我还需要和我的猫一起发文章吗？

生信技能树

发布于 2019-09-03 19:09:09

5190

发布于 2019-09-03 19:09:09

前些天在朋友圈偶然发现一个有趣的图片及其GitHub，想邀请作者分享相关可视化知识，被婉拒后，只好发任务给学徒，让他们帮我学习，并且分享出来！下面看（中科院武汉植物园硕士）学徒的表演：

前言

早年一个学术界的段子一直让我印象深刻，有一些作者独立完成了自己的工作，却囿于投稿杂志的陈规，无法只写一个作者，无（愉）奈（快）间（地）加上了自己的猫，或者邀请其他萌萌哒的小助手作为co-authors。而随着时间的发展，根据学科本身的特点，越来越多的学者喜欢独行侠式科研，毕竟，全栈即自由嘛~正所谓一个人就是一个队伍，那么至今生物信息领域中的独行侠有多少呢，让我们看看大神是怎么统计的。

目的很单纯玩法很多样

进入大神的github，从README文件上看，他可能只是对2019年Pubmed上发表的bioinfomatics相关的文章做了一个数据分析并可视化，但点开代码，运行一下，就发现了新世界，小提琴图下的第一行正在奏响独行侠之歌呢！乍一看，生信领域发表文章，一人即可成团的，还真不少！大神先从NCBI收集了一波数据，然后用R语言进行了统计，最后用经典的R包ggplot2包对自己的统计结果做了可视化。

同时，大神还统计了投稿最多的前20个期刊的发表文章速度，这也是广大投稿人群的关注热点之一了。天下武功，为快不过，投稿也是一样，接收速度深深地牵动着毕业学子的小心脏，这位大神太懂了。

这么有意思果断重复之

按照README文件说的从PubMed搜索bioinformatics，选择右侧的"send to File"，再选择"MEDLINE"格式，按照发表日期排序，选择"Create File".

https://www.ncbi.nlm.nih.gov/pubmed/

这个文件有些巨大，电脑有些处理不了，放在服务器上打开看看，可以看到PMID、作者、接收时间、发表时间、杂志名称、文章摘要等等信息，现在要将其中有用的信息提取出来，这里我们需要的是与每一篇文章PMID对应的杂志名、接收时间、发表时间和作者信息，运用shell脚本提取为文本文件并压缩，导入R的时候出现了一点格式问题，发现是回车符号的问题，使用shell三大小助手之一换掉它。

sed -i s'/
//g' pubmed_author.txt        #替换掉文件中所有的回车符号
gzip pubmed_author.txt        #压缩

然后将文件都导入Rstudio，进行统计分析。

library(tidyverse)
a1 <- read_tsv("data/01_extract/pubmed_journal.txt.gz", col_types = cols("pmid" = "c"))
a2 <- read_tsv("data/01_extract/pubmed_author.txt.gz", col_types = cols("pmid" = "c"))
a <- a1 %>%
  count(journal) %>%        #统计杂志个数
  arrange(desc(n)) %>%        #以n为矢量降序排列
  head(20) %>%        #选取前20
  inner_join(a1, by = "journal") %>%        #用journal连a1的其他信息
  inner_join(a2 %>% mutate(author_count = sapply(strsplit(author, "; "), length)), by = "pmid")        #用pmid连a2的其他信息

现在我们就得到了统计的结果——截至2019年8月26号前的所有含有bioinformatics的文章中，接受投稿最多的前20本杂志接受文章的作者数量信息，接下来就是可视化成第一张图的样子。

在进行发表速度的统计中，导入时出现了一个error，4月31日是不被R识别的，确实4月也没有这一天，改它。

Ra2[13700,3]<-as.Date('2009-04-30',format='%Y-%m-%d') #修改单个单元格

实际上用到的就是这两列信息。

ggplot太复杂，ggpubr考虑下？

实不相瞒，大神的的ggplot用得十分之娴熟，小细节都做得非常精致，新手小白可能只能run一下，那么作为发表友好型的R包ggpubr是否可以让我们真正用起来呢？答案是，随缘吧。

我们来尝试一下，首先按照大神的方法做好统计，选择投稿最多的20个杂志，将pmid和作者信息连接上去，再统计出每一篇文章的作者数。接下来加载ggpubr包，设定变量x和y，主标题和副标题，调整小提琴图的宽度，去掉y=1以下的图，去掉图例，将杂志名旋转75°，代码简单了许多，能够画出一个类似的图，但是数据信息还是没能放到图片上显示出来，我们只能看到生物信息领域的独行侠不少，但是无法从图片直接获得详细数据，这里还需要再钻研一下。

if(!require(ggpubr))install.packages('ggpubr')        #安装ggpubr    
library(ggpubr)        #加载包
ggviolin(a,x='journal',y='author_count', color = "journal",
         fill = "journal",  title = "Search 'Bioinformatics' on PubMed",
         xlab="#Journals",ylab = "#Authors",size = 0.8,width = 1.0,
         ,yscale = "log10", trim = 1,legend = "NULL",
         ggtheme=theme(axis.text.x = element_text(angle = 75, hjust = 1)))

ggsave(filename = "author1.png", width = 12, height = 12)        #保存图片