应的hits那一列的值改为bottom5
> P_vs_Q[1:5,'hits'] <- 'bottom5'
#把最后5行对应的hits那一列的值改为top5
> P_vs_Q[(nrow(P_vs_Q)-4):nrow(P_vs_Q),'hits'] <- 'top5'
#把q value取-log10的值，并且把得出的结果加在矩阵里，形成新的一列padj
> P_vs_Q$padj <- -log10(P_vs_Q$q_value)
> set.seed(12)
#把前5行和最后5行提取出来，单独弄成一个小的dataframe
> need_label <- P_vs_Q[c(1:5,(nrow(P_vs_Q)-4):nrow(P_vs_Q)),]
#画图
> ggplot(P_vs_Q,aes(x=rank,y=log2_fold_change,color=hits))+
geom_point(aes(size=padj),size=2)+ #这里的size是控制图里的所有点的大小
geom_hline(yintercept=c(2,-2),linetype=2,size=0.25)+
geom_hline(yintercept = c(0),linetype=1,size=0.5)+
geom_vline(xintercept = sum(P_vs_Q$trend == 'down')+0.5,linetype=2,size=0.25)+
ggrepel::geom_text_repel(inherit.aes = F,data = need_label,aes(x=rank,y=log2_fold_change,label=gene_id,color=hits),size=3.5,direction='y',xlim=c(500,6000))+ #这里size是注释的字体大小，direction是根据x/y轴来调整注释的位置，参数有x,y,both三种可选。这里选y，所有的注释就会按照y轴的方向从上到下排列
scale_color_manual(values = c('bottom5'='blue','top5'='red','medium'= 'grey'))+ #把两头的5个基因用颜色不一样的点表示出来
scale_size_continuous(name='-log10(FDR)')+
scale_y_continuous(breaks = c(-5,-2,0,2,5,10))+ #y轴坐标的cut值
xlab('rank of differentially expressed genes')+
theme_bw()+
theme(panel.grid = element_line(color='white'),legend.title.align = 0.5)
这里我的代码和参考文章里的不太一样，那篇文章里的代码把图里的点按照padj的大小设置成不同的大小，而这里我没有设置这一项，而是规定了所有的点都是一样的大小（原代码画出的点太粗了）。另外我把参考文章里的位于中间的点的颜色改成了灰色，原来它是黑色，我感觉看起来不明显，所以改为灰色，让它们和红色、蓝色区分的更大一些
本篇笔记开头提到的那篇文章里还有几个其他图，都很漂亮，感兴趣的同学可以去练习一下看看~