Graphpad,经典绘图工具初学初探

大多数科研文章都离不开图表,尤其是图,熟悉一些绘图软件,并将图在文章和PPT中展示出来,是科研训练的重要内容。漂亮的文章配图能给自己的工作加不少分,生信宝典推出R的系列教程ggplot2高效实用指南 (可视化脚本、工具、套路、配色)讲解通过R语言绘制高颜值图。后来为了更加方便使用,生信宝典团队开发了在线绘图工具www.ehbio.com/ImageGP,支持14中常见图形和部分扩增子分析,深受欢迎,日均访问400次,累计访问数十万次,遍及世界各大洲,功能也在一直增加完善中。

后台不少朋友说有更多绘图的需求,故整理了Graphpad的使用,一是传播知识,二是向优秀软件学习,让在线绘图越来越好。 Graphpad , Origin和SigmaPlot是科研领常用的三款统计作图软件,他们各有优缺点,经常需要配合使用。

今天给大家介绍的是Graphpad的基本使用方法

了解Graphpad的图表类型

下面是Graphpad的欢迎界面

方框1处可知Graphpad Prism 6为用户提供了6种基本统计图表选择;方框2处是对所选类型图表的解释说明,点击Learn more查看官方帮助文档;方框3处可以选择某一类型图表下的小分类;方框4处则提供了演示数据集,方便新手入门。

6种统计图表类型的说明和使用的统计方法介绍如下:

  1. XY: 介绍: 即用XY坐标系确定一个点的位置。当数据有多个重复时,可以计算平均值和标准差等,绘图时可以插上误差线。 统计方法: 线性回归、非线性回归、相关分析。
  2. column:柱状图 介绍: 分组指标只有一个,比如治疗组与对照组。 统计方法: 单样本t检验、配对t检验、成组t检验、单样本秩和检验、两组独立样本秩和检验、多组独立样本秩和检验、单因素方差分析。
  3. grouped:二维分组柱状图 介绍: 分组指标有多个,比如统计治疗组与对照组在男性和女性患者的不同情况。 统计方法: 两因素方差分析、重复测量的两样本方差分析。
  4. contingency:列联表 介绍: 看起来和grouped组合图很像,区别在于没有误差线,那是因为没有重复测量值,一个柱子就是一个值。 统计方法: 卡方检验、Fisher精确检验。
  5. survival:生存曲线图 统计方法: 单因素生存曲线比较。
  6. parts of whole:部分占总体的比例,常用饼图表示。

分组柱状图作图演示

在此选择grouped下提供的第二个现成数据集进行作图演示。选好后直接点击creat即可。

操作主界面

上一步之后我们便进入了graphpad操作的主界面,

方框1处展示的是我们的数据,每个大组表示三种不同的细胞系(wild-type cells、GPP5 cell line和GPP7 cell line);每行表示不同的处理(血清饥饿和正常培养);每组5个平行重复。

该实验数据存在缺失值,如第一行的A:Y4。

方框2处是一个目录树

  1. Data Tables:点击后展示分析的数据集;
  2. Info:点击此处显示数据的基本信息,并可以新增一些备注描述;
  3. Results:生物统计分析结果展示(接下来会讲到);
  4. Graphs:当录入数据之后,点击该图标可初步生成一个统计图,之后根据统计分析结果稍加修改即可;
  5. Layouts:对多个图表进行排版。

选择作图类型

导入数据后,点击Graphs即可出图,如下:

在这个界面中,可以根据自己的需求改变图的类型。初学者要敢于乱点,自己试试不同的选项,就能知道每部分是什么功能了。(尝试出真知

  1. Graph family:改变图表类型,就是最开始提到的6种;
  2. plot individual values和plot summary data:顾名思义,前者把每组实验5个平行的值都展示到了图中,后者展示的是平均值。选择合适的分组作图方式;
  3. Interleaved bars:误差棒,点击Plot下拉框,按照不同的统计分析给图加上误差棒,一般选择Mean with SD

统计分析

上面初步作出的统计图并没有展示诸如组间差异的统计分析结果,那我们要怎么添加*以展示组间差异呢?

在欢迎界面有enter and plot error values already calculated elsewhere选项,说明可以从外部导入在别处做好的统计分析结果,那是要去其他地方做好计算再来作图吗?

不需要!因为Graphpad上便可直接做统计分析!!!虽然可以在别的地方先做好分析,但是并不建议这样做,直接一个操作更便捷。

首先确定我们的分析目标:

1)评估细胞系之间的差异是否超过预期; 2)评估处理之间的差异是否超过预期的偶然性; 3)评估处理之间的差异是否与每种细胞系一致; 4)计算不同处理的细胞系之间差异的95%置信区间。

因此我们需要进行两因素的方差分析,点击Analyze,从Grouped分析列表中选择Two-way ANOVA,并接受对话框中的所有默认选项。Graphpad人性化之处在于,会自动识别当前分析的数据结构,给用户展示出最优的默认分析选项。

之后的具体分析便需要一定的统计学知识了,初生牛犊别怕试,你会发现点击不同的选项时,图示也会跟着变化,十分方便用户理解。

1)第一部分:实验设计,最开始提到了该组数据是非配对的,选择第一个; 2)第二部分:多重比较选择,就是你想要横着比还是竖着比或是斜着比; 3)第三部分:选择做统计分析的一些参数。

上面都设置好后,点击OK,分析结果会展示到操作主界面,并且保存到左侧目录树下的Results文件夹中。

完善改进统计图

1. 图形编辑工具栏介绍

1)第一部分:文档操作模块,跟office类似,如打开、新建、保存、复制粘贴等; 2)第二部分:数据分析,即之前演示的对录入数据进行统计分析; 3)第三部分:图形编辑,这部分是该软件的精华所在。可对图形进行例如图形类型、坐标轴、误差棒、图形大小、颜色等编辑更改; 4)第四部分:文字编辑,可以在统计图上插图线条、添加文字等; 5)第五部分:图形输出,可将做好的图导出、打印或输出到word/PPT中。

2. 根据之前的统计分析结果,利用文字编辑工具给统计图添上组间差异的标志

1)draw:可以插入不同形状的线; 2)write:编辑文字,插入公式等; 3)双击图形中的任一元素,可对文字、线条等进行形状、大小、粗细等编辑

3. 坐标轴调整

点击Change中的第二个图标,或者在图中双击坐标轴,调出坐标调整工具;

坐标轴整体设置和X轴设置,见图解,一般不做太多改动;

重点讲解如何设置Y轴,做出截断图,这是统计作图中常见的问题。

之前的数据相差不大,不太适合做演示,故另外生成了一个柱状图。左边柱子值太大,右边柱子值太小,右侧的柱子几乎消失了,使图看起来很不协调。做一个截断图可以很好地解决该问题。

1)点击坐标设置中的Left Y axis(一般作图默认只生成左边的Y轴); 2)Gaps and Direction处选择Two segments,即将Y轴断裂成两部分(根据实际数据,还可以选择将Y轴断裂成3段); 3)在Segment处,对下段(Bottom)和上段(Top)的Y轴分别设置参数(Rang); 4)然后在Regularly spaced ticks下的Major ticks interval处设置Y轴数值标签;

length:50%,上下段的长度各一半; minimum:下段最小值0,上段最小值150; maximum:下段最大值10,上段最大值200; Major ticks:下段每格大小为2,上段每格大小为10。

这样便将Y轴10-150部分截掉了,整个图便显得好看多了。

4. 颜色修改

点击Change中的最后一个图标,或者在图中双击柱子,调出调整参数的工具框;

利用graphpad做统计图的基本操作大概就是以上这些内容,掌握一个工具的使用方法并不难,多试试便会了。难的是背后的统计学知识,如何对自己的数据选择合适的统计分析方法?当掌握不同分析方法适用于哪些数据结构后,便可以举一反三,对不同实验设计的数据做合适的分析了。

原文发布于微信公众号 - 生信宝典(Bio_data)

原文发表时间:2018-10-22

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI研习社

Tensorflow 入门与安装 | Tensorflow 最全资料汇总【2】

【AI研习社】关注AI前沿、开发技巧及技术教程等方面的内容。欢迎技术开发类文章、视频教程等内容投稿,邮件发送至:zhangxian@leiphone.com 自...

3726
来自专栏AI科技评论

开发 | 用PyTorch还是TensorFlow?斯坦福大学CS博士生带来全面解答

AI 科技评论按:关于深度学习的框架之争一直没有停止过。PyTorch,TensorFlow,Caffe还是Keras ?近日, 斯坦福大学计算机科学博士生Aw...

4226
来自专栏人工智能头条

DMLC深盟分布式深度机器学习开源平台解析

1976
来自专栏PPV课数据科学社区

学习R语言,一篇文章让你从懵圈到入门

在实际工作中,每个数据科学项目各不相同,但基本都遵循一定的通用流程。具体如下: 数据科学工作流程 数据导入 数据整理 反复理解数据 数据可视化 数据转换 ...

3944
来自专栏大数据文摘

手把手 | 如何在你的iPhone上建立第一个机器学习模型(Apple最新CoreML框架入门)

3575
来自专栏CVer

小米开源自研移动端深度学习框架MACE

Mobile AI Compute Engine (MACE) 是一个专为移动端异构计算平台优化的神经网络计算框架。MACE 支持 TensorFlow 和 C...

1874
来自专栏冰霜之地

Threes-AI 玩小三传奇 (上)

1 个月前和另外二位小伙伴一起参加了一个 AI 的比赛。虽然比赛结果不理想,至少我享受到了编程过程中的乐趣。从这次比赛中让我认识到 Go 除了写服务端,写游戏模...

1542
来自专栏机器之心

教程 | 从硬件配置、软件安装到基准测试,1700美元深度学习机器构建指南

选自Medium 作者:Slav 机器之心编译 参与:Quantum Cheese、Lj Linjing、蒋思源 在用了十年的 MacBook Airs 和云...

3075
来自专栏华章科技

学习R语言,一篇文章让你从懵圈到入门

PivotalR:用于读取Pivitol(Greenplum)和HAWQ数据库中的数据

2043
来自专栏机器人网

PID控制原理:看完这个故事你就明白了

小明接到这样一个任务:有一个水缸漏水,且漏水的速度是不定的,但要求水面高度维持在某个位置,一旦发现水面高度低于要求位置,就要往水缸里加水。 ? 开始小明用瓢加水...

3445

扫码关注云+社区

领取腾讯云代金券