跟着Nature学作图 | 质控箱线图
不知道为啥，的图怎么老挂。原文链接：
https://mp.weixin.qq.com/s/4Js4BczzLTCesb45fndePA
[图片上传失败...(image-46c341-1648868201774)]
今天我们复现2019年发表在Nature上的一篇大队列蛋白质组学文章的质控箱线图。
之前复现过这篇文章的跟着Nature学作图 | 配对哑铃图+分组拟合曲线+分类变量热图。
https://doi.org/10.1038/s41586-019-0987-8
[图片上传失败...(image-a8fe61-1648868201774)]
22
绘制
数据导入和前处理
- 首先读入
表达数据和分组信息。我们来看一下示例数据expr.csv和分组数据group_info.csv，原图中所用的199样本大队列数据并未上传，所以为了更好的展现原图，我们随机生成了一个200×3000的矩阵，分为100个Tumor样本和100个Non-tumor样本。
rm(list=ls())
library(reshape2)
library(ggplot2)
library(ggthemes)
library(tidyverse)
expr=read.csv('expr.csv',header = T,row.names = 1)
group=read.csv('group_info.csv',row.names = 1)
expr[1:5,1:5]
head(group)
> expr[1:5,1:5]
sample1 sample2 sample3 sample4 sample5
gene1 8.378825 -22.199415 -16.555816 1.042922 18.8279121
gene2 -10.346784 4.387591 -30.798155 -4.963613 1.1473519
gene3 2.908227 -20.540046 -6.984180 -18.337017 4.0838849
gene4 14.400445 9.623350 6.347201 -11.260501 -0.5455663
gene5 -17.097328 -13.901526 -3.504405 -14.100844 -7.4631530
> head(group)
group
sample1 Non-tumor
sample2 Non-tumor
sample3 Non-tumor
sample4 Non-tumor
sample5 Non-tumor
sample6 Non-tumor
- 对数据进行前处理，整合成适合
ggplot2做图的格式。
ana_pro=as.data.frame(t(expr))
ana_pro$group=factor(group$group[match(colnames(expr),rownames(group))])
ana_pro$Sample=rownames(ana_pro)
data_or=melt(ana_pro,na.rm = TRUE,id.vars=c('Sample','group'))
colnames(data_or)=c("Samples",'group','protein', "Intensity")
head(data_or)
> head(data_or)
Samples group protein Intensity
1 sample1 Non-tumor gene1 8.378825
2 sample2 Non-tumor gene1 -22.199415
3 sample3 Non-tumor gene1 -16.555816
4 sample4 Non-tumor gene1 1.042922
5 sample5 Non-tumor gene1 18.827912
6 sample6 Non-tumor gene1 -16.269083
Boxplot绘制
在绘制时会涉及到样本排列顺序问题，为了使样本按照我们想要的顺序排列，我们先将样本名称变为
factor并且按照我们想要排列的顺序赋予其levels。绘制的基本思路是先用
geom_boxplot绘制一层虚线的箱线图，再用stat_boxplot叠加一层实线部分
data_or$Samples=factor(data_or$Samples,levels = colnames(expr))#设置样本名的level方便绘图时的x方向排序
gg=ggplot(data_or, aes(x=Samples, y=Intensity,na.rm = TRUE)) +
geom_boxplot(aes(colour = group ),
alpha=0.7,
outlier.shape =NA,#离群点形状
na.rm=TRUE,
linetype="dashed")#绘制一层虚线箱线图
gg=gg+stat_boxplot(aes(colour = group,ymin=..lower..,ymax=..upper..)
,alpha=0.7,
outlier.shape =20,
outlier.size=1 ,
na.rm=TRUE )#绘制实线箱部分
gg
[图片上传失败...(image-742875-1648868201774)]
- 这里我们注意到文章中的箱线图中值是用点表示的而不是我们平时用的一条线，这里实现的思路是我们在叠加一层
geom_point，这就需要我们先求出每个样本中的中值并把中值整合到我们的data_or数据中，然后用中值来做散点图。
median=data_or %>%
group_by(Samples) %>%
summarise(median = median(Intensity))#以样本为分组来求取每组的中值
head(median)
> head(median)
# A tibble: 6 x 2
Samples median
1 sample1 0.135
2 sample2 -0.0777
3 sample3 -0.185
4 sample4 0.124
5 sample5 -0.145
6 sample6 0.0306
data_or$median=median$median[match(data_or$Samples,median$Samples)]#把median数据整合到我们的做图数据中
data_or$median[duplicated(data_or$median)] = NA#因为每个样本只有一个中值，所以我们只需要其中一行有中值就可以做图，这步也可不进行，但这会导致计算量剧增直接影响做图速度。
head(data_or)
> head(data_or)
Samples group protein Intensity median
1 sample1 Non-tumor gene1 8.378825 0.13466227
2 sample2 Non-tumor gene1 -22.199415 -0.07770141
3 sample3 Non-tumor gene1 -16.555816 -0.18480223
4 sample4 Non-tumor gene1 1.042922 0.12353697
5 sample5 Non-tumor gene1 18.827912 -0.14517801
6 sample6 Non-tumor gene1 -16.269083 0.03064926
gg=gg+geom_point(mapping=aes(y=median,colour=group),
size=1.5)#增加散点
gg
[图片上传失败...(image-5f0e07-1648868201774)]
- 我们可以看到图像已经具有了整体框架，后面我们只需要对背景坐标轴等进行微调就可以了。
dgg=gg+theme(legend.background = element_blank(),
legend.key = element_blank(),
panel.background = element_blank(),
panel.border = element_blank(),
strip.background = element_blank(),
plot.background = element_blank(),
axis.line = element_blank(),
axis.text.x=element_blank(),
axis.ticks.x = element_blank(),
panel.grid = element_blank(),
legend.title = element_blank())#把多余的元素先去除，使背景变得干净一些
gg=gg+theme(
axis.title.x = element_text(size = 15),#调整x轴标签
axis.line.y.left = element_line(colour = "black"),#调整y轴
axis.ticks.y=element_line(colour = "black"),#调整y轴刻度
axis.text.y=element_text(size = 12),#调整字体
axis.ticks.length.y.left = unit(0.4,'cm'),#调整y轴刻度长度
axis.title.y = element_text(size = 15),
legend.position =c(0.15,0),
legend.justification = 'top',#调整图例位置
legend.direction = 'horizontal')#调整图例方向
gg=gg+scale_colour_manual(values =c('Tumor'='#AB201D',
'Non-tumor'= '#5CB85C' ) )+
scale_fill_manual(values =c('Tumor'='#AB201D',
'Non-tumor'= '#5CB85C' ) )+#更改一下填充色
scale_y_continuous(breaks=seq( -35,35,10),
expand = c(0,0,0,0))+
coord_cartesian( ylim = c(-35,35))+#更改y轴范围和间距
scale_x_discrete(expand = c(0.05,0,0,0))+#扩展x轴范围使得y轴与图像隔开一定距离
ylab(bquote(Log[2] ~ 'Intensity'))#修改y轴标签
ggsave('boxplot.pdf',width = 12,height = 3,device = 'pdf')#导出一下矢量图
[图片上传失败...(image-ad51d5-1648868201774)]
往期内容
- 跟着Nature学作图 | 配对哑铃图+分组拟合曲线+分类变量热图
- (免费教程+代码领取)|跟着Cell学作图系列合集
- 跟着Nat Commun学作图 | 1.批量箱线图+散点+差异分析
- 跟着Nat Commun学作图 | 2.时间线图
- 跟着Nat Commun学作图 | 3.物种丰度堆积柱状图
- 跟着Nat Commun学作图 | 4.配对箱线图+差异分析
- 跟着 Nat Med. 学作图 | GSVA+limma差异通路分析+发散条形图