跟着Nature学作图:R语言ggtern包做三元相图展示不同变异类型对遗传力的贡献比例

用户7010445

发布于 2023-08-23 10:50:43

4480

发布于 2023-08-23 10:50:43

文章被收录于专栏：小明的数据分析笔记本

论文

Graph pangenome captures missing heritability and empowers tomato breeding

https://www.nature.com/articles/s41586-022-04808-9

西红柿Nature.pdf

论文里提供了很多代码，链接是

https://github.com/YaoZhou89/TGG

这里有eQTL和WGCNA的代码

今天的推文我们试着复现一下论文中的Figure2b 三元相图

image.png

关于这个图怎么看，可以参考如下链接介绍的很详细

三元相图怎么看怎么画（附R代码示例） https://www.jianshu.com/p/f432a98e9504

一个比较快捷的办法读这个图

目标点离哪个角近，在相应组中的相对比例高

在论文中的图可以看出 SV组中的点很密集，说明SV占主导的比例是比SNP和Indel要高的

论文中提供的示例数据截图

image.png

先做一个最简单的图

示例数据

image.png

作图代码

l
library(readxl)
#install.packages("ggtern")
library(ggtern)
df<-read_excel("data/20230712/practice.xlsx")

ggtern(data=df,aes(x=x,y=y,z=z))+
  geom_mask()+
  geom_point(size=15,aes(color=group))+
  theme_showarrows()

image.png

用论文中的数据来作图

library(readxl)
library(ggplot2)
df01<-read_excel("data/20230712/41586_2022_4808_MOESM6_ESM.xlsx",
               sheet = "Fig2b",
               skip = 1)

dim(df01)
head(df01)

table(df01$Class)


ggtern(data=df01,
       aes(x=h2_snps,y=h2_svs,
           z=h2_indel,color=Class))+
  geom_mask()+
  geom_point(size=3)+
  theme_custom(col.T = "#dc6c50",
               col.L = "#3f7fa7",
               col.R = "#62b19a")+
  theme_showarrows()+
  labs(x="SNP",y="SV",z="Indel")+
  theme(panel.background = element_blank(),
        legend.key = element_rect(fill="transparent"))+
  guides(color=guide_legend(override.aes = list(size=10)))+
  scale_color_manual(values = c("SNP dominant"="#528bb0",
                                "SNP suppressed"="#85b6d2",
                                "InDel dominant"="#71b9a4",
                                "InDel suppressed"="#a3cda7",
                                "SV dominant"="#df7a61",
                                "SV suppressed"="#eaa778",
                                "Balanced"="#c8c9ca"),
                     breaks = c("SNP dominant",
                                "SNP suppressed",
                                "InDel dominant",
                                "InDel suppressed",
                                "SV dominant",
                                "SV suppressed",
                                "Balanced"),
                     name=NULL,
                     labels = c("SNP dominant (3,277)",
                                "SNP suppressed (1,121)",
                                "InDel dominant (1,444)",
                                "InDel suppressed (2,634)",
                                "SV dominant (10,297)",
                                "SV suppressed (586)",
                                "Balanced (298)"))