详谈如何使用ggplot2绘制火山图

R语言数据分析指南

发布于 2023-08-18 13:50:45

5440

发布于 2023-08-18 13:50:45

文章被收录于专栏：R语言数据分析指南R语言数据分析指南

欢迎关注R语言数据分析指南

❝最近VIP群内有朋友询问火山图的绘制方法，那么本节就来详细介绍在R中如何使用「ggplot2绘制火山图」，小编添加了详细的注释希望各位观众老爷能够喜欢。 ❞

小编已经搭建了一套稳定的真核转录组分析流程，可以完成「从原始数据分析到最终出结果分析文档」基本包含目前RNA_seq文章的所有分析内容。「有数据分析需求的朋友可联系小编进行咨询」

导入数据

df <- read.delim("data.xls", header = TRUE, sep = "\t")

数据清洗

plot_data <- df %>%
  janitor::clean_names() %>%    # 使用 janitor 包的 clean_names() 函数将列名转换为小写
  mutate(fold_change = 2^log_fc) %>%    # 计算折叠变化值 fold_change = 2 的 log_fc 次幂
  select(entrezid, symbol, fold_change, adj_p_val) %>%    # 仅保留指定的列
  mutate(
    gene_type = case_when(
      fold_change >= 2 & adj_p_val <= 0.05 ~ "up",    # 当 fold_change 大于等于 2 且 adj_p_val 小于等于 0.05 时，gene_type 设置为 "up"
      fold_change <= 0.5 & adj_p_val <= 0.05 ~ "down",    # 当 fold_change 小于等于 0.5 且 adj_p_val 小于等于 0.05 时，gene_type 设置为 "down"
      TRUE ~ "ns"    # 其他情况下，gene_type 设置为 "ns"
    )
  )

plot_data %>% count(gene_type) # 统计 plot_data 数据框中各个 gene_type 出现的频数

筛选需要展示的基因

sig_genes <- plot_data %>% filter(symbol %in% c("Il15", "Il34", "Slc22a3"))
up_genes <- plot_data %>% filter(symbol == "Slc22a3")
down_genes <- plot_data %>% filter(symbol %in% c("Il15", "Il34"))

数据可视化

plot_data %>%
  ggplot(aes(x = log2(fold_change), y = -log10(adj_p_val))) +
  # 绘制基础散点图，并根据 gene_type 对点的颜色进行分类，设置点的透明度 (alpha=0.6)，形状 (shape = 16)，大小 (size = 1)
  geom_point(aes(color = gene_type), alpha = 0.6, shape = 16, size = 1) +
  # 从 up_genes 数据框中绘制特定形状的散点图，填充颜色为红色，边框颜色为黑色，大小为 2
  geom_point(data = up_genes, shape = 21, size = 2, fill = "red", colour = "black") +
  # 从 down_genes 数据框中绘制特定形状的散点图，填充颜色为钢蓝色，边框颜色为黑色，大小为 2
  geom_point(data = down_genes, shape = 21, size = 2, fill = "steelblue", colour = "black") +
  # 添加水平虚线，y 轴截距为 -log10(0.05),表示显著性阈值为 0.05
  geom_hline(yintercept = -log10(0.05), linetype = "dashed") +
  # 添加垂直虚线，x 轴截距为 log2(0.5) 和 log2(2)，表示折叠变化范围为 0.5 到 2
  geom_vline(xintercept = c(log2(0.5),log2(2)), linetype = "dashed") +
  # 在图中显示 sig_genes 数据框中基因符号的标签
  geom_label_repel(data = sig_genes, aes(label = symbol), force = 2, nudge_y = 1) +
  # 设置 gene_type 对应的颜色映射
  scale_color_manual(values = c("up" = "#ffad73", "down" = "#26b3ff", "ns" = "grey"),
                     labels = c('down 1245', 'ns 12578', "up 981")) +
  # 设置 x 轴的刻度和范围
  scale_x_continuous(breaks = c(seq(-10, 10, 2)), limits = c(-10, 10)) +
  # 设置 x 轴和 y 轴的标签
  labs(x = "log2(fold change)", y = "-log10(adjusted P-value)", colour = "Expression change") +
  # 调整图例外观，将图例大小设为 5，位置设置为右上角
  guides(color = guide_legend(override.aes = list(size = 5))) +
  theme_bw() + #  # 设置图的主题为白色背景
  # 设置图的主题样式，包括边框、网格线、背景等
  theme(panel.border = element_rect(colour = "black", fill = NA, size = 0.5),
    panel.grid.minor = element_blank(),
    panel.background = element_blank(),
    plot.background = element_blank(),
    axis.title = element_text(face = "bold", color = "black", size = 10),
    axis.text = element_text(color = "black", size = 9, face = "bold"),
    legend.background = element_blank(),
    legend.title = element_text(face = "bold", color = "black", size = 10),
    legend.text = element_text(face = "bold", color = "black", size = 9),
    legend.spacing.x = unit(0, "cm"),
    legend.position = c(0.88, 0.89)  # 设置图例位置为右上角
  )