[跟著NC學(xué)作圖]--散點圖

本期內(nèi)容為[跟著NC學(xué)作圖]--散點圖

文章題目:



感興趣的可以自己去看!



代碼部分:
  1. 導(dǎo)入數(shù)據(jù),文章中的代碼是比較復(fù)雜的,那么我自己就使用畫圖前的數(shù)據(jù)。
> nb_Omicron_Delta
sample  nb_Delta  nb_Omicron  ratio_Delta  ratio_Omicron  ID  proto  ext  Delta  Coinf
22PlCoInf-MIDV2xEMAGx0x100_S373  0  47  0  1  22PlCoInf-MIDV2xEMAGx0x100  MIDNIGHT V2  EMAG  0  FALSE
22PlCoInf-MIDV2xEMAGx100x0_S384  25  0  1  0  22PlCoInf-MIDV2xEMAGx100x0  MIDNIGHT V2  EMAG  100  FALSE
22PlCoInf-MIDV2xEMAGx10x90_S374  24  47  0.96  1  22PlCoInf-MIDV2xEMAGx10x90  MIDNIGHT V2  EMAG  10  TRUE
22PlCoInf-MIDV2xEMAGx20x80_S375  25  46  1  0.978723404  22PlCoInf-MIDV2xEMAGx20x80  MIDNIGHT V2  EMAG  20  TRUE
22PlCoInf-MIDV2xEMAGx30x70_S376  25  44  1  0.936170213  22PlCoInf-MIDV2xEMAGx30x70  MIDNIGHT V2  EMAG  30  TRUE
22PlCoInf-MIDV2xEMAGx40x60_S377  25  44  1  0.936170213  22PlCoInf-MIDV2xEMAGx40x60  MIDNIGHT V2  EMAG  40  TRUE
sample  nb_Delta  nb_Omicron  ratio_Delta  ratio_Omicron  ID  proto  ext  Delta  Coinf  median_Delta  IQR_Delta  median_Omicron  IQR_Omicron
22PlCoInf-MIDV2xEMAGx0x100_S373  0  47  0  1  22PlCoInf-MIDV2xEMAGx0x100  MIDNIGHT V2  EMAG  0  FALSE  0  0  99  1.5
22PlCoInf-MIDV2xEMAGx100x0_S384  25  0  1  0  22PlCoInf-MIDV2xEMAGx100x0  MIDNIGHT V2  EMAG  100  FALSE  99  0  0  0
22PlCoInf-MIDV2xEMAGx10x90_S374  24  47  0.96  1  22PlCoInf-MIDV2xEMAGx10x90  MIDNIGHT V2  EMAG  10  TRUE  33  11.5  64  10
22PlCoInf-MIDV2xEMAGx20x80_S375  25  46  1  0.978723404  22PlCoInf-MIDV2xEMAGx20x80  MIDNIGHT V2  EMAG  20  TRUE  53  12  43.5  18
22PlCoInf-MIDV2xEMAGx30x70_S376  25  44  1  0.936170213  22PlCoInf-MIDV2xEMAGx30x70  MIDNIGHT V2  EMAG  30  TRUE  67  13  29.5  13.25
22PlCoInf-MIDV2xEMAGx40x60_S377  25  44  1  0.936170213  22PlCoInf-MIDV2xEMAGx40x60  MIDNIGHT V2  EMAG  40  TRUE  70  10  26  10.5
22PlCoInf-MIDV2xEMAGx50x50_S378  25  46  1  0.978723404  22PlCoInf-MIDV2xEMAGx50x50  MIDNIGHT V2  EMAG  50  TRUE  78  5  18.5  8.75
  1. Plot A
nb_Omicron_Delta$Delta = as.numeric(nb_Omicron_Delta$Delta)
p1 <- ggplot(data=nb_Omicron_Delta, aes(x=ratio_Omicron, y=ratio_Delta ,colour=Delta)) 

p1 <-  p1 +
    geom_point(aes(colour=Delta,shape=Coinf),alpha=0.9) +
    facet_grid(.~proto) + 
    ylab("Delta-specific mutations detection rate") + xlab("Omicron-specific mutations detection rate") +
    scale_color_gradient2(low = "steelblue1", mid = "cyan4", high = "tomato",
      breaks=c(0,10,20,30,40,50,60,70,80,90,100), midpoint = 50,
      name = "Delta:Omicron", labels = c("0:100","10:90","20:80", "30:70","40:60","50:50","60:40","70:30", "80:20","90:10","100:0")) +
    scale_shape(name = "Experimental\nCoinfection") +
    geom_vline(xintercept = 0.25,linetype =  "dotted", alpha = 0.5, inherit.aes = FALSE) +
    geom_hline(yintercept = 0.90,linetype =  "dotted", alpha = 0.5, inherit.aes = FALSE) +
    theme_bw() 
  1. Plot B
p2 <- ggplot(data=table_MAF, aes(x=Delta, y=median_Delta)) 

p2 <-  p2 +
    geom_smooth(color="grey", fill="grey", linetype="blank") +
    geom_point(aes(colour=Delta,shape=Coinf)) +
    facet_grid(.~proto) + 
    ylab("Measured Frequency (%)") + xlab("Expected Frequency (%)") +
    geom_abline(intercept = 0, slope = 1,linetype =  "dotted", alpha = 0.5, inherit.aes = FALSE) +
    scale_color_gradient2(low = "steelblue1", mid = "cyan4", high = "tomato",
      breaks=c(0,10,20,30,40,50,60,70,80,90,100), midpoint = 50,
      name = "Delta:Omicron", labels = c("0:100","10:90","20:80", "30:70","40:60","50:50","60:40","70:30", "80:20","90:10","100:0")) +
    scale_shape(name = "Experimental\nCoinfection") +
    theme_bw()
  1. Plot C

plot_AF_fig1C <- function(vcf_file,annot_file, ncol=11) {
  require(data.table)
  library(ggplot2)

  annot=annot_file

  ##########################
  ### annotate vcf
  ##########################
  vcf=vcf_file
  
  vcf$VOC <- sapply(vcf$nt_mut, function(x) ifelse(is.element(x,annot$nt_mut),annot$var[x==annot$nt_mut],NA)) ## For each variant, determine whether it is Delta- or OMICRON-specific

  vcf$proto = sapply(vcf$ID , function(x) strsplit(x,"x")[[1]][1])
  vcf$proto = gsub("MID","MIDNIGHT ",vcf$proto)
  vcf$proto = gsub("V4","ARTIC V4",vcf$proto)
  vcf$proto = gsub("V41","V4.1",vcf$proto)
  vcf$proto = gsub("MIDNIGHT $","MIDNIGHT V1",vcf$proto)
  vcf$proto = factor(vcf$proto,levels=c("MIDNIGHT V1","MIDNIGHT V2","ARTIC V4","ARTIC V4.1"))

  ########## plot AF bars of DELTA-specific and/or OMICRON-specific mutations
  vcfDO = vcf[!is.na(vcf$VOC),]

  # Plot
  p <- ggplot(data=vcfDO, aes(x=nt_pos, y=af, group = sample )) 

  p <- p +
    geom_bar(aes(fill = VOC), stat="identity") + 
    geom_point(data=vcfDO[vcfDO$af>50,], aes(x=nt_pos, y=af, group = sample,color = VOC),size=1,alpha=0.8)+
    facet_wrap(.~proto, ncol=ncol) + 
    ylab("Mutation frequency (%)") + xlab("Nucleotide position") +
    scale_color_manual(values=c("tomato","darkgrey","steelblue1"),name = "Mutations in\nconsensus", labels = c("Delta-specific", "shared", "Omicron-specific")) +
    scale_fill_manual(values=c("tomato","darkgrey","steelblue1"),name = "Mutations", labels = c("Delta-specific", "shared", "Omicron-specific")) +
    geom_hline(yintercept = 50,linetype =  "dotted", alpha = 0.5, inherit.aes = FALSE) +
    theme_bw() + theme( axis.text.x  = element_text(angle=45, size=8,hjust =1, vjust=1)) +
    theme(panel.grid.major = element_blank(), panel.grid.minor = element_blank())

  return(p)
  
}
  1. 合并圖

plot_grid(p1, p2,p3, ncol = 1,labels = c("A","B","C"), align = 'v',axis = "rl",rel_heights=c(1,1,1.1))
ggsave("Fig1.pdf",width = 10 ,height=9 )
ggsave("Fig1.png",width = 10 ,height=9)

往期文章(總匯)
01-[R語言可視化-精美圖形繪制系列]--精美火山圖
02-R語言可視化-精美圖形繪制系列--柱狀圖
03-R語言可視化-精美圖形繪制系列--功能富集分析
04-R語言可視化-精美圖形繪制系列—多組GO富集可視化
05-[R語言可視化-精美圖形繪制系列--堆積圖]
06-[R語言可視化-精美圖形繪制系列--組間相關(guān)性分析]
07-[R語言可視化-精美圖形繪制系列]--Mental分析
08-[R語言可視化-精美圖形繪制系列--復(fù)雜熱圖+兩圖漸變連線]-【轉(zhuǎn)載】
09-[R語言可視化-精美圖形繪制系列--杀钙瑁基圖(Sankey)]
10-[R語言可視化-精美圖形繪制系列--柱狀圖誤差線標記]
11-跟著NC學(xué)作圖 | 柱狀圖與相關(guān)性圖
12-[R語言可視化-精美圖形繪制系列--GO、KEGG富集通路關(guān)聯(lián)圖]
13-[跟著“基迪奧生物學(xué)”作圖]--截斷圖
14-[R語言可視化-精美圖形繪制系列]--顯著性箱線圖
14-2[R語言可視化]--箱線圖不同的畫法及參數(shù)設(shè)置 | 學(xué)習(xí)筆記
15-[R語言可視化-精美圖形繪制系列]--組內(nèi)相關(guān)性分析
16-[R語言可視化-精美圖形繪制系列]--主成分分析(PCA)
017-[跟著NC學(xué)作圖]--箱線圖(一個函數(shù)獲得Mean许昨、SD懂盐、P值)
019-[跟著NC學(xué)作圖]--生存分析(Survival analysis)

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市糕档,隨后出現(xiàn)的幾起案子莉恼,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,681評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件俐银,死亡現(xiàn)場離奇詭異尿背,居然都是意外死亡,警方通過查閱死者的電腦和手機捶惜,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,205評論 3 399
  • 文/潘曉璐 我一進店門田藐,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人吱七,你說我怎么就攤上這事汽久。” “怎么了踊餐?”我有些...
    開封第一講書人閱讀 169,421評論 0 362
  • 文/不壞的土叔 我叫張陵景醇,是天一觀的道長。 經(jīng)常有香客問我市袖,道長啡直,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,114評論 1 300
  • 正文 為了忘掉前任苍碟,我火速辦了婚禮,結(jié)果婚禮上撮执,老公的妹妹穿的比我還像新娘微峰。我一直安慰自己,他們只是感情好抒钱,可當我...
    茶點故事閱讀 69,116評論 6 398
  • 文/花漫 我一把揭開白布蜓肆。 她就那樣靜靜地躺著,像睡著了一般谋币。 火紅的嫁衣襯著肌膚如雪仗扬。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,713評論 1 312
  • 那天蕾额,我揣著相機與錄音早芭,去河邊找鬼。 笑死诅蝶,一個胖子當著我的面吹牛退个,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播调炬,決...
    沈念sama閱讀 41,170評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼语盈,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了缰泡?” 一聲冷哼從身側(cè)響起刀荒,我...
    開封第一講書人閱讀 40,116評論 0 277
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后缠借,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體干毅,經(jīng)...
    沈念sama閱讀 46,651評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,714評論 3 342
  • 正文 我和宋清朗相戀三年烈炭,在試婚紗的時候發(fā)現(xiàn)自己被綠了溶锭。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,865評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡符隙,死狀恐怖趴捅,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情霹疫,我是刑警寧澤拱绑,帶...
    沈念sama閱讀 36,527評論 5 351
  • 正文 年R本政府宣布,位于F島的核電站丽蝎,受9級特大地震影響猎拨,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜屠阻,卻給世界環(huán)境...
    茶點故事閱讀 42,211評論 3 336
  • 文/蒙蒙 一红省、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧国觉,春花似錦吧恃、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,699評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至蝇闭,卻和暖如春呻率,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背呻引。 一陣腳步聲響...
    開封第一講書人閱讀 33,814評論 1 274
  • 我被黑心中介騙來泰國打工礼仗, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人苞七。 一個月前我還...
    沈念sama閱讀 49,299評論 3 379
  • 正文 我出身青樓藐守,卻偏偏與公主長得像,于是被迫代替她去往敵國和親蹂风。 傳聞我的和親對象是個殘疾皇子卢厂,可洞房花燭夜當晚...
    茶點故事閱讀 45,870評論 2 361

推薦閱讀更多精彩內(nèi)容