今天在一個(gè)微信群里看見(jiàn)有人問(wèn)下面兩幅圖用R語(yǔ)言如何實(shí)現(xiàn)
第一幅就是散點(diǎn)圖
兩列數(shù)據(jù)x,y用來(lái)控制散點(diǎn)的位置运敢，一列變量用來(lái)映射顏色耻陕，F(xiàn)requency用來(lái)映射大小。這個(gè)實(shí)現(xiàn)起來(lái)相對(duì)比較容易袁串。還有一列用來(lái)添加文字標(biāo)簽
下面我們構(gòu)造一份數(shù)據(jù)集用來(lái)畫圖
df<-data.frame(pvalue=sample(seq(0,1,by=0.001),20,replace=F),
Effect_size=sample(seq(-2,2,by=0.05),20,replace = F),
frequency=sample(seq(0,1,by=0.01),20,replace=F),
color=sample(c("A","B"),20,replace = T),
text=LETTERS[1:20])
df
library(ggplot2)
library(ggrepel)
ggplot(df,aes(x=Effect_size,y=pvalue,size=frequency))+
geom_point(aes(color=color),alpha=0.5)+
theme_bw()+
scale_size_continuous(range = c(5,10))+
geom_text_repel(aes(label=text),size=5)
第二幅圖如何實(shí)現(xiàn)我自己還真沒(méi)有思路概而。
印象里好像是看見(jiàn)過(guò)有公眾號(hào)推文介紹這個(gè)圖呼巷。我翻了翻之前轉(zhuǎn)發(fā)過(guò)的朋友圈還真找到了。有一個(gè)專門的包
trackViewer
這個(gè)包對(duì)應(yīng)的論文是
trackViewer: a Bioconductor package for interactive and integrative visualization of multi-omics data. Nature Methods
https://www.nature.com/articles/s41592-019-0430-y
github主頁(yè)
https://github.com/jianhong/trackViewer
一份很詳細(xì)的幫助文檔
https://bioconductor.org/packages/release/bioc/vignettes/trackViewer/inst/doc/trackViewer.html
文檔中實(shí)現(xiàn)的圖片有
等等赎瑰。
今天就不重復(fù)文檔中的每個(gè)例子了王悍。知道有這個(gè)包可以實(shí)現(xiàn)這個(gè)功能就可以了。重復(fù)一個(gè)最基本的例子
library(trackViewer)
SNP <- c(10, 12, 1400, 1402)
sample.gr <- GRanges("chr1", IRanges(SNP, width=1, names=paste0("snp", SNP)))
features <- GRanges("chr1", IRanges(c(1, 501, 1001),
width=c(120, 400, 405),
names=paste0("block", 1:3)))
features$fill <- c("#FF8833", "#51C6E6", "#DFA32D")
sample.gr$color <- sample.int(6, length(SNP), replace=TRUE)
sample.gr$border <- sample(c("gray80", "gray30"), length(SNP), replace=TRUE)
lolliplot(sample.gr, features)
更多的內(nèi)容大家可以去看上面提到的幫助文檔的鏈接餐曼。
歡迎大家關(guān)注我的公眾號(hào)
小明的數(shù)據(jù)分析筆記本
